2022.05.31

BigQuery がマーケティング担当者にオススメな理由とは？

BigQuery
DWH
マーケティング

BigQuery というサービスをご存知でしょうか？ Google が提供するパブリッククラウド「 Google Cloud （GCP）」に搭載されている高性能なデータウェアハウス（DWH）です。 BigQuery を活用することで、企業は様々なメリットを享受でき、効率的なデータ活用を実現可能になります。

データウェアハウス（DWH）と聞くと、情報システム部門が利用するサービスのように思えますが、実は BigQuery はマーケティング担当者の目線でも有効に使えるサービスとなっています。本記事では、 BigQuery の概要に触れつつ、マーケティング担当者がどのように利用できるのか、という観点でご説明します。

データウェアハウス（DWH）についての理解を深めたい方は以下の記事で、概要からメリットデメリット、活用事例などをご紹介しております。

データウェアハウス（DWH）とは？メリットや活用例まで一挙に紹介

データウェアハウス（ DWH ）とデータベースとの違いとは？5つのポイントを理解して最適なサービスを選択しよう！

データの定義からデータレイクとデータウェアハウス（DWH）の違いをわかりやすく解説！

クラウドDWH（データウェアハウス）って何？AWS,Azure,GCPを比較しながら分析の手順も解説！

BigQuery とは？

BigQuery とは、 Google Cloud （GCP）で提供されているビッグデータ解析サービスであり、フルマネージドで提供されているデータウェアハウス（DWH）です。フルマネージドとは、ほぼすべてのサーバー管理をお客様に代わって代行するものであり、ユーザーは手間なくサービスを使うことができます。

また、データウェアハウス（DWH）とは、業務に関する情報をまとめて保管しておくためのデータベースです。様々なシステムからデータを保存し、それを分析するために整理する、データの保管庫のようなイメージです。

以前まで、データ管理は容易なことではなく、目的のデータを探すだけでも大変な労力が必要でした。さらに、古いデータは削除するなどのメンテナンスも発生しており、データ管理にとても多くの時間を費やしていたため、経営判断へのデータ活用は、ハードルが高いものとして避けられてきました。

しかし、データウェアハウス（DWH）の登場によって、大容量データから該当情報を抽出したり、重複を避けてデータを保存したりできるようになったため、従来の課題を解決することができるようになりました。企業が保有するデータ量が増加し、ビックデータ活用が求められる昨今のビジネスにおいて、データウェアハウス（DWH）は不可欠なツールと言えるでしょう。

BigQuery では、通常では長い時間かかるクエリを、数 TB （テラバイト）、数 PB （ペタバイト）のデータに対し数秒もしくは数十秒で終わらせることができます。100% クラウドで提供されているため、サーバーレスでスケーラビリティがあり、非常にコストパフォーマンスに優れています。他の多彩な Google Cloud （GCP）の提供するサービスともシームレスに連携もでき、扱いやすいサービスの一つとなっています。

フルマネージドサービスに関心のある方は以下の記事が参考になります。

マネージドサービスとフルマネージドサービスの違いとは？メリット・デメリットまで徹底解説！

マーケティング用途における BigQuery のメリット

本章では、マーケティングの観点から BigQuery を導入することのメリットをご紹介します。

近年データ活用の価値が高まっている

近年、情報のビッグデータ化が加速しており、データ活用の価値は益々高まっています。企業が競合優位性を獲得するためには、自社が保有するデータを適切かつ迅速に分析し、その結果を今後の経営に活用していく必要があります。

その観点では、 BigQuery が有効なソリューションになります。 BigQuery は高性能なビッグデータ解析ツールとして利用でき、膨大なデータに対しても高速で処理することが可能であるため、これらの特徴により、企業のマーケティング活動を強くサポートします。

ビッグデータに関心のある方は以下の記事が参考になります。

ビッグデータとは何か？7業種のクラウドによるデータ活用事例をご紹介！

Google 関連サービスとの親和性が高い

BigQuery の大きな特徴として、 Google スプレッドシートや Google アナリティクスなど、他の Google 関連サービスとの親和性が高い点が挙げられます。これにより、企業のマーケティング活動をより加速させることができます。

例えば、 Google スプレッドシートに集約したデータや Google アナリティクスで取得した情報を BigQuery に取り込むことで、スピーディーな分析が可能になります。そして、分析結果を今後のマーケティングに活用すれば、データドリブンな意思判断を行うことができます。

