ブログ

Snowflakeの初心者で、自分でクエリを書くためのSQLスキルがない場合、どこから始めればよいでしょうか？

※本記事は、Snowflake Buildersブログにて初公開された内容です。

まずは、コードを書かずにSnowflakeのデータにアクセス、管理、分析ができる「KNIME」というプラットフォームから始めてみましょう。

Snowsightが自動補完や構文の提案を提供してSQLクエリの記述を簡単にしてくれるのと同じように、KNIMEはそこからさらに一歩踏み込みます。何行ものコードを書く代わりに、まるでブロックを組み立てるように、データ処理のプロセスを視覚的に構築できるようにしてくれます。

SnowflakeとKNIMEの連携をこれから始める方に向けて、KNIMEの概要、ダウンロード方法、Snowflakeとの接続手順に加え、すぐに試せる3つのユースケースへのリンクをまとめた簡単なガイドを作成しました。

KNIMEとは？

KNIMEは、コーディングを一切必要としないデータおよびAIプラットフォームです。サプライチェーン、財務、監査など、あらゆる分野の業務部門の専門家（ドメインエキスパート）が、自立してデータパイプラインやアプリケーションを構築できるよう支援します。ご自身で構築したものであっても、AIのアシストを利用して構築したものであっても、すべての分析プロセスは即座に監査可能であり、再現性とセキュリティが確保されています。

すべての操作が視覚的に行えるため、以下のようなメリットがあります：

• SQL不要のデータ処理：SQLを使わずにデータの探索や変換が可能です。
• プロセスの再利用：プロセスを保存して再利用し、再現性の高い処理を構築できます。
• 柔軟な連携：Snowflakeのデータを、クラウドストレージやAPIなどの他システムと柔軟に組み合わせることができます。
• 即時のフィードバック：各ステップで結果をその場ですぐに確認できるため、作業を進めながら理解を深めることができます。

さらに、KNIMEには「K-AI」と呼ばれるAIアシスタントが搭載されています。K-AIとチャットで対話し、質問に答えてもらったり、ワークフローの処理ステップを自動生成させたり、各ステップの役割について説明してもらうことが可能です。

K-AIの機能については、こちらの動画をご覧ください。

ステップ1：必要なツールの準備

ワークフローの構築を始める前に、以下の2つをご準備ください：

• Snowflakeアカウント
  Snowflakeのウェブサイトで無料トライアルに登録し、費用をかけずに機能をお試しいただけます。
• KNIMEのインストール
  KNIMEのウェブサイトから、お使いのコンピュータにソフトウェアをダウンロードしてください。Windows、macOS、Linuxに対応しています。

これで、SnowflakeとKNIMEを連携させる準備が整いました。

まず、「Getting Started with Snowflake」ワークフローを開きます：

ブラウザ上でワークフローが開いたら、ワークフローのアイコンをKNIMEエクスプローラー（KNIMEソフトウェア内の画面）にドラッグ＆ドロップして実行します。

「Knime Snowflake Integration（KNIME Snowflake連携拡張機能）」のインストールを求めるプロンプトが表示されます。「Yes」をクリックして許可し、インストールウィンドウの手順に従って完了させてください。

ステップ2：KNIMEをSnowflakeアカウントに接続する

Snowflake Connectorノードの接続設定を開き、ご自身のSnowflakeアカウント情報を入力して接続先を指定します。

設定が完了したら、ワークフローを実行してみましょう。このワークフローは、Snowflakeアカウントに接続し、サンプルデータベースから「Customer（顧客）」と「Orders（注文）」のデータを選択します。その後、データの前処理を行い、KNIMEに読み込んで視覚化（グラフ化など）を行います。

ステップ3：3つのサンプルワークフローを試す

以下のサンプルワークフローを活用して、KNIMEを使ったSnowflakeのデータ操作をさらに深掘りしてみましょう。

ワークフロー：Snowflakeを使い始める

この例では、KNIMEでシンプルなSnowflakeクエリを実行する2つのアプローチを紹介しています。視覚的に処理を構築することも、独自のカスタムSQLを使ってクエリを実行することも可能です。 こちらのワークフローをお試しください。

ワークフロー：KNIMEとSnowflakeを用いたETL/ELT

KNIMEを活用すれば、データを分析に最適な形へと整えることができます。ここでは、顧客データの準備と探索を行うための、ETLおよびELTの2つの実践例をご紹介します。

• KNIMEとSnowflakeを用いたETLの例。こちらからお試しください。

• KNIMEとSnowflakeを用いたELTの例。こちらからお試しください。

ワークフローコレクション：Snowflakeユーザー向けのKNIME

Snowflakeの連携パターンやデータの変換処理など、より実践的なワークフローをまとめた大規模なコレクションです。『KNIME for Snowflake Users』コレクションをぜひ探索してみてください。これらはすべてKNIMEで直接開くことができ、接続設定をするだけですぐにデータ分析を開始できます。

KNIMEでSnowflakeを使い始めるためのヒント

学習を進める中で、つまずかずに自信をつけていくための簡単なコツをご紹介します：

• 小さく始める：最初から複雑なデータ変換を行うのではなく、まずはテーブルを選択し、数行のデータを確認するところから始めましょう。
• 一度に1つの処理を追加する：例えば「特定の列を除外する」など、変換処理は一度に1つずつ追加して結果を確認しましょう。
• プレビュー機能を活用する：各ノードに組み込まれたプレビュー機能を使い、各ステップでデータがどう変化しているかをこまめにチェックしましょう。
• 分かりやすい名前を付ける：ワークフローを保存する際、後で見返しても処理内容がわかるように、各ノードに明確な名前（アノテーション）を付けておきましょう。

このプロセスは、多くの人がプログラミングを学ぶときの「少しずつ、実際に手を動かしながら学ぶ」というアプローチと全く同じです。そして、KNIMEではすべてが視覚的であるため、ロジックの確認がしやすく、裏側で何が起きているのかを直感的に理解することができます。

まとめ

SnowflakeとKNIMEを組み合わせて使うことは、「まずはSQLのエキスパートにならなければ」というハードルを取り払い、クラウドデータ分析の世界へスムーズに足を踏み入れるための最適なアプローチです。この組み合わせにより、以下のメリットを同時に享受できます：

• Snowflakeの圧倒的な処理能力とスケーラビリティ
• KNIMEの直感的でノーコードなワークフロー構築機能

Snowflakeを使い始めたばかりでデータワークフローに興味がある方にとって、KNIMEは心強いパートナーとなるでしょう。準備が整えば、より高度なユースケースへと自然にステップアップしていくことができます。

ぜひKNIME Hubのサンプルワークフローを試し、コードを書かずにどこまでのことができるのか、その可能性を体感してみてください。