1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

【検証:初心者向け】SnowflakeとAutonomous DBにデータをロードして、使い心地を比較してみた‼️

1
Last updated at Posted at 2026-10-09

はじめに

Oracle Autonomous AI Database(以下、ADB)とSnowflakeに同じCSVファイルをロードし、コンソールでの使い心地を比較しました。

想定した利用シーン

経営企画部の担当者が、顧客情報のCSVを受け取り、分析に使えるようデータベースへ登録する場面を想定しました。最初に届いた正常な50件を取り込み、日本語の氏名や地域、日付、件数が正しく入ったかを確認します。続いて、追加で届いた8件を同じ表に取り込もうとしますが、そのCSVには不正な日付や数値などが含まれています。

image.png

担当者が知りたいのは、初めて触る画面でも迷わずロードできるか、そして問題が起きたときに画面の情報から原因を追えるかです。データを取り込んだ後はSQLで中身を確かめ、分析の準備を進めます。この一連の作業をADBとSnowflakeで試しました。

検証データ

顧客情報を表すCSVを用意しました。

列名 内容
customer_id 顧客ID
full_name 顧客名
email メールアドレス
signup_date 登録日
region 地域
credit_limit 与信限度額
active_flag 有効フラグ

正常データは50件です。

追加用の8件には、重複した顧客ID、不正な日付、数値列に入った文字列、欠損値、カンマを含む氏名、想定外の地域などを含めています。

検証条件

今回検証した条件は以下です。基本的にスキーマ名はデフォルトのものを使っています。

項目 ADB Snowflake
操作画面 Database Actions Workspace
ロード元 ローカルファイル ローカルファイル
比較用表名 CUSTOMERS_LOAD_TEST CUSTOMERS_LOAD_TEST
スキーマ ADMIN UX_DB.PUBLIC
正常データ 50件 50件
異常データ 同じCSV 同じCSV
SQL実行 SQLワークシート Workspace

ADB 検証

まずは、ADB>Database Actionsで「データ・ロード」を開き、「ローカル・ファイル」を選択します。

image.png

ローカルファイルを追加する

customers_valid.csvを追加すると、

image.png

ブラウザからデータロードを開始できます。

正常データ50件をロードする

プレビューと設定を確認してロードを開始すると、50行、7列が正常にロードされました。

SCR-20261006-ncvk.png

ロード結果のカードには、作成された表、行数、列数が表示されます。カードからジョブ、問合せ、レポートへ移動できます。

SQLでデータを確認する

Database ActionsのSQLワークシートで件数と内容を確認します。

SELECT COUNT(*) AS row_count
FROM customers_load_test;

これは50件となれば正解です。

SCR-20261006-ndvm.png

10秒ほどで結果が返ってきました。
次に、ロードした表をカスタマーID順で10件取得します。

SELECT *
FROM customers_load_test
ORDER BY customer_id
FETCH FIRST 10 ROWS ONLY;

結果はこちらです。

image.png

signup_dateは日付、credit_limitは数値としてロードされ、active_flagはCSVと同じY/Nで表示されました。

データロードとSQLワークシートがDatabase Actions内にまとまっているため、ロード後に別のツールへ移動せず、そのままデータを確認できます。

不正値を含むCSVを追加してみる

正常な50件をロードした後、エラーが起きたときの案内を確かめるため、意図的に不正な値を含めたcustomers_invalid.csvを既存のCUSTOMERS_LOAD_TESTへ追加しようとしました。このファイルには、存在しない日付2025-13-40や、数値列に入れたABCなどが含まれています。

ロード前のマッピング画面では、CSVのsignup_date列が、表のSIGNUP_DATE (DATE)列へ入ることを確認できます。

image.png

上部の「列」「式」「エラー」は、マッピング一覧の表示を絞るためのボタンです。「エラー」と表示されているだけでロードに失敗した意味ではありません。 実際にロードした後のエラーは、ジョブレポートで確認します。

最初に出たのは日付書式の設定エラー

ロードを実行すると、ジョブレポートには次のエラーが表示されました。

SCR-20261006-nyuw.png

ORA-20292: Missing data format mask for column "SIGNUP_DATE"
with data type DATE

これはCSV内の異常日付を判定する前に、既存のDATE列へロードするための書式が指定されていないことを示しています。

今回は書式を指定して再実行した後の結果まで確認できていません。そのため、ADBが2025-13-40やABCをどう報告するかは、今後の検証項目です。

ADBで使いやすいと感じた点

今回特に分かりやすかったのは、取り込み前に列の対応と格納先の型を確認できることです。日付書式のような変換条件も明示できるので、既存表へ追加する際に「CSVの値がどう格納されるか」を考えながら設定できます。

ロード後は結果画面からジョブ、問合せ、レポートへ進めます。SQLワークシートもDatabase Actions内にあるため、取り込んだデータの確認まで同じ画面群で進められました。


Snowflake編

Snowflakeのコンソール画面>取り込みを選択します。

SCR-20261006-nijo.png

正常なCSVを追加する

データロード画面からcustomers_valid.csvを追加し、UX_DB.PUBLIC内のCUSTOMERS_LOAD_TESTをロード先に指定しました。使用したウェアハウスはCOMPUTE_WHです。

今回はPUBLICスキーマを使用しています。(デフォルト)

SCR-20261006-njgu.png

新しいテーブルを作成するか、既存テーブルへロードするかを同じ画面で選択できます。

検証用データベースを作成する

検証用のデータベースとしてUX_DBを作成しました。
名前をつけるだけでDBが作成できてしまった・・・!驚愕!