Google スプレッドシートに関心のある方は以下の記事がオススメです。

今更聞けないGoogleスプレッドシートの6つ活用法！Excel（エクセル）でできない機能まで解説！

BigQuery と Google アナリティクスの連携方法については以下の記事が参考になります。

効率的なデータの可視化を実現！ Google アナリティクスと BigQuery の連携方法を徹底解説！

様々な BI ツールとの連携が可能

BigQuery は様々な BI ツールと連携することが可能です。代表的な BI ツールの例としては、 Google が提供する Looker が挙げられます。

データは分析するだけでは意味がなく、その分析結果を人間がわかりやすいように見える化して、そのデータを活用してこそ真の価値を発揮します。その意味では、 BigQuery が多くの BI ツールと連携できる点は、マーケティングを進める上で大きなメリットになると言えるでしょう。

Looker に関心のある方は以下の記事がオススメです。

次世代BIツール「Looker」の概要と導入時の注意点をご紹介！

BigQuery のサービスとしての強み

データの処理速度が速い

BigQuery の大きな強みとして、データの処理速度が速い点が挙げられます。通常の分析サービスの場合、 GB （ギガバイト）程度であれば問題なく分析できますが、 TB （テラバイト）規模になるとデータがなかなか返ってこないことが多いです。 BigQuery は、さらにその上の PB （ペタバイト）規模のデータも高速で分析して、解を返すことができます。

マーケティング領域においては、必要なデータを迅速に収集・分析し、得られた結果をもとに素早くアクションを実行に移すことが求められます。その観点では、データ処理が高速な BigQuery はマーケティングに用途に適したサービスだと言えるでしょう。

約3GB（ギガバイト）のデータ処理の要した時間は1.2秒という驚異のスピードです。（2020年5月段階）

【参考記事】
【トップゲート主催】StudyJam Google Cloud Platform 無料ハンズオンラボの体験レポート

データベースの専門知識がなくても扱える

本来、データウェアハウス（DWH）のデータベースはチューニングが必要であり、テーブルや各種領域、インデックスなどに対して、最適な計算・シミュレーションなどを実施しなければいけません。

しかし、 BigQuery は直感的に扱えるユーザーインターフェースが特徴の一つであり、データベースの専門知識がなくても使うことができます。従来のデータベース概念とは異なり、今までデータベースでのクエリでは必須だったインデックスすら必要とせず、誰でも簡単に高速クエリが可能となっています。

マーケティング部門が情報システム部門にデータ抽出・分析を依頼する場合、認識相違や依頼のタイムラグによる作業遅延が発生するリスクがありますが、 BigQuery は専門知識がなくても使えるサービスであるため、マーケティング担当者が直接操作を行い、必要なデータを正確かつ迅速に取得することが可能になります。

コストパフォーマンスが良い

BigQuery が多くの支持を集めている理由として、高いコストパフォーマンスが挙げられます。利用料金の目安は「1 TB （テラバイト）あたり500円程度」とリーズナブルであり、かつ、処理に要する目安料金を事前に把握できるため、安心してサービスを利用することが可能です。

そのため、仮にマーケティング担当者の IT リテラシーが低い場合でも、誤操作による高額請求のリスクを低減できます。また、コストパフォーマンスに優れているため、マーケティング予算が限られている状況においても、安い金額で最大限の効果を期待できます。

いくら高速なサービスがあっても扱いにくくてコストが高いものであれば、なかなか拡まらないと考えられます。ところが BigQuery は高性能であるにも関わらず、誰でも簡単に扱うことができコストも安いと、すべて揃っており、総合的に見て優れたサービスであると言えます。

BigQuery の費用

BigQuery の費用については、クエリに特化した独特なものとなっています。

クラウド型データベースの一般的な課金方法は使用時間による課金であり、例えば「1 TB （テラバイト）のデータに対してサービスを利用した時間」というような課金で計算されます。しかし、 BigQuery はスキャンデータ量に対する課金が主となります。

ストレージの料金も時間に応じて発生しますが、かなり安価な設定となっており「どれだけのデータ量に対して処理を行ったか」という点が主に課金額に影響します。そのため、使い方にもよりますが、大きなデータ量などに対して重要なクエリを少ない回数で行う、というような処理に向いていると言えます。

費用のシミュレーションをする場合には、この BigQuery の課金の特徴を把握した上で行う必要があります。使い方、適用の仕方によっては非常に安価なサービスだと言えるでしょう。

