データ分析

BigQuery をご利用のお客様は他のクラウドデータプラットフォームと比較して TCO を最大 54% 削減

2024年3月27日

Google Cloud Japan Team

※この投稿は米国時間 2024 年 3 月 20 日に、Google Cloud blog に投稿されたものの抄訳です。

この 20 年間で、クラウドベースのデータマネジメントおよび分析ソリューションは、オンプレミスのものよりも費用対効率と柔軟性が高くなりました。しかし、クラウドプロバイダの間でも、費用、柔軟性、スケーラビリティ、AI への対応には違いがあり、それが企業の収益に影響を与えます。適切なエンタープライズデータウェアハウス（EDW）ソリューションを選択するには、効果的なデータクラウド戦略を設計し、プロバイダ候補の基盤技術、運用能力、価格モデルを理解する必要があります。

TechTarget の Enterprise Strategy Group（ESG）は、組織が Google Cloud BigQuery を使用して実現できる定量的および定性的なメリットを代替ソリューションと比較するための広範な調査を実施しました。レポートの全文はこちらからダウンロードいただけます。

それではレポートの主な調査結果をいくつか見てみましょう。

適切なクラウドベースのエンタープライズデータウェアハウスの選び方

洞察を得るまでの時間を短縮する方法を見つけることは、適切な EDW を選択するためのステップの 1 つにすぎません。チームは総所有コストと潜在的な初期費用、需要に応じて効率的にスケールアップおよびスケールダウンできるソリューションの能力、予測 AI、ML、生成 AI プロジェクトをサポートするための継続的なイノベーションについても考慮する必要があります。

これら 3 つのカテゴリーにおいて、BigQuery は先行投資と計画要件を排除し、運用コストを削減し、ビジネスにおけるアジリティを向上させることが ESG の調査によりわかりました。実際、BigQuery をご利用のお客様は他のクラウド EDW 製品と比較して、総所有コストを最大 54% 節約しています。

https://storage.googleapis.com/gweb-cloudblog-publish/images/image1_ubqxFg0.max-1300x1300.png

企業がデータおよび分析プラットフォームを選択する方法と理由において、これらの要因が大きな役割を果たす主な理由をいくつか紹介します。

高パフォーマンス EDW は必ずしも高額なものではない

EDW ソリューションへの投資は、データ処理に長期的な影響を及ぼす戦略的な選択となります。とはいえ、必ずしも経済的に大きな決断が必要になるものではありません。BigQuery では、コンピューティングリソースを節約するための先行投資は必要ありません。この調査で分析の対象となったプロバイダの中には、前払い購入を要求するところや、多額の前払い購入を約束した顧客にのみ最も競争力のある価格を提供するところもありました。

特定の期間について契約を結ぶということは、オンプレミスのノードと同じように、チームは購入前に構成を計画し、サイズを決めるか、将来のノードクラスタと仮想データウェアハウスの使用量を大まかに見積もる必要があるということです。BigQuery はフルマネージドであり、必要に応じて事前定義されたスロットの最大数まで自動スケーリングし、使用しなくなると定義された基本レベルに戻るため、組織は事前に算出した構成にコミットする必要がありません。これにより、コンピューティング使用量を 30%～40% 削減できます。

データを有効活用しながら運用コストを削減

クラウドへの移行により、オンプレミスハードウェアの管理やメンテナンスの必要性が排除され、それだけで費用削減に役立ちます。フルマネージドで専用の容量モニタリングを必要としない EDW を選択することで、チームはエンジニアリングリソースを追加することなくデータ処理を容易に管理でき、物理ノードや仮想ノードの管理よりも価値の高い作業に集中できます。

企業のデータセットの規模が大きくなるにつれ、費用も増大します。チームはペースを維持するために追加の保存容量や処理能力を必要としますが、データのバックログのすべてが必要なわけではなく、場合によっては、そのデータ自体が単に忘れられていることもあります。使用されていないデータを自動的に最適化できる EDW は、費用を 50% 削減できます。

適切なクラウド戦略もまた、貴重なデータのより有効的な活用に役立ちます。Google Cloud データプロダクトスイートの BigLake や BigQuery Omni のような、EDW に直接統合されるデータプロダクトは、相互に接続できるようあらかじめ設計されているため、エンドツーエンドのデータマネジメントにかかる費用と複雑さが軽減されます。Google Cloud Deployment Manager などの追加ツールもまた IAM カスタムロールを作成することによってデータが適切なユーザーとのみ共有されるようにすることで、重要なセキュリティタスクを自動化するのに役立ちます。

効果的なデータの構成、管理、モニタリングは、データウェアハウスを維持するための始まりにすぎません。日々の EDW 管理作業には、抽出、変換、読み込み（ETL）ワークロードのサポートから、トラブルシューティング、セキュリティ管理、アナリストとの共同作業まで、あらゆるものが含まれます。先進的なデータチームは、ビジネスの成長に向けてリソースを割り当てるために、これらのタスクの一部を簡素化または排除する方法を模索しています。

AI を活用して既存データから新たな知見を引き出す

企業がスケーラブルな EDW によってデータ処理の将来性を確保しようとするとき、クラウドベースの EDW がデータ分析に AI や ML をどのように組み込むことができるかを考慮することも重要になります。組織は BigQuery に AI 機能を直接導入し、BigQuery ML を使用して ML モデルを作成、実行できます。Vertex AI とのファーストパーティインテグレーションにより、BigQuery ユーザーは Gemini 1.0 Pro にアクセスし、幅広い生成 AI タスクにわたってより高い入出力スケールとより良い結果を得ることができます。

シンプルな SQL ステートメントや BigQuery に組み込まれた DataFrame API からテキスト要約や感情分析などの機能を利用することで、チームはデータをより迅速に活用できるようになります。これには、画像、ドキュメント、音声ファイルなどの非構造化データセットから新しい情報を素早く見つけることも含まれるため、チームは意思決定により多くの時間を確保し、手作業によるデータ解析に費やす時間を減らすことができます。クラウドベースの EDW を選択することで、企業は他社との競争に遅れを取らずにすみます。AI を簡単に取り入れ、手作業をさらに自動化できるものを選択すれば、企業は優位に立つことができます。