Snowflake BUILD TOKYO 2024オフライン参加レポその2

【生成AIアップデート】Snowflakeの生成AIで実現する社内データ活用促進への道筋

Snowflakeの生成AIであるCortexを活用して、社内データの活用をいかに促進化するかを紹介するセッションです。

Snowflake合同会社
セールスエンジニアリング統括本部
アソシエイトパートナーセールスエンジニア
宮川 大司

• 生成AIの概要
  Cortexシリーズ

概要

• アプリ開発
• Studio
• NoteBook
• Streamlit
• コパイロット（開発サポート

現在のプロセスは遅く、非効率的

• ビジネスユーザーとデータとチームのやり取り

• ビジネスユーザーからのリクエストにこたえる事で忙しく

• データの整備に手が回らない

• AIの導入
  ChatUIを提供する事でビジネスユーザーがセルフでインサイトが得られるようになる

• 高精度なテキストからSQLへの変換
  SQLの自動生成

• 便利なREST API
  あらゆるアプリへの統合

• セマンティックモデルとは
  Text to SQLの精度を二倍に向上
  （テーブルなどのメタデータを与える）

• データパイプライン構築

• アイスバーグとは

• 概要
  大規模な分析データセット向けのOTF
  OTFにおいて
  ユースケース

snowflakeにおけるテーブルの選択肢

• 内部
• 外部
• アイスバーグ

*カタログの役割
メタデータ管理
現在のメタデータのポインタを保持
アトミック操作
メタデータポインタを更新するためのアトミック操作をサポート
リスト操作
名前空間とテーブルに対するリスト操作をサポート

従来のアプローチ
マネージド
外部管理のカタログを使用する
Glueなど

コピー
スノーパイプ
スノーパイプストリーミング

LAODモード

ダイナミックアイスバーグ

将来の展望について

【DevOpsアップデート】Snowflake DevOpsで開発生産性を加速させよ

DevOpsプラクティスをSnowflake環境で効果的に活用する方法を紹介します。

Snowflake合同会社
セールスエンジニアリング統括本部
セールスエンジニア
増田 嵩志

• データベース領域におけるDevOpsの課題
• 難しく、アプリと比較して独特の課題がある

1. 状態
2. 構造とデータを変更させる必要がある
3. ダウンタイム
4. 入れ替え難易度が高い
5. ロールバック
6. 明示的なバックアップとリストア
7. テスト
   DBのユニットテストは難しい
8. その他

【ストリーミング・データエンジニアリングアップデート】

Snowflakeの進化するデータパイプライン構築 -Apache Icebergのパイプライン組み込みやデータエンジニアリング機能のアップデート-

Snowflakeのデータパイプライン構築機能の最新アップデートについて解説します。

Snowflake合同会社
セールスエンジニアリング統括本部
セールスエンジニア
深森 健志郎

離席中のためメモが無し

#SnowflakeBUILD

BUILD TOKYO 2024