DWHとは？分析基盤としての特徴と業務DBとの違いをわかりやすく解説

はじめに

日々のビジネス活動においてデータは蓄積されるものの、以下のような課題を抱えている企業は少なくありません。

「基幹システムの負荷が怖くて複雑なクエリが投げられない」
「複数システムのデータを掛け合わせた分析ができない」
「部署によってレポートの数字がバラバラで、どれが正しいかわからない」

これらの課題に共通するのは、「分析に適した形でデータが整備・集約されていない」という点です。その解決策として多くの企業が導入しているのが、DWH（データウェアハウス）です。

本記事では、DWHの基礎知識や分析基盤としての特徴、そして従来の業務データベース（DB）との決定的な違いについて解説します。

DWH（データウェアハウス）の定義とは？

DWHは、意思決定のための分析に特化して整備されたデータ基盤です。DWHの提唱者であるビル・インモン氏は、DWHを以下の4つの特徴を持つデータの集合体として定義しています。

1. 主題構成（Subject Oriented）

業務プロセス（受注処理など）ごとではなく、「顧客」「商品」といった特定のサブジェクト（主題）ごとにデータが整理されています。これにより、「顧客ごとの購買傾向」のような横断的な分析がしやすくなります。

2. 統合化（Integrated）

バラバラのシステムから集まったデータの表記ゆれ（例：株式会社の有無など）を統一し、一貫性を持たせて保存します。これにより、「複数部署が同じデータを見ても数字が合わない」という事態を防ぎます。

3. 非更新性（Non-Volatile）

一度格納されたデータは基本的に更新・削除されません。分析の再現性を保つため、追加のみが行われます。「あの時点の数字を後から確認したい」という要求にも応えられます。

4. 時系列性（Time Variant）

「過去の時点」のデータを保持し続けているため、昨年と今年の比較・トレンド分析・季節変動の把握といった時系列分析が容易に行えます。

これら4つの特徴により、DWHは単なるデータの蓄積場所ではなく、意思決定に必要な「主題」に沿って整理された分析専用の基盤として機能します。

DWHと業務DBとの決定的な違い

データ基盤を構築する際、既存の業務DBで分析を行おうとするケースがありますが、用途と内部構造に決定的な違いがあります。

一般的な業務DBは「オンライン事務処理（OLTP）」に最適化されています。たとえば、「在庫を1減らす」「顧客の住所を変更する」といった、1件ずつの登録・更新・削除をリアルタイムかつ正確に行うためのシステムです。現在の状態を保持することがメインとなります。

一方、DWHは「オンライン分析処理（OLAP）」に最適化されています。「過去3年間の売上推移を算出する」といった、数百万〜数十億件のデータを一括で読み込み、集計・分析を行うことを得意とします。

業務DB（OLTP）とDWH（OLAP）の比較
比較項目	業務DB（OLTP）	DWH（OLAP）
主な用途	日々の業務処理の実行と記録	意思決定のためのデータ分析
データ操作の単位	1件ずつの登録・更新・削除	大量データの一括読み込み・集計
保持するデータ	最新の状態（現在のスナップショット）	過去から現在までの履歴（時系列データ）
クエリの種類	単純・定型的なクエリ	複数テーブルを結合する複雑なクエリ
処理速度	1件あたりミリ秒単位での高速処理（膨大なデータの読み書きには時間がかかる）	膨大なデータでも数秒〜数分で集計完了

業務DBで重い集計処理を実行すると、本番の基幹システムが遅延・停止するリスクがあるため、分析用のデータはDWHに切り出すのが鉄則です。

DWHが高速な理由は「列指向ストレージ」と「並列分散処理」にあります。業務DBが行単位でデータを管理するのに対し、DWHは列単位でデータを格納するため、特定の列だけを読み込む集計処理が圧倒的に速くなります。さらに、複数のサーバーが処理を分担することで、業務DBでは数時間かかる集計も数秒～数分で完了させることが可能です。

代表的なクラウドDWHサービス比較

主要クラウドDWHサービスの特徴と向いているケース
サービス名	特徴	向いているケース
Snowflake	ストレージとコンピューティングが分離。マルチクラウド対応。	運用を極限まで楽にしたい場合。複数のクラウドの併用を想定している場合。
Google BigQuery	サーバーレスで圧倒的なスキャンスピード。SQLでAI予測も可能。	Googleエコシステムを利用しているユーザー。
Amazon Redshift	AWS製品との親和性が抜群。リザーブドインスタンスによるコスト最適化も可能。	すでに多くのシステムをAWSで運用している場合。
Microsoft Fabric	SaaS型のオールインワンデータプラットフォーム。OneLakeを中心にデータレイク・DWH・BIなどを1つに統合。	すでにMicrosoft製品（Azure、Power BI等）を使用しており、インフラ管理を排してデータ基盤を統合管理したい場合。
Databricks	データレイクとDWHの強みを融合した「データレイクハウス」の先駆者。Apache Sparkベースの大規模データ処理やAI・機械学習開発を強みとしている。	AI・機械学習の活用や大規模なデータパイプライン構築がメインで、データサイエンティストが多く在籍する場合。