❄️

【SWTTokyo25レポ】UserCommunityHub : FrostyFriday〜生FrostyFridayやったよ！

Gaku Tashiro＠ちゅらデータエンジニア

2025/09/19に公開

Snowflake

swttokyo25

tech

がく＠ちゅらデータエンジニアです。

こんにちわっ！
dbt Meetup #16 ： dbt Tokyo crew就任＆トリスタンCEO＆東條Anthropic新社長にあう

→　Snowflake World Tour Tokyo 2025 Day 1　生FrostyFridayやったった

→ Snowflake World Tour Tokyo 2025 Day 2

→　（土曜日）1日中くたばってた

→　（日曜日）ほぼくたばってた

→　（祝日）子どもの体調があやしくて、外出せず。レポブログを結構書いた
ってことで、あまりに浦島状態で、仕事のエンジンが全然掛かりませんね！

 承前：SWTTokyo25のコミュニティブースでFrostyFridayの時間をもらえた7月某日、Slackにて、swt-2025-community-boothにて、Snowvillageのユーザ活動でブースで発表しませんか？ってお話がありました。

その中でFrosty Fridayでも1枠いただけることになりました
ちなみに、40分！！！！

最初はもっと短い時間で、

これまでの出演者などを繋いで、Frosty Fridayの紹介動画を繰り返し流すか〜

みたいな話をしていたのです。
けど40分ってことで・・・

「もしかして、これ生FrostyFridayできるんじゃね？」

※自分で自分の首を絞めたやつ

 当日EXPO会場にSNOWFLAKE COMMUNITY HUBの様子
事前告知もそれほどなく、コミュニティーブースでゲリラライブをやるような

ブースジャック状態！

 生FrostyFridayLiveChallange！
まずこんな感じでスタート
内容としては
MCの紹介
Frosty Fridayって知ってますか？
Frosty Friday Live Challangeとは
今日は生FrostyFridayやります！
という形で進めました。

 MC自己紹介
ここで会場的な問題が・・・・

ブース前でやっているので、マイクがないんです・・・マイクが！
私は大声を張り上げてお話をさせていただいたのですが、

あれさん、tomoさんが地声で話すのはかなーーり厳しい・・・

※あれさんは、個人で小さなスピーカーを持ってきてくださってましたが、それでもなかなかきつい
結局、今回はほぼ私がやらせていただきましたｍ（＿＿）ｍ

 Frosty Fridayとは
https://frostyfriday.org/
こちらで隔週出題されていますね！

2025年9月時点で148問作成されています、ほんとすごい！継続すごい！！

 Frosty Friday Live Challangeとはこちらは、隔週木曜日22時からYoutube Liveで配信している

What's New + Topics & Frosty Friday 2Week分　をやってます
https://www.youtube.com/playlist?list=PLVj4iIZgzTAq2FzaBBgqFOtZaJTcoG3JR
こちら最新で34回の配信をしてます

※ウォ、こんなにやってたんかぁ、すげぇぇ（自画自賛）

 生FrostyFriday
今回は

Frosty Fridayから、Week1 Basic - External Stages

と

SWTT特別問題として、百人一首分析（AISQLを使おう！）

の2題をやりました。

百人一首分析は、私が作ったんだぜぇ！いえーい！

 Week1 Basic - External Stages
解法は2つ
解法① 基本的な解法
解法② INFER_SCHEMA を使った解法
まずは、提供されているS3バケットをStageに取り込みます
-- stageの作成
-- s3://frostyfridaychallenges/challenge_1/

create or replace stage week001_stage
    URL='s3://frostyfridaychallenges/challenge_1/';

-- Stage上のファイルを確認
list @week001_stage;
この用に3ファイルが配置されているのがわかりますね

 解法① 基本的な解法https://github.com/gakut12/Frosty-Friday/blob/main/week001_basic_external_stages/week1_swttokyo25_1.sql
こちらの解法の肝は、SKIP_HEADER=1　です
-- file formatの作成
create or replace file format week1_csv_format
  type = CSV
  skip_header = 1
  null_if = ('NULL', 'null')
  empty_field_as_null = true
;
取り込むときは、メタデータを一緒の取り込みましょう

ファイル名、ファイルでの何行目か　は役に立つことが多いです

 解法② INFER_SCHEMA を使った解法https://github.com/gakut12/Frosty-Friday/blob/main/week001_basic_external_stages/week1_swttokyo25_2_infer_schema.sql
こちらでは
File Format : PARSE_HEADER=TRUE
File Format : Error_on_column_count_mismatch
CREATE TABLE USING TEMPLAGE
のテクを使ってます

