Azure Synapse Analyticsとは? データウェアハウスとの違いを解説

日々増加するデータの有効活用には、優れた分析ツールが欠かせません。Azure Synapse Analyticsは、DWH（データウェアハウス）とデータ分析を結合したクラウドベースの分析プラットフォームです。本記事ではAzure Synapse Analyticsの概要やDWHとの違いのほか、導入事例を紹介します。

Azure Synapse Analyticsとは?

Azure Synapse Analytics（アジュール・シナプス・アナリティクス）とは、Azure SQL Data Warehouseが大きく進化した分析プラットフォームです。“Synapse”（シナプス）とは、神経細胞間の「接合部」を意味しています。

Azure Synapse Analyticsが可能にすること

Azure Synapse Analyticsではデータ統合、DWH（データウェアハウス）、ビッグデータ分析の機能が1つに集約されています。“Synapse”の名が示すように、複数のツールが「接合」されているので、企業規模のDWH、ビッグデータ解析がワンストップで利用できるのです。

Azure Synapse Analyticsとデータウェアハウスとの違い

Azure Synapse Analyticsを理解するためには、DWHとの違いを明確にする必要があります。

「データの倉庫」と言われるDWHは、データを蓄積し、目的のデータを抽出することを主眼としたツールです。なおDWHはデータベースよりデータ容量が大きく、整理のしやすさにも優れています。

これまでは、各部署から集めたデータをETL（Extract・Transform・Load）が抽出、加工・変換を経てDWHに書き出し、そのデータをBI（Business Intelligence）ツールが分析し可視化する方法が一般的でした。しかし、DWH構築やBIツールでは異なるシステムを使い分ける必要があるために煩雑な手続きが生まれ、スピーディーで的確な分析の障壁となっていたのです。

Azure Synapse Analyticsは、DWHと他のツールと統合・連携させることで、膨大なデータの高速かつ的確な分析を実現しました。

Azure Synapse Analyticsを導入するメリットとは?

Azure Synapse Analyticsはビジネスシーンに多くのメリットをもたらします。使い勝手のよさが追求されているのがポイントです。

無限のスケールを持っている

Azure Synapse Analyticsでは、各部署で収集したデータからビッグデータに至るまで、いかなるデータでも無限のスケールで分析し、高速で配信します。しかもペタバイト規模の大規模なデータクエリを発行できます。

使い慣れたプログラミング言語を使用できる

新しいサービスを導入する際は、使用言語もチェックする必要があります。

Azure Synapse Analyticsは以下のように多くの言語と互換性があるので、幅広い分析やデータエンジニアリングに最適です。

• T-SQL
• Python
• Scala
• Spark SQL
• .NET

BIと機械学習を統合して分析ができる

データ分析に欠かせないBIツール「Power BI」や機械学習サービス「Azure Machine Learning」はもともと別個のサービスです。

Azure Synapse Analyticsなら、Power BIやAzure Machine Learningのほか、AIサービスであるAzure Cognitive Servicesなどのさまざまなツールと結合して分析可能なので、BIや機械学習の開発時間を大幅に短縮できます。

またDynamics365やMicrosoft365、Open Data Initiativeなどとも連携可能で、各ツールに対しスムーズにデータを適用します。

最新のセキュリティを搭載している

データの収集から分析には、高度なセキュリティが確保されていなければなりません。

Azure Synapse Analyticsはリアルタイムデータマスキングや常時暗号化など、最新かつ高度なセキュリティとプライバシー機能を搭載しています。

また、列および行レベルのセキュリティで、機密データへのアクセスを制御できます。

他サービスと比較してTCOが低い!

高機能を誇るAzure Synapse Analyticsは、コストパフォーマンスにおいても優れています。他のクラウド分析サービスとTCOを比較してみましょう。

TCOとは

TCOとは”Total Cost of Ownership”の略称で、直訳すると「総所有コスト」です。設備資産の初期投資費用（イニシャルコスト）から、保守・運用・維持費用（ランニングコスト）までを含めたトータルコストを意味します。

TCOが注目されるようになったのは、月額・年額で契約し使用するSaaSの増加により、導入時だけでなく運用にかかる費用も注視する必要が生じたためです。

Google社との比較

Google社はクラウド分析サービス「Google BigQuery」を提供しています。Azure Synapse AnalyticsとGoogle BigQueryを比較すると、最大49%のコスト削減が実現します。

AWSとの比較

AWS（Amazon Web Services）が提供するクラウド型分析サービスが「Amazon Redshift」です。Azure Synapse AnalyticsとAmazon Redshiftを比較すると、最大13%のコスト削減が実現します。

Snowflakeとの比較

Azure Synapse AnalyticsとSnowflakeのクラウド分析サービスを比較すると、最大59%のコスト削減が実現します。とくに大企業での比較においては、その差が顕著に現れました。

Azure Synapse Analyticsの導入事例

すでに多くの企業でAzure Synapse Analyticsが導入され、成果を上げています。具体的な事例を紹介します。

経営改革プランの分析基盤として採用

大手物流企業Aは、経営改革をする際に「デジタル化」と「データ活用」の同時推進を目標としていました。

データ活用にあたっては、強固なデータ分析プラットフォームの構築が急務です。そこで複数のプラットフォームと機能やコストなどを比較検証した結果、Azure Synapse Analyticsには最高レべルのパフォーマンスが認められました。日本語の処理もスムーズだったことから、Azure Synapse Analytics導入にいたったのです。

ビジネスや社会の急激な変化に対応

金融業界は、これまでクラウド化に慎重な姿勢をとってきました。金融機関の基幹システムはミッションクリティカルで、何があっても停止しないことが求められるからです。そのためオンプレミスのインフラとアプリケーションがシステムの中心になることが一般的でした。

しかし、従来のやり方では急速に変化する社会やビジネス環境への対応が難しくなってきたため、大手金融系会社Bは、社内情報システムのクラウド移行に踏み切ったのです。

その際、パブリッククラウドにはMicrosoft Azure、クラウド上でのさまざまなデータ活用には、Azure Synapse Analyticsを採用しました。

その後、システム用途やセキュリティレベル、可用性といった基準でクラウド化を検討したうえで、システムを順次クラウドへ移行しています。

まとめ

DXの推進にともない、企業が扱うデータは今後さらに増加します。異なる形式のデータやツールを統合して分析を行うAzure Synapse Analyticsなら、スピーディーにインサイトを提供し、競争力強化をバックアップします。コストパフォーマンスも優れているので、ぜひ導入を検討してはいかがでしょうか。