Snowflake AIデータクラウドでの データエステートのモダナイズ

Travelpassは、高いメンテナンス負荷とクラッシュしやすいシステムに直面した結果、堅牢でありながら使いやすく、データガバナンスとコスト制御の面で安心感をもたらし、AIの強力なパワーの活用を支援するプラットフォームとしてSnowflakeを採用しました。

Travelpassは、30 TBのデータと134のパイプラインとプロセスをわずか6週間でシームレスに移行できるよう、Snowflakeプロフェッショナルサービスに協力を依頼しました。 移行の完了後、TravelpassはSnowflakeによってコストを従来の半分に削減できることに気づきました。

南北アメリカ、ヨーロッパ、アジアにチームを持つグローバル企業として、Pfizerはすべてのビジネスユニットが24時間体制で迅速にデータにアクセスし、データを共有できるようにしなければなりません。Snowflakeを導入する前、この共有にはデータのコピー、ETLパイプライン、煩雑で時間のかかる一連のプロセスが必要でした。 

Snowgrid（Snowflakeのクロスリージョン、クロスクラウドなテクノロジーレイヤー）により、Pfizerのビジネスユニットは国を問わず、シームレスかつセキュアにコラボレーションできます。このように共有のレベルが高まれば、グローバル組織の事業継続性も向上します。

Marriottは、IBM BigInsightsプラットフォームを活用してNetezzaとHadoopをいち早く導入しました。これらのテクノロジーの多くは、スタックを複雑にし、アップグレードに費用がかかり、運用を困難にしていました。

Snowflake上でのデータプラットフォームの簡素化により、データの透明性と制御、市場投入の迅速化、コラボレーションとデータシェアリングの改善、TCOの削減を実現しました。 

Chicago Trading Companyは、膨大な量の市場データの処理に悪戦苦闘する中で、高コストのデータ転送、頻繁かつ予測不可能な処理障害、そして限定的なコスト可視性に直面していました。

Snowflakeへの移行により、CTCはデータ移動コストを排除し、支出を可視化し、コストを54%削減しました。エンジニアは複雑な構成のトラブルシューティングではなくイノベーションに注力できるようになりました。これにより、CTCはコストのかかっていたデータパイプラインを再開し、AI機能を検討できるようになりました。

Snowflakeを導入する前は、WHOOPのデータウェアハウス、データレイク、本稼働のデータベースにデータが分散していました。同社の以前のデータウェアハウスであるAmazon Redshiftの維持とスケーリングは、小規模なデータチームにとってコストと運用上の大きな負担がかかっていました。 

Snowflakeへの移行後、WHOOPの各部門はデータとインサイトに迅速にアクセスできるようになり、加入者のニーズを迅速に把握し、より多くの情報に基づくビジネス上の意思決定を行えるようになりました。 WHOOPのデータチームは、遅いクエリやインフラストラクチャーの問題のトラブルシューティングに費やす時間を減らし、組織全体にデータアクセスを拡大することに多くの時間を費やせるようになりました。 

PGEは、メンテナンスに費用がかかり、パフォーマンスに問題のある従来型のオンプレミスデータウェアハウスを管理していました。このシステムは緊密に結合されたアーキテクチャであったため、柔軟性に欠け、組織全体にデータのコピーが増殖し、信頼できるデータソースの特定が困難になるとともにストレージコストが増大していました。

モダンデータ環境の必要性を認識したPGEは、Snowflakeを採用しました。同社は、高性能、ストレージとコンピュートの分離、ニアゼロメンテナンス、マイクロパーティショニングの点でAWS上のSnowflake AIデータクラウドを選択しました。

数年前にSiemensは、意思決定を強化し、プロセスを自動化することによってイノベーションを促進するのに役立つ、運用上の重要なインサイトを獲得することを目的に、データの活用方法の見直しを行いました。

Siemensは、Snowflakeを利用して、クラウドトランスフォーメーションの実現、データの一元化、意思決定の改善、AI使用の拡張を実現するオープンなデータメッシュプラットフォームエコシステムであるSiemens Data Cloudを開発しました。