データアナリスト向け Snowflake 便利なSQL Tips集

xunbida HDMI ミラーキャスト【2025最新改良Anycast】4K HD 1080p スマホエニーキャストワイヤレスミラーリング携帯電話の画面をテレビで見るテレビに携帯の画面を映す YouTube鑑賞 Wifi ミラーキャスト iphone&Android＆iOS＆Windows＆MAC OS対応接続簡単日本語取説書付き

(9)

￥1,799 (2025年4月25日 13:08 GMT +09:00 時点 - )

【国内正規品】MonsGeek(モンスギーク) FUN60 Pro SP 有線モデル HEセンサー 0.01mm ラピッドトリガー対応磁気スイッチ Akko Glare Magnetic Switch 英語配列テンキーレスサイドプリント有線8K ホットスワップ SnapKeys (SOCD)対応 ARGB対応高コスパゲーミングキーボード Black

(30)

￥5,980 (2025年4月25日 13:07 GMT +09:00 時点 - )

Amazonベーシック microSDXC メモリーカード高速 128GB リーダーアダプター付き最大速度200MB/秒黄色、黒

(109966)

￥2,368 (2025年4月25日 13:08 GMT +09:00 時点 - )

はじめに：Copilot時代に必要なSQL基礎力

データ分析の民主化が進む現代、SQLはあらゆる職種で必須のスキルとなりました。
特にSnowflakeのようなクラウドデータプラットフォームでは、次の変化が起きています。

SQL利用の多様化：BIツールに依存しないdbtやRedashやStreamlitなどの直接分析の増加
AI連携の一般化：Copilotによる自然言語からのクエリ生成

またSnowflake Copilotなどの生成AIによるText2SQLにシフトしていく中で、AIが生成するSQLを正しく評価・修正するためには、以下の要素が不可欠です。

関数の挙動理解：例えばEXCLUDEやQUALIFYなど関数機能の特性やクエリ挙動の理解
結果の検証力：想定外の動作を発見するデータ感覚

Copilotは強力な支援ツールですが、生成クエリの妥当性を判断するには人間の知見が必要です。それぞれの関数の意図を理解しないままクエリを実行していると、集計結果が正しいかどうか分からなくなるかもしれません。

本記事を読む事で、Copilot時代においても最新の関数や構文を知り、正しい分析を導くための知識の習得の一助になればと思います。

また各関数を試すためにSnowflakeにプリセットされているサンプルデータである、みんな大好きTPC-Hデータを利用して便利な関数や構文をまとめていますので、そのまま実行が可能な内容となっています。

基本編：クエリ効率化の必須テクニック

シナリオ1: SELECT * EXCLUDEで列選択を最適化

目的：特定の項目だけを除外するEXCLUDE関数により、項目を列挙しなくてよい可読性の高い構文を作成する


SELECT * EXCLUDE (o_comment, o_clerk)
FROM snowflake_sample_data.tpch_sf1.orders
LIMIT 10;

実行結果の特徴
15列ある注文テーブルから2列を除外し、13列を表示。除外した項目の可読性を高める。

良く使う使い方
個人識別子だけを暗号化して、それ以外はそのまま連携したいときなどに大変便利です。

SELECT 
    ENCRYPT_CUSTOMER_ID(c_custkey) as CUSTOMER_ID,
    K.* EXCLUDE(c_custkey)
FROM snowflake_sample_data.tpch_sf1.customer;

シナリオ2: GROUP BY ALLで集計を簡素化

目的：各項目の指定を省略し、シンプルな構文で集計を実行できる


SELECT 
  o_orderdate, 
  o_orderpriority,
  COUNT(*) AS order_count,
  AVG(o_totalprice)::DECIMAL(10,2) AS avg_price
FROM snowflake_sample_data.tpch_sf1.orders
GROUP BY ALL;


o_orderdate | o_orderpriority | order_count | avg_price

1992-01-01  | 1-URGENT        | 150         | 12,345.67

シナリオ3: QUALIFYでウィンドウ関数をフィルタリング

目的：指定されたディメンジョンの任意の順位値を集計する


WITH ranked_orders AS (
  SELECT 
    o_custkey,
    o_orderdate,
    o_totalprice,
    RANK() OVER (PARTITION BY o_custkey ORDER BY o_totalprice DESC) AS price_rank
  FROM snowflake_sample_data.tpch_sf1.orders
)
SELECT *
FROM ranked_orders
WHERE price_rank = 1;


SELECT 
  o_custkey,
  o_orderdate,
  o_totalprice,
  RANK() OVER (PARTITION BY o_custkey ORDER BY o_totalprice DESC) AS price_rank
FROM snowflake_sample_data.tpch_sf1.orders
QUALIFY price_rank = 1;

