2025年11月4日の「Data Engineering Summit 前夜祭」で、このタイトルについてお話しさせていただきました。

😇 データモデリング、不安じゃないですか？

僕は元々ソフトウェアエンジニアで、GitやUnit Testの導入なんかもやっていました。
そんな僕がデータモデリング（特にディメンショナルモデリング）を始めた時、ものすごい不安に襲われたんです。

「SOURCE層からWAREHOUSE層 (Dim + Fact) にしてるけど... これで合ってる？ 🤔」

具体的には、こんな不安でいっぱいでした。

😱 元バックエンドエンジニアの叫び

もうね、心の中はこれです。

「データモデリングにも自動のUnit Testみたいのないの？🤔」
「UTみたいに、即座にフィードバックくれるものが欲しい...！」

僕がUT（ユニットテスト）に感じていたのは「絶対的な安心感」でした。

この「実装 → 検証 → 改善」のサイクルを、データモデリングでも実現したかったんです。

そこで僕らがたどり着いたのが、これです。

AI Agent（Claude Code） と Snowflake MCP を組み合わせて、
Unit Testみたいな「相棒」にしちゃおう！

これを導入して、こんな開発サイクルを回せるようにしました。

まさに、UTと同じ感覚で「くるくる回せる」開発体験です！

じゃあ、具体的にどんなフィードバックをくれるのか？
いくつか実例を紹介します。

AIがUTのアサーションチェックみたいに、基本的なミスを教えてくれます。

参照整合性エラー:

🤖「Factテーブルの◯◯件でdim_customerのkeyが存在しません。原因は空文字が1,234件、NULLが567件です。Dimへの未登録顧客レコード追加を推奨します」
データ欠損の指摘:

🤖「GA4のRawデータを確認しました。この定義だと意図したセッションデータの約23%が欠損します。session_startイベントが含まれていません」

いやー、これ手動で気づくの大変ですよね...！助かる...！

AIがLinterみたいに、ローカルルールもチェックしてくれます。

コーディング規約:

🤖「CLAUDE.md（ローカルルール）に基づきチェックしました。日付カラムの接尾辞が「_date」ではなく「_dt」になっています」

これでレビューの認知負荷も下がります。

これが本当に強力で、Raw/Source層までしっかり見に行って、ロジックの不備を指摘してくれます。

↑これは、僕があまり詳しくないGA4のドメインをレビューしてた時。「なんか変だな...？」という違和感をAIに投げたら、一緒にRawデータ（session_engagedの値が0とか1になってる）を見ながら「これ、こういうことじゃないですか？」って違和感の正体にたどり着けた瞬間です。

「おのれぇえGA4!!!!!!!!wwwwww」ってなりました。

というわけで、「データモデリングにもUnit Testみたいな相棒が欲しい！」という悩みから、AI AgentとMCPを導入した話でした。

この「相棒」のおかげで、

あたりを自動でやってもらえるようになり、あの頃の不安が「安心感」に変わってきました。

データモデリング、まだまだ勉強中ですが、AIという相棒と一緒に頑張っていこうと思います！