「Snowflakeだけ」でMLOpsはどこまでできる？～現時点の到達点と、更なる可能性～

株式会社GA technologies  Data / Applied ML / 部長   佐藤
薫  「Snowflakeだけ」でMLOpsはどこまでできる？   ～現時点の到達点と、更なる可能性～   1 2025/11/28 【SnowVillage＆みん強コラボ企画】ここがヘンだよ！？ Snowflake 〜みんなが考えた最強のデータ基盤には、なんで Snowflakeが多いのか？ 

• 自己紹介・会社紹介   • まとめ・Takeaway  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット
  • リネージを実際に繋いでみた例   アジェンダ  

株式会社 GA technologies  • Machine Learning関連  ◦ MLOps基盤の設計・開発・運用   （SageMaker
→ Airﬂow & MLﬂow → ？）  ◦ アポ取得率や成約率などを予測し、 KPI運用や広告最適化に貢献   • 生成AI関連  ◦ Difyで生成AIの民主化  ◦ 顧客とAssetPlannerの面談文字起こしを様々な角度で構造化   佐藤薫 / Sato Kaoru  4 主にデータサイエンスのキャリア   2011年 東京工業大学・大学院（現・東京科学大学）   ストラスブール大学大学院交換留学（フランス）   • 計量経済学・人口統計学   • 生活時間と人口動態の関係（クラスタリング・回帰分析）   2018年  2024年  2022年  アクサ生命保険株式会社   • データサイエンティスト   • 新契約を自動査定する MLモデルの開発・運用   • 既契約者のアップセル・クロスセル確率を予測する MLモデルの開発・運用     • MLOps基盤の設計・開発・運用（ Databricks）  • データサイエンティストの新卒採用・育成  

データ分析ツールの経験   5 データサイエンティストとして、様々な MLOps基盤を構築してきた   大学・大学院  アクサ生命  GA technologies 
RStudio  SageMaker  Databricks  MLflow  Airflow  Snowflake 

6 会社紹介 / 株式会社GA technologies / RENOSY  ※1 東京商工リサーチによる投資用不動産の売上実績（2025年3月調べ）  ※2
東京商工リサーチによる投資用不動産会社の売上原価調査（2024年10月調べ） 

外部サービス  データカタログ  7 GA technologiesでのSnowﬂakeの使い方  Snowﬂakeを中心として様々なプロダクト・データが連携   データソース  BIツール  Reverse
ETL  内製サービス    AGNT by RENOSY  SUPPLIER by RENOSY  MANAGE by RENOSY    など  ELT 

まとめ・Takeaway  参考  MLOps - Wikipedia    9 SnowflakeにもMLOps関連機能が揃い始め、統一基盤でリネージが繋がるメリットを生かせそう   2015年 “Hidden
Technical Debt in Machine Learning Systems” by Google  2018年  更なる可能性   課題：ModelからTableはまだ繋がらない（e.g., 予測結果を再利用するとリネージが切れる）   対策：現時点でもdbt上でカスタムすれば結合は可能   将来：ロードマップには載っているようなので、将来的に改善される可能性   2025年 SnowflakeもMLOps関連機能を多数発表   各社がMLOps機能を開発・公開し始める   e.g., MLflow（Databricks）, SageMaker  現時点の到達点   MLOpsに必要な機能が一通り揃い、リネージも Modelまで繋がるように   1. dbtでRAW層からSTG層やMART層を経てFEATURE層まで管理  2. Feature ViewとDatasetを作成するPythonをStageにDeploy  3. SnowparkのML Pipelineの学習・推論ImageをBuildし、Repositoryにpush  4. TerraformでProcedureとTaskをデプロイ 

MLOpsに関わる機能のリリース日   10 2024年〜2025年にかけて MLOpsに必要な機能が一気に揃ってきた   2024年  • Snowflake Model
Registry（2024年3月3日一般公開）  • Snowpark Container Services: Monitoring Services（2024年4月17日一般公開）  • Snowpark Container Services（2024年8月1日一般公開）  • Snowflake Feature Store（2024年9月25日一般公開）  • Data & ML Lineage（2024年11月4日プレビュー公開）  • ML Observability（？）  • Snowflake Notebooks on Container Runtime for AWS（2025年3月17日一般公開）  • Snowflake Datasets（2025年3月20日一般公開）  • ML Explainability visualizations（2025年7月8日一般公開）  • multiple replicas of a Snowpark Container Services job service（2025年8月7日プレビュー公開）  • Using Snowsight to monitor data quality（2025年9月9日プレビュー公開）  • Workspaces（2025年9月11日一般公開）  • Snowflake-managed network rules（2025年10月21-23日一般公開）  • Snowflake Machine Learning Experiments（2025年11月4日プレビュー公開）  • dbt projects on Snowflake（2025年11月6日一般公開）  2025年 