※東京（asia-northeast1）の料金を掲載しております。

オペレーション	料金	詳細
アクティブストレージ	0.023米ドル/ GB	毎月 10 GB まで無料。
長期保存	0.016米ドル/ GB	毎月 10 GB まで無料。
BigQuery Storage API	1.10米ドル/ TB	BigQuery Storage API は無料枠に含まれない。
ストリーミング挿入	0.012米ドル/ 200 MB	挿入に成功した行が課金対象。最小サイズは 1 KB で、各行が計算される。
クエリ（オンデマンド）	6.00米ドル / TB	毎月 1 TB まで無料。
クエリ（1時間単位の Flex Slots）	4.8米ドル/100スロット	追加は100スロット単位で購入可能。
クエリ（月定額）	2,400米ドル/100スロット	追加は100スロット単位で購入可能。
クエリ（年定額）	24,480米ドル/100スロット	追加は100スロット単位で購入可能。

出典：Google Cloud公式サイト

BigQuery のセキュリティ

BigQuery はクラウドサービスの一つですが、クラウド環境であるからといってクラウド事業者である Google が全ての脅威からの保護を保証してくれるわけではありません。特に IT の専門家ではないマーケティング担当者が BigQuery を扱う際は、クラウド事業者とサービス利用者の責任分界点を理解しておくことが重要になります。

以下、 BigQuery のセキュリティについて、 Google が責任を持つ範囲と利用者自身が責任を持つ範囲に分けて、それぞれの内容を詳しく解説します。

Google が責任を持つ範囲

原則として、サービス利用者が触ることのできないレイヤーについてはクラウド事業者が責任を持ってセキュリティを担保する必要があると考えられます。データセンターの運用、 BigQuery の物理的なサーバーやストレージといったリソース、ソフトウェアなどはユーザーが触ることはできません。そのため、 Google がセキュリティ対策の実施についても責任を担います。

また、 Google で暗黙的に実施されているセキュリティ対策については、公式ドキュメントで情報が公開されています。例えば下記のような項目は Google 側で対応が行われています。

運用面のセキュリティ

Google の運用チームは365日24時間体制でインフラストラクチャに対して仕掛けられる脅威の検出と対応にあたっています。

コンプライアンス

Google のサービスは第三者機関によるセキュリティに関する監査を定期的に受けており、そのレポート内容を一部公開しています。例えば ISO / IEC 27001 や HIPAA 、 SOC 1/2/3 といったセキュリティや運用手法に関する一般的な認証はもちろん、 FISC や FedRAMP といった各種業界別の基準も満たしています。

データセンター

Google ではデータセンター自体の建屋を自社で建設しています。また、多層的アクセス防御を実施しており、アクセスカード、警報、車両セキュリティゲート、フェンス、金属探知機、生体認証などの安全対策が施されています。また、データセンターのフロアにはレーザー光線による侵入検知システムが導入されています。

ハードウェア

非常に品質の高い基準を設けており、サーバーラックやサーバー自体も自社で開発し、最適化が行われています。

ネットワーク回線

自社で回線を敷設しており、物理的な高速回線をプライベートネットワークとして利用することができます。そのため、クラウド内部の通信はインターネットを経由せずに転送されるため、外部からの攻撃や傍受の危険性が少なくなります。

外部通信時の暗号化

インターネット経由でパブリック通信を行う場合、パケットの転送時に暗号化が行われます。

データ暗号化

Google のインフラストラクチャに保存されたデータはデフォルトで暗号化が行われます。 BigQuery の利用時にも同様の鍵管理システムを使用し、 Advanced Encryption Standard （AES）により暗号化が行われます。

アプリケーション

BigQuery は Google の社内で利用されていた Dremel というデータ分析システムを外部ユーザー向けに改良し、公開したものです。システムを構築するノード上のアプリケーションについてのバージョンアップやメンテナンスは透過的に Google が実施します。

利用者自身が考慮すべき範囲

上記の項目は BigQuery のようなサーバーレス型のクラウドサービスでは利用者が操作することができないため、 Google 社の責任範囲となります。自社で統合的な分析環境を構築する場合とは大きく異なり、かなり多くのレイヤーを Google が考慮してくれることがわかります。

ここからは、実際に BigQuery を利用するにあたり、ユーザーが考慮すべき項目についてご紹介します。

様々な権限設定

まずは BigQuery に対する権限設定を考慮する必要があります。権限設定は主に Identity and Access Management （IAM）により各ユーザー、グループ、サービスアカウントに対して役割を割り当てることによって制御しますが、必要最低限の役割を付与するように留意してください。

データアクセス

IAM による権限設定に加えて、データ漏洩に対する多層的な防御として VPC Service Controls を活用してデータアクセスの制御を行うことが可能です。 VPC Service Controls では、サービス境界と呼ばれる仮想的な境界を構築し、境界を跨ぐデータの移動を制限することによって、より幅広いコンテクストベースの境界セキュリティを実現することが可能となります。