SCR-20261006-njat.png

推定されたデータ型を確認する

次の画面では、CSVのサンプル値と、自動推定されたデータ型が表示されました。

SCR-20261006-njlx.png

画面左側では、ロード中にエラーが発生した場合の動作も選択できます。今回は既定値の「データをロードしない」を使用しました。

正常データ50件をロードする

ロードを実行すると、50行が正常に挿入されたことが表示されました。

SCR-20261006-njwf.png

成功画面から、テーブルを使ったSQLの生成や、テーブル詳細へ移動できます。

Workspaceでデータを確認する

件数を確認します。

SELECT COUNT(*) AS row_count
FROM UX_DB.PUBLIC.CUSTOMERS_LOAD_TEST;

image.png

データの内容も確認します。

SELECT *
FROM UX_DB.PUBLIC.CUSTOMERS_LOAD_TEST
ORDER BY customer_id
LIMIT 10;

結果はこちらです。

image.png

Excelのように整形されて表が出力されました。signup_dateは日付として認識されました。また、ADBのデータ・ローダーとは異なりactive_flagは、CSVのY/NからBOOLEANのTRUE/FALSEへ変換されました。

感想)Notebookに近い操作感

SnowflakeのWorkspaceでは、SQLがセル単位に分かれています。必要なセルだけを実行でき、結果が同じセルの直下に表示されます。

件数を確認したセルの次で先頭10件を表示し、さらに条件や集計方法を変えて試す、といった進め方ができます。Jupyter Notebookに近い操作感です。結果表示を「テーブル」「チャート」「ピボット」へ切り替えられる点も便利でした。簡単なデータ確認であれば、別のBIツールへ移動せずに実施できます。

異常データをロードする

続いて、customers_invalid.csvを同じCUSTOMERS_LOAD_TESTへ追加しました。

SCR-20261006-npbk.png

エラー発生時の動作は「データをロードしない」のままにしています。

SCR-20261006-npid.png

画面には次のエラーが表示されました。

Date '2025-13-40' is not recognized

エラーの値だけでなく、対象ファイル、行、文字位置、テーブル、列も表示されました。エラーがあっても続行する場合のON_ERROR設定にも言及しています。Snowflakeでのエラー表示では、SIGNUP_DATE列の2025-13-40が日付として認識できないことを画面上で確認できました。

おまけ)Cortex Code(CoCo)へSQLを質問できる

Snowflakeには、Snowsightに統合されたAIアシスタントのCortex Code(CoCo)があります。SQLを書き間違えたときに「このSQLがエラーになる原因を説明して、修正案を示して」と質問できるほか、SQLの作成や説明にも利用できます。

WorkspaceでSQLを試しながら、その文脈について同じ画面から質問できるのは便利そうです。
SCR-20261006-nncw.png

Snowflakeで使いやすいと感じた点

CSVを選ぶと、サンプル値と推定されたデータ型を同じ画面で確認できるため、ロード前に内容をつかみやすいと感じました。

ロード後はWorkspaceでSQLと結果を並べて見られます。異常データを投入した際には、不正な日付の値と位置が失敗画面に示され、次に確認する場所が分かりました。

ADBとSnowflakeを使って今回分かったこと

実際に確認できたのは、正常データ50件のロード、SQLによる確認、追加ファイルを投入した際の最初のエラー表示までです。設定やデータを修正して再実行すること、部分成功や重複データの扱いは、今後の検証項目とします。
正常な50件は、どちらもブラウザからロードできました。

ADBでは、文字コード、列の対応、格納先のデータ型などを確認しながら進められます。どの列をどの形式で取り込むかを把握しやすい点が印象に残りました。

Snowflakeでは、サンプル値と推定された型を横並びで確認できます。ロード後のWorkspaceはNotebookに近く、SQLをセルごとに実行しながら結果を見られる点が使いやすく感じました。

比較項目 ADB Snowflake
ローカルCSV ブラウザからロード可能 ブラウザからロード可能
正常データ 50件成功 50件成功
日本語 文字化けなし 文字化けなし
表の自動作成 可能 可能
データ型の確認 ターゲット列とのマッピングを確認 サンプル値と推定型を確認
Y/Nの扱い 文字列として格納 BOOLEANへ変換
日付の扱い 既存DATE列への形式を指定可能 DATEとして自動推定
ロード後の確認 Database ActionsのSQLワークシート WorkspaceのSQLセル
結果表示 問合せ結果/スクリプト出力 テーブル/チャート/ピボット
ロードエラー ジョブレポートで確認 失敗画面に値・行・列を表示
SQL作業の特徴 データロードとSQL確認が一体化 Notebookに近いセル単位の操作
AIによるSQL支援 今回は検証対象外 CoCoに生成・説明・修正を質問可能

まとめ

冒頭の「初めて触る画面でも迷わずロードできるか」については、ADBもSnowflakeもブラウザから正常なCSV50件を取り込み、SQLで内容を確認できました。

「問題が起きたときに画面の情報から原因を追えるか」については、Snowflakeでは失敗画面に不正な日付値や対象の行・列が表示され、原因が一目で分かりました。

次回は、顧客、商品、注文、返品データをJOINした月次売上分析を行い、SQL作成、結果表示、分析支援機能の使い心地を比較します。

参考資料

1
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?