Data ScienceとMLOps  12 Data ScientistがNotebookで作ったモデルを、 MLOps Engineerが再現性と保守性高く実装する   Data Science 
EDA  学習  Notebook 

MLOps  Data ScienceとMLOps  13 抽出  自動化（CI/CD/CT）  学習  コード管理（イメージ・ワークフロー）   管理 
推論  監視  Data Science  EDA  学習  Notebook  Data ScientistがNotebookで作ったモデルを、 MLOps Engineerが再現性と保守性高く実装する  

MLOps  DataOps  データ基盤全体   15 Snowﬂakeであれば、 DataOpsとMLOpsを統合することができる   抽出  自動化（CI/CD/CT） 
学習  コード管理（イメージ・ワークフロー・インフラ）  管理  推論  監視  リネージ管理  収集  蓄積  加工  EDA  セキュリティ 

MLOps  DataOps  データ基盤全体   16 Data Engineerと協業可能になり、インフラやセキュリティの管理コストが低減   抽出  自動化（CI/CD/CT） 
学習  コード管理（イメージ・ワークフロー・インフラ）   管理  推論  監視  リネージ管理  収集  蓄積  加工  EDA  セキュリティ  

MLOps  DataOps  データ基盤全体   17 Analytical Engineer・Data Analystと協業可能になり、特徴量の管理コストが低減   抽出 
自動化（CI/CD/CT）  学習  コード管理（イメージ・ワークフロー・インフラ）  管理  推論  監視  リネージ管理  収集  蓄積  加工  EDA  セキュリティ 

MLOps  DataOps  データ基盤全体   18 DataOpsとMLOpsの世界を超えてリネージが繋がることで、 MLモデルの管理コストが低減   抽出  自動化（CI/CD/CT） 
学習  コード管理（イメージ・ワークフロー・インフラ）  管理  推論  監視  リネージ管理   収集  蓄積  加工  EDA  セキュリティ 

MLOps  DataOps  リネージ管理できると嬉しいこと   19 MLモデルの予測結果が再度データモデリングされ、 BIツールなどに提供されている場面を想定   抽出  自動化（CI/CD/CT） 
学習  コード管理（イメージ・ワークフロー・インフラ）  管理  推論  監視  リネージ管理  収集  蓄積  加工  EDA  セキュリティ 

MLOps  DataOps  リネージ管理できると嬉しいこと   20 ある日突然、あるカラムの廃止がエンジニア側から伝えられたとする   抽出  自動化（CI/CD/CT）  学習 
コード管理（イメージ・ワークフロー・インフラ）  管理  推論  監視  リネージ管理  収集  蓄積  加工  EDA  セキュリティ 

MLOps  DataOps  リネージ管理できると嬉しいこと   21 リネージが繋がっていないと、どのモデルで使われているかすぐに分からず、事故が起きる   抽出  自動化（CI/CD/CT）  学習 

MLOps  DataOps  リネージ管理できると嬉しいこと   22 その結果、予測結果の利用先でも、事故が起きる   抽出  自動化（CI/CD/CT）  学習 

実際に試してみた   24 参考  ML リネージトレース： ML データフロー | Snowﬂake
Documentation    RAW層からModelまでリネージが繋がっている  

dbt projects on Snowflakeと組み合わせた例   25 RAW層からModelを経て予測結果までリネージが繋がっている   参考 
Snowflake ML モデルを dbt データパイプラインに組み込む - Speaker Deck  dbt-snowflakeでPython modelのCustom Materializationを実装する ~Stored Procedure編~ - LayerX エンジニアブログ   [便利]dbtでStreamlit in Snowflakeのコードを管理しよう！  

• 自己紹介・会社紹介   • まとめ・Takeaway（再掲）  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット

