Snowflake Notebooksで分析・共有: SQL/Python切替、Snowpark連携、Git統合

Snowflake Notebooksは、Snowsight上でSQL・Python・Markdownを セル単位で切り替えながらインタラクティブにデータ分析を行うマネージド環境です。 Snowpark DataFrameとの統合、組み込みの可視化機能、Git連携によるバージョン管理、 チームでの共同編集をすべてSnowflakeのセキュリティモデルの中で実現します。

Notebooksのアーキテクチャ

Snowflake Notebooksは以下の構成要素で動作します。

• フロントエンド: Snowsight（WebUI）内のノートブックエディタ。セルの追加・実行・可視化をブラウザ上で操作
• SQLランタイム: SQLセルの実行は指定したウェアハウスで処理される。通常のSnowflakeクエリと同じ実行エンジンを使用
• Pythonランタイム: PythonセルはSnowparkのサーバーサイドランタイムで実行される。ウェアハウスまたはSPCSのコンピュートプールをバックエンドとして使用
• ストレージ: ノートブック自体はSnowflakeのスキーマ内にオブジェクトとして保存される。データはSnowflake外に出ない

ノートブックの作成と基本操作

ノートブックはSnowsightのUIまたはSQLで作成します。

-- SQLでNotebookを作成
CREATE OR REPLACE NOTEBOOK analytics.notebooks.monthly_report
  FROM '@analytics.notebooks.nb_stage'
  MAIN_FILE = 'monthly_report.ipynb'
  QUERY_WAREHOUSE = analytics_wh
  COMMENT = '月次レポート分析ノートブック';

-- Notebookの一覧確認
SHOW NOTEBOOKS IN SCHEMA analytics.notebooks;

-- Notebookの権限付与
GRANT USAGE ON NOTEBOOK analytics.notebooks.monthly_report
  TO ROLE analyst_role;

SQLセルの実行

SQLセルでは通常のSnowflake SQLをそのまま実行できます。結果はテーブル形式で表示され、チャートへの切り替えも可能です。

-- SQLセルの例: 売上サマリ
SELECT
  DATE_TRUNC('MONTH', order_date) AS order_month,
  product_category,
  COUNT(*) AS order_count,
  SUM(amount) AS total_revenue,
  AVG(amount) AS avg_order_value
FROM sales.orders
WHERE order_date >= '2025-01-01'
GROUP BY order_month, product_category
ORDER BY order_month, total_revenue DESC;

Pythonセルとの連携

PythonセルではSnowpark DataFrameを使ったデータ処理や、pandas / matplotlib / plotly等のライブラリを使った分析・可視化が可能です。SQLセルの結果をPythonセルで参照する仕組みも用意されています。

# Pythonセルの例: Snowpark DataFrameによる集計
from snowflake.snowpark.context import get_active_session
from snowflake.snowpark.functions import col, sum as sf_sum, count

session = get_active_session()

orders_df = session.table("sales.orders")

monthly_summary = (
    orders_df
    .filter(col("order_date") >= "2025-01-01")
    .group_by("product_category")
    .agg(
        count("*").alias("order_count"),
        sf_sum("amount").alias("total_revenue")
    )
    .sort(col("total_revenue").desc())
)

monthly_summary.show()

SQLセルとPythonセルの連携

SQLセルの結果にはセル名が付けられ、Pythonセルからその名前で参照できます。

# cell_name_of_sql_cell がSQLセルの名前の場合:
# SQLの結果をSnowpark DataFrameとして取得
df = cell_name_of_sql_cell.to_df()

# SQLの結果をpandas DataFrameとして取得
pdf = cell_name_of_sql_cell.to_pandas()

# pandasで追加分析
print(f"行数: {len(pdf)}")
print(pdf.describe())

# matplotlibで可視化
import matplotlib.pyplot as plt

pdf.plot(kind='bar', x='PRODUCT_CATEGORY', y='TOTAL_REVENUE')
plt.title('カテゴリ別売上')
plt.tight_layout()
plt.show()