境界の作成時に Google Cloud （GCP）のプロジェクトやサービスを指定し、 BigQuery と同じ境界内に含めることで同一境界内にあるリソースでのやり取りのみを許可するように設計することができます。 IAM とは全く別の条件として評価されるため、より強固にデータを保護することが可能です。

これにより、認証情報の漏洩による不正アクセスや、内部からの許可されていないデータの持ち出しなど、様々なセキュリティリスクを軽減することができます。

VPC Service Controlsについては以下の記事で詳しく概要から操作方法も解説しておりますので、ご覧ください。

VPC Service Controlsを使ってGoogle Cloud セキュリティ対策を強化しよう！

ネットワークアクセスの制御

Access Context Manager を活用することで、アクセスレベルと呼ばれるきめ細かいアクセス制御を定義することができます。アクセスレベルの属性として IP アドレスや端末の種類、ユーザー ID などを利用することができ、 VPC Service Controls と組み合わせることでアクセスレベルに応じたアクセス制御が可能となります。

SQL インジェクション

BigQuery では SQL クエリを実行できるその性質上、そのクエリによって攻撃される可能性があります。そのため、 SQL インジェクションを防ぐために幾つかの考慮が必要です。

例えば BigQuery では、クエリパラメータという機能をサポートしており、クエリ中にパラメータを埋め込み、任意の式の代わりに利用することで攻撃の可能性を低くすることが可能です。また、攻撃への露出を減らすため、動的 SQL の一部に下記のような制限を設けています。

動的SQLに渡されたパラメータに埋め込まれた複数のSQLステートメントは実行されない
BEGIN 、 END 、 CALL 、 IF 、 LOOP 、 WHILE 、 EXECUTE IMMEDIATE コマンドは動的に実行されない

BigQuery のマーケティング活用事例

BigQuery はどのような形でマーケティングに活用されているのでしょうか？ここでは、 BigQuery のマーケティングにおける具体的な活用事例を一つご紹介します。

事業者向け間接資材のオンライン通販サイト「モノタロウ」を運営する株式会社 MonotaRO では、自ら「データドリブンカンパニー」であることを掲げ、数々の先進的な取り組みを行ってきました。その中の一つとして、 BigQuery を活用したデータ分析基盤の構築が挙げられます。

同社は早い時期からデジタルマーケティングを実践しており、各種データに基づいた意思決定を行っていました。しかし、元々のデータ分析基盤はオンプレミスのものを利用しており、大量のデータに対応できなくなっていたのです。例えば、月次のバッチ処理が24時間以内に終わらないなど、深刻な課題が顕在化していました。

そして、社内からは「ウェブログや広告出稿ログなどをマーケティングに活用したい」という声があがり始めたことで、データ分析基盤を BigQuery に移行することを決めました。 BigQuery の選定理由としては「大量データを高速に扱える点」と「誰でもシンプルに操作できる点」が決め手になったそうです。

BigQuery を導入したことで、同社は3つのメリットを享受できました。

1つ目は100億レコードにも及ぶ大量のデータを BigQuery に一元的に集約できたことです。これにより、ウェブログと受注データを紐付けて分析するなど、新しい試みを実施できるようになりました。

2つ目は BigQuery の高速処理による業務効率化です。従来は丸一日かかっていたような処理がわずか数十分で終わるようになったのです。これにより、月に1度だけ実行していた重いバッチ処理を日次で実行できるようになり、精度の高い情報に基づいた改善が可能になりました。

3つ目は、このようなメリットを肌で感じたことで「 BigQuery でデータを分析したい」というメンバーが増えたことです。つまり、社員のデータ分析に対する意識が向上し、データドリブンカンパニーとしての企業文化がさらに確固たるものとなりました。

BigQuery を導入したことで、扱えるデータ量は10倍になり、そこからほぼ自動で生み出される分析レポートの数も10倍に増加しました。そして、データ分析を行うメンバーの数は4倍に増えたそうです。このように、 BigQuery により自社のデータ分析・データ活用を加速し、マーケティング活動の活性化を実現した活用事例のご紹介でした。

以下、 BigQuery に関する参考記事をご紹介します。

BigQueryで考慮すべきセキュリティとその対策を一挙ご紹介！

【意外と簡単？】オンプレミスの DWH から BigQuery へのデータ移行を徹底解説！

効率的なリアルタイム分析を実現！ BigQuery を活用したレプリケーションのやり方とは？

こんなに簡単にできるの？コネクテッドシートと BigQuery の連携方法を図解付きでわかりやすく解説！