はじめに
皆さんは、データ設計と聞いて何を思い浮かべますか?
私は「正規化して、きれいにして、使いやすくすること」が思い浮かびます。
データの重複を減らし、整合性を保つためには正規化が重要だと学んできました。
しかし、先日取得したMicrosoftの資格「PL-300(Power BI Data Analyst)」の学習中に、私にとっては少し意外な考え方に出会いました🤔
それが、分析用のデータモデルでは、あえて正規化を崩すことがあるというものです。
「正規化しない方がパフォーマンスが良くなることもあるの!?」
今回は、そんな疑問をきっかけに学んだ、正規化と非正規化、そしてスタースキーマについて紹介します⭐
1. 正規化が必ずしも最適とは限らない?
システム開発では、データの重複を減らし、更新時の整合性を保つために正規化を行います。
一方、正規化によってテーブルが細分化されると、データ取得時に複数のJOINが必要になる場合があります。
もちろん、JOINが増えるからといって必ず遅くなるわけではありません。
しかし、更新処理に適した設計が、そのまま分析処理にも最適とは限らないのです。
そこで登場するのが、PL-300で学んだ「スタースキーマ」です⭐
2. 分析の世界では、あえて正規化を崩す?
スタースキーマとは、分析対象となる数値を格納する「ファクトテーブル」と、分析の切り口となる「ディメンションテーブル」で構成するデータモデルです。
例えば、売上分析の場合は次のような構成になります。
- 売上ファクト: 売上金額、数量、商品ID、日付IDなど
- 商品ディメンション: 商品ID、商品名、カテゴリ、メーカーなど
- 日付ディメンション: 日付、年、月、四半期など
- 店舗ディメンション: 店舗ID、店舗名、地域など
ここで注目したいのが、ディメンションテーブルの設計です。
正規化されたデータベースでは、商品・カテゴリ・メーカーを別々のテーブルで管理することがあります。
一方、スタースキーマでは、商品名・カテゴリ・メーカーを1つの商品ディメンションにまとめることがあります。
分析しやすいように、あえて一部の正規化を崩しているのです。
3. なぜ非正規化すると速くなることがあるのか?
理由の一つは、分析時に必要なテーブル間の関係を単純化できることです。
例えば、「カテゴリ別の売上合計」を集計する場合を考えてみます。
以上のようにスタースキーマでは、カテゴリ情報を商品ディメンションに持たせることで、リレーションシップを単純化できます。
Power BIでは、リレーションシップの構造がフィルターの伝播や集計処理に影響するため、シンプルなモデルが有利になる場合があります。
また、Power BIのImportモードで利用されるVertiPaqエンジンは、列指向の圧縮技術を採用しています。同じ値が繰り返される列は、効率的に圧縮できる場合があります。
そのため、非正規化によってデータが重複しても、必ずしもメモリ使用量が大幅に増えるわけではありません。(PowerBIのいいところですね♪)
ただし、非正規化すれば必ず高速化するわけではありません。
列数やデータの種類、カーディナリティ、ストレージモードなどによって結果は変わります。
重要なのは、正規化・非正規化という手法そのものではなく、分析処理に適したモデルを設計することです。
4. 正規化と非正規化はどう使い分ける?
ここまで、スタースキーマが分析処理に適している理由を紹介しました。
重要なのは、そのデータを何のために利用するのかという点です。
例えば、商品情報を管理する業務システムでは、データの整合性や更新のしやすさが求められます。
一方、Power BIのような分析システムでは、大量のデータをさまざまな切り口で集計することが求められます。
| 正規化されたモデル | スタースキーマ | |
|---|---|---|
| 主な目的 | データの管理・更新 | データの集計・分析 |
| 重視すること | 整合性・更新効率 | 集計効率・分析のしやすさ |
| テーブル構造 | 情報を適切に分割 | ファクトとディメンションを中心に構成 |
| メリット | 重複や更新時の不整合を抑制 | リレーションシップや集計を単純化しやすい |
| 主な利用場面 | 業務システム | BI・データ分析 |
※ 代表的な傾向を比較したものであり、どちらのモデルにもさまざまな用途があります。
実際には、正規化された業務データベースから必要な情報を取得し、分析用にスタースキーマへ変換することもあります。
正規化と非正規化は優劣の関係ではなく、目的に応じて使い分けるものです。
5. PL-300を通じて感じたこと
今回の学習で印象的だったのは、これまで当たり前だと思っていたデータベース設計の考え方が、目的によって変わるということでした。
ある場面でのベストプラクティスが、別の場面でもベストとは限らない。
大切なのは、技術や設計手法を絶対的な正解として捉えるのではなく、「何を実現するための設計なのか?」を考えることであると学びました。
PL-300の学習は、Power BIの操作方法だけでなく、データ設計に対する視野を広げる機会にもなりました!
まだまだ学習の中で驚いたことがあるので書いていけたらいいなと思います~!

