Snowflake + Streamlit in Snowflakeで売上ダッシュボードを構築する【実践編】

売上データの集計から画面表示までをSnowflake内にまとめた、Pythonのダッシュボードです。

• 別途BIツールを導入せず、SQLとPythonで集計と表示を組み立てました。
• 売上記録と商品・顧客・地域のマスタを使います。
• 画面にはKPI表示・月別推移・カテゴリ別売上・地域別売上・商品ランキング・顧客セグメント別売上の6つを用意しました。

Snowflakeの構成

Snowflakeは、AWS、Microsoft Azure、Google Cloudに対応するデータ基盤です。今回使うのは、売上を保管するテーブル、SQLを実行するウェアハウス、Pythonで画面を作るStreamlitアプリです。

保管と計算を分けて運用する

Snowflakeでは、ストレージと計算資源を独立に管理します。データを保管したまま、処理量に応じてウェアハウスのサイズを変更できます。ウェアハウスを停止すると計算料金は止まり、保管料は日々の保存量を基に月額で算定されます。

Streamlit in Snowflakeとは

SnowflakeがStreamlitの開発元の買収合意を発表したのは2022年3月2日です。Streamlit in Snowflakeの一般提供は、AWSでは2023年12月、Azureでは2024年1月、Google Cloud（GCP）では2024年5月に始まりました。

今回のStreamlitアプリはウェアハウス上で動く構成です。

参考リンク

• Snowflake公式サイト
• Streamlit in Snowflake ドキュメント

Snowflakeと他のデータ基盤の比較

表では、提供基盤や料金体系に加え、画面を作る方法と担当者が扱う技術を並べています。

Snowflakeを選ぶ利点

• 複数クラウドに対応し、AWS・Azure・GCPから選べます。
• ウェアハウスの自動停止を設定できます。夜間・休日に分析しない運用では、その時間帯の計算料金を抑えるために使えます。
• ダッシュボードまで完結する構成です。Streamlit in Snowflakeでは、Pythonで集計結果をグラフや表にできます。
• データ共有にはSecure Data Sharingがあります。同一リージョンのSnowflakeアカウント間では、共有先ごとにデータを複製せずに共有できます。別リージョンへの共有には複製などの設定が必要です。
• 管理画面への集約により、SnowsightからSQLの実行、テーブル操作、Streamlitアプリの管理を行えます。

運用と画面開発で考えること

• 計算料金を左右するのはウェアハウスのサイズと稼働時間です。Resource Monitorでは対象ウェアハウスの使用量に応じた通知や停止を設定できます。サーバーレス機能やAIサービスの使用量は別に扱います。
• データの取り込み方式には、ファイルを取り込むSnowpipeと、ストリーミングで取り込むSnowpipe Streamingがあります。月次集計の画面と低遅延の処理では、取り込みに求める間隔が異なります。
• Streamlit in Snowflakeの画面開発はPythonで行います。集計から明細へ進む操作は、入力・表示部品を組み合わせて実装する部分です。定期配信やアラート通知には別の仕組みを組み合わせます。
• 移行時に書き換える処理もあります。Cortex AI、Snowpark、Marketplaceなどを使う範囲が広がるほど、移行先に合わせる箇所が増えます。

想定する企業・チーム

導入先として考えているのは、売上の集約と月次集計を担うチームです。

Excelの月次集計に時間がかかる企業

拠点や取引先からExcelファイルを集め、整形・集計・配布している業務が対象です。Excel内の数式を画面に移す前に、商品・顧客コードと集計期間を揃えます。

BIツールのコスト・運用負荷がネックになっている企業

Streamlit用のBIライセンスは不要ですが、アプリとSQLの実行にはSnowflakeの計算料金がかかります。費用比較に含めるのは、既存BIの契約額、サーバーの保守、Snowflakeの利用料、SQLと画面コードの保守工数です。

ウェアハウス実行では、最後の操作から約15分間はWebSocket接続が残る場合があり、その間はコード実行用ウェアハウスが稼働します。費用を見積もる際は、利用時間の重なりと停止までの時間を含め、コード実行用とSQL用の稼働時間を分けて考えます。

データは溜まっているが活用できていない企業

基幹システム、kintone、SaaSに分散した売上を横断して見る用途です。システムごとに商品・顧客コードが異なるなら、集約時に対応付けます。

Python経験者がいるIT企業・DX推進チーム

デモの構成

今回のデモでは、商品10件、顧客10件と、2024年4月〜2025年3月の1年間にわたる売上5,000件を使っています。

売上明細とマスタの設計

売上と属性を分けるスタースキーマを基本に、地域を顧客マスタから参照する構造です。売上ファクトには商品・顧客ディメンションを直接接続し、地域マスタへは顧客マスタを経由し、REGION_ID同士を結びます。金額と数量はFACT_SALES、商品名や顧客区分は各マスタが持ちます。