組み込みの可視化機能

SQLセルの実行結果は、テーブル表示に加えてSnowsightの組み込みチャート機能で可視化できます。

• 棒グラフ / 折れ線グラフ：時系列の推移やカテゴリ比較
• 散布図：2変数の相関分析
• ヒートマップ：多次元データの分布
• 面グラフ：構成比の推移

Pythonセルではmatplotlib / plotly / Altairなどのライブラリも使用でき、より高度なカスタム可視化が可能です。

# Pythonセルでのplotlyによるインタラクティブ可視化
import plotly.express as px

pdf = cell_monthly_data.to_pandas()

fig = px.line(
    pdf,
    x='ORDER_MONTH',
    y='TOTAL_REVENUE',
    color='PRODUCT_CATEGORY',
    title='月次売上推移（カテゴリ別）'
)
fig.show()

Git統合

Snowflake NotebooksはGitリポジトリとの連携をサポートし、ノートブックのバージョン管理とチーム開発を可能にします。

-- Git Repository Integrationの作成
CREATE OR REPLACE GIT REPOSITORY analytics.notebooks.ml_repo
  API_INTEGRATION = github_api_integration
  GIT_CREDENTIALS = github_secret
  ORIGIN = 'https://github.com/myorg/ml-notebooks.git';

-- Gitリポジトリからノートブックをフェッチ
ALTER GIT REPOSITORY analytics.notebooks.ml_repo FETCH;

-- リポジトリ内のファイル一覧
SHOW GIT BRANCHES IN analytics.notebooks.ml_repo;
ls @analytics.notebooks.ml_repo/branches/main/;

-- Gitリポジトリからノートブックを作成
CREATE OR REPLACE NOTEBOOK analytics.notebooks.feature_engineering
  FROM '@analytics.notebooks.ml_repo/branches/main/'
  MAIN_FILE = 'feature_engineering.ipynb'
  QUERY_WAREHOUSE = ml_wh;

共同編集とアクセス制御

ノートブックはSnowflakeのRBACで権限管理されます。複数のユーザーが同じノートブックを編集でき、変更はリアルタイムに同期されます。

-- アナリストロールにノートブックの使用権限を付与
GRANT USAGE ON NOTEBOOK analytics.notebooks.monthly_report
  TO ROLE analyst_role;

-- データサイエンティストロールにノートブックの所有権を付与
GRANT OWNERSHIP ON NOTEBOOK analytics.notebooks.ml_experiment
  TO ROLE data_scientist_role;

-- ウェアハウスの使用権限（ノートブック実行に必要）
GRANT USAGE ON WAREHOUSE analytics_wh
  TO ROLE analyst_role;

パッケージ管理

PythonセルではSnowflakeのAnacondaチャネルからパッケージを追加できます。ノートブックのUIからパッケージの検索・追加が可能です。

# ノートブック内でのパッケージ追加（Pythonセル）
# Snowsightの「Packages」パネルからGUIで追加するか、以下のようにセッションで追加
session.add_packages('pandas', 'scikit-learn==1.4.0', 'plotly')

# requirements.txtからの一括追加
# session.add_requirements('requirements.txt')

ノートブックのスケジュール実行

ノートブックをタスクとしてスケジュール実行することで、定期的なレポート生成やモデルの再学習を自動化できます。

-- ノートブックをスケジュール実行するタスク
CREATE OR REPLACE TASK run_monthly_report
  WAREHOUSE = analytics_wh
  SCHEDULE = 'USING CRON 0 6 1 * * Asia/Tokyo'
AS
  EXECUTE NOTEBOOK analytics.notebooks.monthly_report;

ALTER TASK run_monthly_report RESUME;

セキュリティとガバナンス

• データの非外部化：分析データはSnowflake内に留まり、ローカルへのダウンロードを防止
• RBAC統合：ノートブックの実行結果はユーザーのロール権限に基づいてフィルタリング
• マスキングポリシー適用：Dynamic Data Maskingが有効なテーブルはノートブック内でもマスク表示
• 監査ログ：ノートブックの実行履歴はACCOUNT_USAGE.QUERY_HISTORYに記録

試験で問われるポイント

• ノートブックはSnowsight内で動作し、データがSnowflake外に出ない
• セル単位でSQL / Python / Markdownを切り替え可能
• SQLセルの結果をPythonセルでDataFrameとして受け取れる
• Git統合によるバージョン管理とチーム開発をサポート
• ノートブックの実行にはウェアハウスのUSAGE権限が必要
• SnowflakeのRBAC・マスキングポリシー・ガバナンスがそのまま適用される

問題で確認

よくある質問