また、PARSE_HEADERと、メタデータを自動的に取り込むように、工夫をこらしてます
create or replace table week1_table_2
using template (
    select 
        array_cat (
            array_agg(object_construct('COLUMN_NAME', column_name, 'TYPE', type, 'NULLABLE', nullable))
            -- * にすると16MBを超える場合もあるので、カラムを絞る
            , [
            {'COLUMN_NAME':'FILENAME', 'TYPE':'STRING', 'NULLABLE':true}
            , {'COLUMN_NAME':'FILE_ROW_NUMBER', 'TYPE':'NUMBER', 'NULLABLE':true}
            , {'COLUMN_NAME':'START_SCAN_TIME', 'TYPE':'TIMESTAMP_LTZ', 'NULLABLE':true}
        ]::variant
    )
    from table (
        infer_schema (
            location => '@week001_stage'
            , file_format => 'week3_csv_format_2'
            , ignore_case => true
        )
    )
);
と
copy into week1_table_2 
from 
    @week001_stage
match_by_column_name = case_insensitive
files = ('1.csv','2.csv','3.csv')
file_format = (FORMAT_NAME = 'week1_csv_format_2')
include_metadata = (
   filename = METADATA$FILENAME
   , file_row_number = METADATA$FILE_ROW_NUMBER
   , start_scan_time = METADATA$START_SCAN_TIME
)
;

 SWTTokyo25特別問題　百人一首分析：AISQLを使おう
こんな問題を作りました
https://github.com/fumiama/OguraHyakuninIsshu
小倉百人一首のデータは、こちらからCSVを頂きました、ほんとにありがとうございます！！

こちらをSnowsightから投入しました。
分析には、AISQLを使ってみます
AI_CLASSIFYで分類
AI_FILTERでより深く分析
AI_SENTIMENTで感情分析
https://github.com/gakut12/Frosty-Friday/blob/main/swttokyo25/hyakunin_isshu.sql
SELECT
  *
FROM
  "FROSTY_FRIDAY_DB"."SWTT_SPECIAL_1"."HYAKUNIN_ISSYU"
LIMIT
  10;


百人一首がテーブルに入っていますね

 AI_CLASSIFYselect 
    AI_CLASSIFY(
        UPPER_PHRASE || LOWER_PHRASE,
        ['春','夏', '秋', '冬']
    ):labels[0]::string as season
    , count(*) as count
from 
    HYAKUNIN_ISSYU
group by all
order by count;
こちらで、春夏秋冬に分類をしてみますた
結構きれいに分類できてそうです・・・・
が
と冬が異常に多くなってます。

これは、季節が判断できないものが全部「冬」になってしまっているからかもしれません

※AI_CLASSIFYは、プロンプトを指定できないので、このあたりは難しいのかなと思いました。機能が悪いわけではない

 AI_FILTERwith analyse as (
select 
    no
    , upper_phrase || ' ' || lower_phrase as content
    , ai_filter(
        prompt('これは春についての文章ですか？:{0}', content)
    ) as is_spring
    , ai_filter(
        prompt('これは夏についての文章ですか？:{0}', content)
    ) as is_summer
    , ai_filter(
        prompt('これは秋についての文章ですか？:{0}', content)
    ) as is_autumn
    , ai_filter(
        prompt('これは冬についての文章ですか？:{0}', content)
    ) as is_winter
    , ai_filter(
        prompt('これは季節についての文章ですか？:{0}', content)
    ) as is_season
 from 
    hyakunin_issyu
) 
こんな感じで、プロンプトを入れて、春夏秋冬を判断してもらいました。
結果

と、AI_CLASSIFYに比べるとだいぶマッチしてきました

多分ですが、プロンプトをうまく調整すればもうちょっと良くなりそうな気がしますね

 AI_SENTIMENTwith sentiment as (
select
    no
    , upper_phrase || ' ' || lower_phrase as content
    , ai_sentiment(
        content
    ):categories[0]:sentiment::string as feeling_category
from 
    hyakunin_issyu
) 
-- select * from sentiment
select feeling_category, count(*) as count, '' as memo  from sentiment
group by all
;
AI_SENTIMENTもデフォルトの使い方をしたので、このような判定をしています
昔から歌にはネガティブなパッションを込めたってことなのかもしれないｗｗ

 当日の様子
皆様、見ていただいてほんとーーーーーにありがとうございました！！！！！