処理性能比較
処理時間の差はほぼないのでSQLとしての構文量の少なさや可読性の高さがメリット

シナリオ4: LISTAGG: データの連結

目的：カテゴリごとの値を1行にまとめたい場合や複数行データを1つのセルに表示する


SELECT 
  o_custkey,
  LISTAGG(o_orderkey, ', ') WITHIN GROUP (ORDER BY o_orderdate) AS order_list
FROM snowflake_sample_data.tpch_sf1.orders
GROUP BY o_custkey;


o_custkey | order_list

123       | 1, 5, 9, 12, 15
456       | 2, 6, 8, 11, 14
789       | 3, 4, 7, 10, 13

メリット:

データの可視化やレポート作成時に便利。
グループ化されたデータを簡単に確認可能。

中級編：多次元分析の実践技法

シナリオ5: ROLLUPで階層集計

目的：明細と小計と総合計を出すような分析においてシンプルな構文で集計を実行できる


WITH sales_data AS (
  SELECT 
    c.c_nationkey,
    DATE_TRUNC('month', o.o_orderdate) AS order_month,
    o.o_totalprice::DECIMAL(15,2) AS total_price
  FROM 
    snowflake_sample_data.tpch_sf1.orders AS o
    JOIN snowflake_sample_data.tpch_sf1.customer AS c
      ON o.o_custkey = c.c_custkey
)
SELECT
  c_nationkey,
  order_month,
  SUM(total_price) AS total_sales
FROM sales_data
GROUP BY GROUPING SETS (
  (c_nationkey, order_month),  
  (c_nationkey),               
  ()                           
)
ORDER BY c_nationkey NULLS LAST, order_month NULLS LAST;


SELECT 
  c.c_nationkey,
  DATE_TRUNC('month', o.o_orderdate) AS order_month,
  SUM(o.o_totalprice)::DECIMAL(15,2) AS total_sales
FROM 
  snowflake_sample_data.tpch_sf1.orders AS o
JOIN 
  snowflake_sample_data.tpch_sf1.customer AS c
  ON o.o_custkey = c.c_custkey 
GROUP BY ROLLUP (c.c_nationkey, order_month)
ORDER BY c.c_nationkey, order_month;

処理性能比較
処理時間の差はほぼないのでSQLとしての構文量の少なさや可読性の高さがメリット

シナリオ6: GROUPING SETSで柔軟集計

目的：複数の項目を同時に集計したい場合にシンプルな構文でクエリを作成できる


WITH 
PriorityCount AS (
  SELECT 
    o_orderpriority AS priority,
    COUNT(*) AS order_count
  FROM snowflake_sample_data.tpch_sf1.orders
  GROUP BY o_orderpriority
),
StatusCount AS (
  SELECT 
    o_orderstatus AS status,
    COUNT(*) AS order_count
  FROM snowflake_sample_data.tpch_sf1.orders
  GROUP BY o_orderstatus
),
TotalCount AS (
  SELECT 
    COUNT(*) AS order_count
  FROM snowflake_sample_data.tpch_sf1.orders
)
SELECT 
  priority,
  NULL AS status,
  order_count,
  0 AS priority_grouping,
  1 AS status_grouping
FROM PriorityCount
UNION ALL
SELECT 
  NULL AS priority,
  status,
  order_count,
  1 AS priority_grouping,
  0 AS status_grouping
FROM StatusCount
UNION ALL
SELECT 
  NULL AS priority,
  NULL AS status,
  order_count,
  1 AS priority_grouping,
  1 AS status_grouping
FROM TotalCount
ORDER BY priority, status;


SELECT 
  o_clerk,
  o_orderstatus,
  COUNT(*) AS order_count
FROM snowflake_sample_data.tpch_sf1.orders
GROUP BY GROUPING SETS ((o_clerk), (o_orderstatus));


o_clerk   | o_orderstatus | order_count

Clerk
NULL      | F             | 45,000

処理性能比較
処理時間の差はほぼないのでSQLとしての構文量の少なさや可読性の高さがメリット

時系列分析編

シナリオ7: DATE_FROM_PARTSで動的日付生成

DATE_FROM_PARTSは動的な日付生成するとともに不正な日付の自動調整という強力な機能を有しており、また日付操作の柔軟性が高く、例えば四半期ごとといった日付を生成できる関数です。


SELECT DISTINCT
  TO_DATE(
    CONCAT(
      YEAR(o_orderdate), '-',
      CASE QUARTER(o_orderdate)
        WHEN 1 THEN '01'
        WHEN 2 THEN '04'
        WHEN 3 THEN '07'
        WHEN 4 THEN '10'
      END, '-01'
    )
  ) AS quarter_start_date
FROM snowflake_sample_data.tpch_sf1.orders
ORDER BY quarter_start_date;


