はじめに
こんにちは！STS技術チームです。
近年、生成AIの普及により、自然言語で質問や指示を行えるサービスが広がっています。
こうした流れの中、SnowflakeでもAIを活用した機能「Snowflake Intelligence」が登場しました。
本記事では、「Snowflake Intelligenceはよく分からない」という方向けに、一般的な生成AIとの違いにも触れながら、データ分析の進め方を実際の利用イメージをもとに解説します。
本記事でわかること
- Snowflake Intelligenceの概要
- 一般的な生成AIとの違い
- Snowflake Intelligenceの活用イメージ
- 実際に試して分かったメリット
Snowflake Intelligenceとは
Snowflake Intelligenceは、Snowflake上のデータを使って、自然言語の質問からデータ分析を実行できるAI機能です。
通常、Snowflakeからデータを抽出するにはSQLの利用が必要ですが、Snowflake Intelligenceでは、自然言語で質問することで分析結果を得ることができます。
例えば、以下のように文章で質問するだけで、データの集計や比較結果を確認できます。
このように、ChatGPTなどの生成AIと同様に、質問と回答の形式で利用できます。
Snowflake Intelligenceと一般的な生成AIの違い
では、Snowflake Intelligenceは一般的な生成AIと何が違うのでしょうか。
その違いを比較表で整理します。
| 観点 | 一般的な生成AI | Snowflake Intelligence |
|---|---|---|
| データの参照元 | 事前に学習した一般的な知識 | Snowflake内のデータ |
| 回答の作り方 | 入力された内容をもとに、知識や文脈から回答を生成 | 入力された内容に応じて、Snowflake内のデータを探索した上で回答を生成 |
| 閲覧できるデータの制御方法 | AIに渡すデータをユーザーが調整して制御する | ユーザーごとの権限に基づいて自動的に制御する |
| 業務分析への適合性 | 一般的な知識ベースのため業務文脈に弱い場合あり | KPIや業務用語と紐づけて分析できる |
比較表から、Snowflake Intelligenceは、Snowflake内のデータを利用して分析できる点が、一般的な生成AIとの大きな違いであることが分かります。
Snowflake Intelligenceで分析はどう変わるのか
ここからは、Snowflake Intelligenceを活用したデータ分析の進め方を、具体的なケースをもとに見ていきます。
■ 本記事で使用するデータと前提
本記事では、Snowflakeのチュートリアルで公開されているサンプルデータ（アパレル小売業の販売データ）をもとに分析を行います。
データは、商品カテゴリや売上情報に加え、マーケティング施策やSNSの指標が含まれています。
今回のケースでは、商品カテゴリのうち「フィットネスウェア」に対して広告キャンペーンを実施していますが、売上増加につながっているかどうかは、まだ確認できていません。
■ 本記事で試す分析のテーマ
以下の問いに対して、Snowflake Intelligenceでどのように分析を進めるのかを見ていきます。
「広告キャンペーンを実施したが、売上増加につながっているのかを、データをもとに検証する」
■ 分析 Step1：分析対象の変化を確認する
キャンペーン実施前後で、フィットネスウェアの売上がどのように変化したのかを確認します。
Snowflake Intelligenceでは、自然言語で問いかけることで、必要な情報を取得することができます。
■ 分析 Step2：影響範囲を切り分ける
フィットネスウェアの売上増加が特定のカテゴリによるものなのかを確認するため、カテゴリ別に売上を比較します。
Snowflake Intelligenceでは、こうした比較を、グラフとして分かりやすく可視化できます。
。
また、グラフの出力形式を指定することで、見やすい形に調整することも可能です。
■ 分析 Step3：詳細を深掘りする
売上増加が一部の商品によるものなのか、それとも全体的な傾向なのかを確認するために、フィットネスウェアの中で商品別に売上を比較します。
Snowflake Intelligenceでは、データを集計するだけでなく、集計結果から傾向を整理して要約することができます。
■ 分析 Step4：施策との関連性を確認する
キャンペーンと売上の関連性を確認するために、AIにデータから分析させます。
Snowflake Intelligenceでは、分析結果をもとに、関係性の見解や次に確認すべきポイントを提示することができます。
まとめ
Snowflake Intelligenceを活用することで、ユーザーは問いを重ねながら分析の視点を切り替え、データをもとに整理しながら分析を進めることができます。
また、提示される見解や示唆を踏まえ、判断に活かすことができます。
Snowflake Intelligenceを使うメリット
■ 分析スピードが大幅に向上する
従来の分析では、SQLの作成やデータ加工、BIツールでの可視化など複数の工程が必要でした。
一方、Snowflake Intelligenceでは自然言語での質問を起点に分析を進められるため、意思決定までのリードタイムを短縮できます。
■ 専門知識がなくても分析ができる
従来の分析では、SQLの知識やBIツールの操作スキルが必要でした。
一方、Snowflake Intelligenceでは自然言語による質問で分析を進められるため、現場の担当者でもデータを活用できます。
■ 試行錯誤しながら分析を進められる
従来の分析では、あらかじめ用意された集計やダッシュボードの範囲でしかデータを確認できず、異なる視点で分析するにはSQLや可視化を新たに作成する必要がありました。
一方、Snowflake Intelligenceでは追加の質問を行いながら分析を進められるため、柔軟に深掘りできます。
■ 組織全体でデータ活用を進めやすくなる
従来の分析では、用意されたデータや視点に依存し、特定の担当者や部門に偏りやすい傾向がありました。
一方、Snowflake Intelligenceでは、誰でも分析ができ、特定の担当者に依存しなくなるため、組織全体でデータを活用しやすくなります。
まとめ
Snowflake Intelligenceを理解するポイントは以下の通りです。
- 自然言語でデータ分析ができる
- Snowflake内のデータを直接分析できる
- 追加の質問を行いながら分析を深掘りできる
- ユーザーの意図に沿った分析ができ、根拠も確認できる
- データガバナンスを維持したままAIを利用できる
（詳細はSnowflake Intelligence（公式ページ）をご参照ください）
Snowflake Intelligenceは、専門的なスキルがなくても、日々の業務の中で気になった点をすぐにデータで確認し、視点を変えながら分析を進めることができる機能です。
もし、Snowflake Intelligenceの活用や導入についてご興味がございましたら、お気軽にお問い合わせください。
次の記事では、Snowflake Intelligenceの仕組みや構成について、実際にどのように動作しているのかを詳しく見ていきます。
参考にしたサイト
- Snowflake Intelligence 製品ページ
https://www.snowflake.com/ja/product/snowflake-intelligence/ - Snowflake Intelligence 公式ドキュメント
https://docs.snowflake.com/ja/user-guide/snowflake-cortex/snowflake-intelligence
コメント