     DIM_PRODUCTS          DIM_CUSTOMERS         DIM_REGIONS
┌─────────────┐       ┌───────────────┐     ┌────────────┐
│ PRODUCT_ID  │       │ CUSTOMER_ID   │     │ REGION_ID  │
│ PRODUCT_NAME│       │ CUSTOMER_NAME │     │ REGION_NAME│
│ CATEGORY    │       │ REGION_ID ────┼────▶│ AREA       │
│ UNIT_PRICE  │       │ SEGMENT       │     └────────────┘
└──────┬──────┘       └───────┬───────┘
       │                      │
       ▼                      ▼
┌──────────────────────────────────────┐
│           FACT_SALES                 │
│  SALE_ID | SALE_DATE | CUSTOMER_ID   │
│  PRODUCT_ID | QUANTITY | AMOUNT      │
└──────────────────────────────────────┘

ディメンションテーブル

ファクトテーブル

集計と画面表示

Pythonスクリプトはget_active_session()でSnowflakeのセッションを取得し、アプリ所有者に許可されたデータを参照します。接続用の認証情報をコードに持たせない構成です。SQL側で集計してからPythonへ結果を渡すのは、画面操作のたびに全明細を転送するのを避けるためです。

KPIカードと月別売上推移

上段には「総注文数」「総売上」「平均注文額」「顧客数」というラベルの4指標を並べています。

折れ線は2024年4月〜2025年3月の月別売上です。期間全体の金額を上段で見てから、月ごとの増減をたどれる配置にしました。

カテゴリ別・地域別売上

• カテゴリ別では、DIM_PRODUCTSのCATEGORYを切り口に売上を集計します。商品単位の表示よりも、電子機器・周辺機器・消耗品というまとまりで金額を見られます。
• 地域別では、DIM_CUSTOMERSのREGION_IDを通じて地域名を参照します。顧客に紐づく地域ごとに、売上金額をまとめた表示です。

商品別売上ランキング

商品別売上はテーブルで表示しています。ノートPC、モニター、プリンター、HDMIケーブル、LANケーブルなどを商品単位で並べ、カテゴリ別の金額を個々の商品へ掘り下げて見るための表示です。

顧客セグメント別売上

顧客セグメント別は、DIM_CUSTOMERSのSEGMENTにある大企業・中小企業・スタートアップの3分類で集計します。

BI構成との運用比較

業務への適用例

経営会議用のKPIダッシュボード

経営会議に使うなら、KPIカードと月別推移にデータの最終更新日時を添えます。取り込みの完了と画面への反映には時間差があるためです。再取得の契機を画面の再読み込みに決め、取得に失敗したときはその旨を表示する設計にします。

営業チーム向けの地域別レポート

担当エリアだけを表示する用途では、ユーザーと許可地域の対応表を使う設計にします。ウェアハウス実行のアプリはオーナー権限で動くので、CURRENT_ROLE()は閲覧者の判別には使えません。CURRENT_USER()を使う行アクセスポリシーとし、オーナーロールにREAD SESSIONを付与する設計にします。

アプリと親DB・スキーマのUSAGE権限は、画面を開くための設定として別に扱います。

この構成で重視したこと

私は売上金額に取引時点のAMOUNTを使います。商品マスタのUNIT_PRICEと数量から計算し直すと、単価の変更が過去の売上にも影響するためです。集計の切り口は現在のマスタから取り、金額は売上記録から取る、という分担にしています。

自社データへ適用する際の進め方

試用アカウントを作成する

Snowflakeの無料トライアルは400ドル分の利用枠付きで、最長30日間利用できます。登録時のクレジットカードは不要です。利用枠を使い切ると30日未満でも試用が終了します。

売上データとマスタを整理する

Excelの売上一覧をCSVに変換し、Snowsightから取り込みます。商品・顧客の属性を複数の分析で共用するならマスタを分ける構成です。

Streamlitアプリを作成する

SnowsightでStreamlitアプリを新規作成するときは、ウェアハウス実行を選びます。最初に月別売上をSQLで集計し、その結果をPythonで折れ線にします。その後に商品・顧客マスタを使う切り口を加えます。