データマートを設計する際に押さえておきたいポイントとは？

データマートは、組織のデータ蓄積・分析環境において作業者が直接活用する部分です。よって、データマートの設計が効率的なデータ活用のカギを握ります。この記事では、データマートを設計するにあたって、どのようなことを知っておくべきか、どのような点に注意すべきかについて解説します。

そもそもデータマートとは？

データマート（data mart）の「マート」は、スーパーやコンビニなどの名前に使われる「マート」と同じ単語で、小売店を意味します。

企業や組織などのデータ全体を保持するのがデータウェアハウス（data warehouse、「データの倉庫」）であるのに対し、データマートはその一部の、個別の用途や機能に関係した部分のデータだけを保持します。

必然的にデータベースの大きさは、データウェアハウスよりも小規模になります。必要なデータだけがデータマートに集約されているため、情報を取り出しやすく、より深い分析ができ、管理も容易です。

データウェアハウスを分割してデータマートを作成することもあれば、データマートを統合することによってデータウェアハウスを構成することもあります。

データマートの構造

データマートの構造として採用されることが多いものとして、スタースキーマとスノーフレークスキーマの2つが挙げられます。

例えば商品に関するデータマートの場合、商品名などのキーとなるデータを保持するテーブルを「ディメンションテーブル」、仕入先や販売額などの従属的なデータを保持するテーブルを「ファクトテーブル」と呼びます。

一般的に採用されているのは、スタースキーマです。スタースキーマでは、ディメンションテーブルを中心として、その周辺に星（スター）の形のようにファクトテーブルが結合されます。

一方、スノーフレークスキーマでは、明確なディメンションテーブルは設定されず、ファクトテーブル同士が雪片（スノーフレーク）のように相互に結合される構造になっています。

データレイクとデータウェアハウスの構成も覚えておこう

データ分析においてデータマートと類似したものに「データレイク」と「データウェアハウス」があります。システム構成としては、データレイク、データウェアハウス、データマートの3層構造とするのが一般的です。

データレイク（data lake、データの湖）は、外部から収集してきたデータを加工せず、生データのまま保持します。データウェアハウスやデータマートと情報が重複してしまいますが、構造化されない状態でデータを元の形のままデータレイクとして保持しておくことでバックアップの機能を果たします。また、データウェアハウスやデータマートの再構成も容易に行うことができます。

データレイクの生データを整理・加工し、情報として処理しやすい構成にして格納し直したものがデータウェアハウスで、一般的なデータベースの構成であるケースが多いです。

データの分析・活用は、基本的にはデータウェアハウスを用いて行うことができますが、データの規模が非常に大きく、目的とは関係のないデータも大量に含むため、具体的な分析の際に扱いにくくなりがちです。そこで、目的や部門などに応じて必要な情報を取り出し、整理したものデータマートです。