SELECT distinct
  DATE_FROM_PARTS(
    YEAR(o_orderdate),
    (QUARTER(o_orderdate) - 1) * 3 + 1,
    1
  ) AS quarter_start_date
FROM snowflake_sample_data.tpch_sf1.orders
order by 1;


QUARTER_START_DATE
1992-01-01
1992-04-01
1992-07-01
1992-10-01
1993-01-01



SELECT DATE_FROM_PARTS(2025, 2, 30) AS valid_date;

VALID_DATE
2025-03-02


SELECT DATE_FROM_PARTS(2025, 13, 51) AS valid_date;
VALID_DATE
2026-02-20

シナリオ8: LAG/LEADで前月比分析

LAG：同じ結果セットの前の行のデータにアクセスする
LEAD：同じ結果セットの後続の行のデータにアクセスする
時系列などで前後の比較を横並びで分析する事などに利用できる関数です



WITH monthly_sales AS (
  SELECT
    DATE_TRUNC('month', o_orderdate) AS month,
    SUM(o_totalprice)::DECIMAL(15,2) AS sales,
    ROW_NUMBER() OVER (ORDER BY DATE_TRUNC('month', o_orderdate)) AS rn
  FROM snowflake_sample_data.tpch_sf1.orders
  GROUP BY 1
)
SELECT
  curr.month,
  curr.sales,
  prev.sales AS prev_month,
  (curr.sales - prev.sales) / prev.sales * 100 AS growth_rate
FROM monthly_sales curr
LEFT JOIN monthly_sales prev
  ON curr.rn = prev.rn + 1;


WITH monthly_sales AS (
  SELECT
    DATE_TRUNC('month', o_orderdate) AS month,
    SUM(o_totalprice)::DECIMAL(15,2) AS sales
  FROM snowflake_sample_data.tpch_sf1.orders
  GROUP BY 1
)
SELECT
  month,
  sales,
  LAG(sales) OVER (ORDER BY month) AS prev_month,
  (sales - LAG(sales) OVER (ORDER BY month)) / LAG(sales) OVER (ORDER BY month) * 100 AS growth_rate
FROM monthly_sales;

上級編：複雑な分析要件への対応

シナリオ9: パーティション分割したウィンドウ関数

目的：ウィンドウ関数を用いることで可読性の高いクエリを作成する


SELECT 
    o1.o_custkey,
    o1.o_orderdate,
    o1.o_totalprice,
    (
        SELECT SUM(o2.o_totalprice) 
        FROM snowflake_sample_data.tpch_sf1.orders o2
        WHERE o2.o_custkey = o1.o_custkey
          AND o2.o_orderdate  o1.o_orderdate
    )::DECIMAL(15,2) AS cumulative_sales
FROM snowflake_sample_data.tpch_sf1.orders o1
ORDER BY o1.o_custkey, o1.o_orderdate;


SELECT
  o_custkey,
  o_orderdate,
  o_totalprice,
  SUM(o_totalprice) OVER (
    PARTITION BY o_custkey 
    ORDER BY o_orderdate 
    ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
  )::DECIMAL(15,2) AS cumulative_sales
FROM snowflake_sample_data.tpch_sf1.orders;

シナリオ10: PIVOTで横展開

クエリ結果の縦横を入れ替えて並べて比較したい細に便利な関数です


SELECT
  DATE_TRUNC('month', o_orderdate) AS month,
  SUM(CASE WHEN o_orderstatus = 'F' THEN o_totalprice ELSE 0 END) AS "F",
  SUM(CASE WHEN o_orderstatus = 'O' THEN o_totalprice ELSE 0 END) AS "O",
  SUM(CASE WHEN o_orderstatus = 'P' THEN o_totalprice ELSE 0 END) AS "P"
FROM snowflake_sample_data.tpch_sf1.orders
GROUP BY DATE_TRUNC('month', o_orderdate)
ORDER BY month;


SELECT *
FROM (
  SELECT 
    DATE_TRUNC('month', o_orderdate) AS month,
    o_orderstatus,
    o_totalprice
  FROM snowflake_sample_data.tpch_sf1.orders
)
PIVOT(
  SUM(o_totalprice) 
  FOR o_orderstatus IN ('F', 'O', 'P')
)
ORDER BY month;

自分も古い人間の一人だなと思っていますが、「データを語る前に、まずSQLを制す」という時代は終わりつつあるなと考えています。Copilot時代において全てのデータ分析をAIに任せる事もいずれ来るかもしれません。でもそれまでの間、またその時代においても、正しい分析を担保するために必要な知識として最新のSQLテクニックは知っておくべきだと考えています。今回紹介したのはそのSQL関数のほんの一部ですが、これらを学ぶことにより、皆さんの明日からの分析作業が、より知的で楽しいものになると幸いです。

Source link