ETLフレームワークの基本

　世の中にはデータが溢れています。たとえば、企業では、出社時刻・退社時刻を記録した勤怠データ、顧客の情報を記録した顧客データ、製品の売上を記録した販売データがあるでしょう。あるいは、Web検索、携帯メール、ツイッター、フェイスブックへの書き込みなど、私たちの身の回りにもデータは存在しています。ただ、これらのデータをただ集めただけでは、単なる文字列の羅列で何の意味もありません。

　では、どうやって、集めたデータから収益を上げるのでしょうか？その答えの一つが、ETLフレームワークです。ETLフレームワークとは、E（Extract:抽出）、T（Transform：変換・加工）、L（Load:積み込み）の3つのプロセスを経ることによって、単なる文字の羅列であるデータから付加価値を生み出す考え方です。


　まずは、このETLフレームワークをみていきましょう。ETLフレークワークは、図1のように、データを集めることから始まります。それがE（Extract：抽出）です。この段階では、それぞれのデータがどんな意味を持つのかはあまり気にしません。とにかく、データを収集します。

　しかしながら、データを単に収集しただけでは何も付加価値はありません。収集したデータを何かしらの切り口に基づいて整理整頓（仕分け）する必要があります。これがT（Transform：変換・加工）です。

　たとえば、集めたデータ中の性別のフィールドに、“紳士”、“男性”、“Male”という3つの同じ意味でも異なる語句の場合、それをまとめて、“男”として変換・加工（正規化）します。これによって、バラバラに取得したデータを同じ土俵で比較することができるようになります。

　最後に、同じ土俵で比較できるようになったデータをデータ倉庫（DWH：データウェアハウス）に保存して、いつでも取り出せて、更新があれば書き換えるようにデータを出し入れします。これが最後のL（Load:積み込み）です。

　このETLフレームワークによって、単に文字の羅列であるデータから付加価値を生み出すサービスへと変えるのです。ETLフレームワークは、データウェアハウスを構築する場合に必須の概念ですが、データウェアハウスに限った話ではありません。

　そこで、データ活用の代表的な企業であるグーグルおよびフェイスブックの2社に焦点をあてて、どのようにデータを価値あるものにしているのかについて、解説していきましょう。

【次ページ】グーグルのデータ活用戦略