DAMA-DMBOK 2nd Edition — Chapter 11: Data Warehousing and Business Intelligence
| 比較項目 | Inmon | Kimball |
|---|---|---|
| 方向 | Top-Down | Bottom-Up |
| 開始点 | EDW（全社統合）を先に | データマートを先に |
| データモデル | 3NF（正規化） | スタースキーマ（非正規化） |
| 整合性 | 高い（単一データモデル） | 中（コンフォームドDIMで担保） |
| 初期コスト | 高（全体設計が先） | 低（部門別に段階的） |
| Time-to-Value | 長い（12〜24ヶ月） | 短い（3〜6ヶ月） |
| 典型的な失敗 | 完成前に陳腐化 | データマート間の不整合 |
| コンポーネント | 説明 | 特徴 |
|---|---|---|
| Staging Area | ソースから抽出した生データの一時保管場所 | 処理後は削除・上書き。ETLエンジンのみアクセス |
| ODS（Operational Data Store） | 現在の統合データ（リアルタイム/ほぼリアルタイム） | 継続的に更新。オペレーション部門が利用 |
| DWH（Data Warehouse） | 長期の分析用データ | Non-Volatile（追記のみ）・Time-Variant |
| Data Mart | 特定部門・主題向けのサブセット | スタースキーマ・BIツールが直接参照 |
詳細化。年 → 四半期 → 月 → 日へと細かく掘り下げる
集約化。都道府県 → 地方 → 全国へと集計レベルを上げる
1次元を固定。「2023年のみ」でキューブを切り出す（3次元→2次元）
複数次元を絞り込み。「2022-23年 × 東京・大阪 × 家電」（次元数は変わらない）
軸の入れ替え。行:製品×列:年 → 行:年×列:製品
| 特性 | 説明 |
|---|---|
| Subject-Oriented 主題指向 | ビジネス主題（顧客・製品・売上）ごとに整理 |
| Integrated 統合 | 複数ソースを統合し一貫した形式で保持 |
| Non-Volatile 不変 | データは削除・更新されない（追記のみ） |
| Time-Variant 時間軸あり | 時系列でデータを保持（過去データも保持） |
| 種類 | 問いかけ | 例 |
|---|---|---|
| Descriptive 記述分析 | 何が起きたか？ | レポート・ダッシュボード |
| Diagnostic 診断分析 | なぜ起きたか？ | 原因分析・掘り下げ |
| Predictive 予測分析 | 何が起きるか？ | 機械学習・統計モデル |
| Prescriptive 処方的分析 | 何をすべきか？ | 最適化・AI推薦 |
| Inmon | Kimball | |
|---|---|---|
| 方向 | Top-Down | Bottom-Up |
| 開始点 | EDW（全社） | データマート（部門別） |
| スキーマ | 3NF（正規化） | スタースキーマ（非正規化） |
| 整合性 | 高い | コンフォームドDIMで確保 |
| Time-to-Value | 遅い | 速い（早期価値提供） |
| 用語 | 説明 |
|---|---|
| Staging Area | ETL前の一時保管領域（変換前の生データ） |
| ODS | リアルタイム統合データ（現在値） |
| コンフォームドディメンション | 複数マートで共有されるDIM |
| ELT | クラウドDWH向け（BigQuery/Snowflake） |
| ファクトテーブル | 数値指標を格納するテーブル（スタースキーマの中心） |
| 観点 | Inmon（Top-Down） | Kimball（Bottom-Up） |
|---|---|---|
| 構築順序 | EDW（全社）→ データマート | データマート → 統合 |
| 初期コスト | 高（全体設計が先） | 低（部門別に段階的） |
| Time-to-Value | 長い（12〜24ヶ月） | 短い（3〜6ヶ月） |
| 典型的な失敗 | 完成前に陳腐化 | データマート間の不整合 |
| 種類 | 粒度 | 適用例 | 特徴 |
|---|---|---|---|
| Transaction Fact | イベント1件 | 注文・クリック | 最も一般的。サイズ大 |
| Periodic Snapshot | 期間末時点 | 月末在庫・週次残高 | 定期的な状態を記録 |
| Accumulating Snapshot | プロセス1ライフサイクル | 受注〜出荷〜請求 | 複数マイルストーン日付を持つ |
| Factless Fact | イベント（メジャーなし） | 学生の授業出席 | カウント分析のみ |
| 成熟度 | 状態 |
|---|---|
| Level 1 | アドホックレポート（各自Excelで分析） |
| Level 2 | 標準レポート（IT製のレポートを受け取る） |
| Level 3 | セルフサービスBI（ユーザーが自分で分析） |
| Level 4 | 予測・意思決定支援（MLモデル統合） |
| Level 5 | AI駆動の自動最適化 |
| 最適化手法 | 効果 | 実装コスト |
|---|---|---|
| パーティショニング | date_skでパーティション → フルスキャン排除 | 中 |
| 集計テーブル（Aggregate Table） | 月次集計を事前計算 → クエリを大幅高速化 | 低（大効果） |
| カラム指向ストレージ | RedshiftやBigQueryへの移行 | 高 |
| インデックス最適化 | JOINキーへの複合インデックス | 低 |
| 並列化 | クエリを並列実行 | 中 |
| テスト種別 | 内容 |
|---|---|
| Reconciliation Test | ソース件数 vs DWH件数の一致確認 |
| Transformation Test | 変換ロジックの正確性確認 |
| Completeness Test | 全期間データが欠落なくロードされているか |
| DQ Test | DWH内のデータ品質チェック |
| Performance Test | クエリ応答時間・ETL処理時間の確認 |
| Regression Test | 変更後に既存レポートが変化していないことの確認 |