データウェアハウスと OLTP / OLAP

OLTP と OLAP――目的が正反対

データベースの使い方は、大きく2つの世界に分かれます。

• OLTP（Online Transaction Processing）: 注文・決済・在庫更新など、日々の細かい読み書きをさばく業務処理。1件ずつ正確に、速く。
• OLAP（Online Analytical Processing）: 「先月の地域別売上は？」のような、大量データの集計・分析。多くの行を一気に読む。

この2つは求められる性質が正反対で、同じDBで両方を最適にこなすのは困難です。だから分析には専用の置き場＝データウェアハウスを用意します。

観点	OLTP（業務処理）	OLAP（分析処理）
代表的な操作	1〜数件の挿入・更新・参照	大量行の集計・横断分析
データ単位	最新の1件が大事	期間・カテゴリでまとめた塊
速さの基準	1リクエストの応答が速い	大集計が現実的な時間で終わる
扱うデータ量	少量を頻繁に	大量をときどき
例	ECサイトの注文確定	経営ダッシュボードの売上分析

データウェアハウス(DWH)とは

データウェアハウス（DWH） は、分析（OLAP）のために最適化された専用のデータベースです。複数の業務システム（販売・会計・Webログなど）のデータを 一か所に集約 し、過去分も含めて横断的に分析できるようにします。

役割を整理すると次のようになります。

• 散らばった業務データを統合し、分析しやすい形に整える。
• 過去データを蓄積し、時系列の比較を可能にする。
• 大量集計に強い構造で、分析クエリを高速化する。

業務 DB を直接分析に使わないのは、重い集計クエリが日々の業務処理の足を引っ張るのを避ける狙いもあります。

なぜ速い？――列指向ストレージ

DWH が大集計に強い理由の一つが 列指向（カラムナ） です。

• 行指向（OLTP 向き）: 1行をまとめて保存。「この注文の全項目」を取り出すのが速い。
• 列指向（OLAP 向き）: 同じ列の値をまとめて保存。「売上列だけ全行合計」のように 必要な列だけ を読めるので、大集計が速く、圧縮も効きやすい。

「売上を合計する」のに住所や氏名の列まで読む必要はありません。列指向は、その“読まなくていい列を読まない”を徹底できる点が強みです。

ETL と ELT――データの運び方

業務 DB のデータを DWH へ移し、分析できる形に整える処理が ETL / ELT です。3つの工程の順番が違います。

• Extract（抽出）: 各業務システムからデータを取り出す。
• Transform（変換）: 形式をそろえ、クレンジングや集計をする。
• Load（格納）: DWH へ書き込む。

方式	順番	特徴	向く場面
ETL	抽出 → 変換 → 格納	整えてから入れる。DWHに余計な生データを持ち込まない	変換ルールが固まっている
ELT	抽出 → 格納 → 変換	まず生のまま入れ、DWHの計算力で後から変換	大量データ・クラウドDWH

近年はクラウド DWH の処理能力が高いため、まず取り込んでから変換する ELT が増えています。生データを残せるので、後から分析方針を変えやすいのも利点です。

OLTP と OLAP は「日々回す」と「振り返って分析する」という別の仕事です。DWH はその分析側を支える基盤であり、列指向と ETL/ELT がそれを実用的な速度で成り立たせています。