まとめ・Takeaway（再掲）  参考  MLOps - Wikipedia    27 SnowflakeにもMLOps関連機能が揃い始め、統一基盤でリネージが繋がるメリットを生かせそう   2015年 “Hidden
Technical Debt in Machine Learning Systems” by Google  2018年  更なる可能性   課題：ModelからTableはまだ繋がらない（e.g., 予測結果を再利用するとリネージが切れる）   対策：現時点でもdbt上でカスタムすれば結合は可能   将来：ロードマップには載っているようなので、将来的に改善される可能性   2025年 SnowflakeもMLOps関連機能を多数発表   各社がMLOps機能を開発・公開し始める   e.g., MLflow（Databricks）, SageMaker  現時点の到達点   MLOpsに必要な機能が一通り揃い、リネージも Modelまで繋がるように   1. dbtでRAW層からSTG層やMART層を経てFEATURE層まで管理  2. Feature ViewとDatasetを作成するPythonをStageにDeploy  3. SnowparkのML Pipelineの学習・推論ImageをBuildし、Repositoryにpush  4. TerraformでProcedureとTaskをデプロイ 

Data本部、積極採用中です！不動産投資も興味あれば名刺交換しましょう！ AIソリューションエンジニア MLOpsエンジニアアナリティクス・エンジニアデータアナリストデータエンジニア

「Snowflakeだけ」でMLOpsはどこまでできる？～現時点の到達点と、更なる可能性～

「Snowflakeだけ」でMLOpsはどこまでできる？～現時点の到達点と、更なる可能性～

Kaoru Sato

Other Decks in Technology

Featured

Transcript

株式会社GA technologies  Data / Applied ML / 部長   佐藤

• 自己紹介・会社紹介   • まとめ・Takeaway  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット

• 自己紹介・会社紹介   • まとめ・Takeaway  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット

株式会社 GA technologies  • Machine Learning関連  ◦ MLOps基盤の設計・開発・運用   （SageMaker

データ分析ツールの経験   5 データサイエンティストとして、様々な MLOps基盤を構築してきた   大学・大学院  アクサ生命  GA technologies

6 会社紹介 / 株式会社GA technologies / RENOSY  ※1 東京商工リサーチによる投資用不動産の売上実績（2025年3月調べ）  ※2

外部サービス  データカタログ  7 GA technologiesでのSnowﬂakeの使い方  Snowﬂakeを中心として様々なプロダクト・データが連携   データソース  BIツール  Reverse

• 自己紹介・会社紹介   • まとめ・Takeaway  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット

まとめ・Takeaway  参考  MLOps - Wikipedia    9 SnowﬂakeにもMLOps関連機能が揃い始め、統一基盤でリネージが繋がるメリットを生かせそう   2015年 “Hidden

MLOpsに関わる機能のリリース日   10 2024年〜2025年にかけて MLOpsに必要な機能が一気に揃ってきた   2024年  • Snowﬂake Model

• 自己紹介・会社紹介   • まとめ・Takeaway  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット

Data ScienceとMLOps  12 Data ScientistがNotebookで作ったモデルを、 MLOps Engineerが再現性と保守性高く実装する   Data Science

MLOps  Data ScienceとMLOps  13 抽出  自動化（CI/CD/CT）  学習  コード管理（イメージ・ワークフロー）   管理

• 自己紹介・会社紹介   • まとめ・Takeaway  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット

MLOps  DataOps  データ基盤全体   15 Snowﬂakeであれば、 DataOpsとMLOpsを統合することができる   抽出  自動化（CI/CD/CT）

MLOps  DataOps  データ基盤全体   16 Data Engineerと協業可能になり、インフラやセキュリティの管理コストが低減   抽出  自動化（CI/CD/CT）

MLOps  DataOps  データ基盤全体   17 Analytical Engineer・Data Analystと協業可能になり、特徴量の管理コストが低減   抽出

MLOps  DataOps  データ基盤全体   18 DataOpsとMLOpsの世界を超えてリネージが繋がることで、 MLモデルの管理コストが低減   抽出  自動化（CI/CD/CT）

MLOps  DataOps  リネージ管理できると嬉しいこと   19 MLモデルの予測結果が再度データモデリングされ、 BIツールなどに提供されている場面を想定   抽出  自動化（CI/CD/CT）

MLOps  DataOps  リネージ管理できると嬉しいこと   20 ある日突然、あるカラムの廃止がエンジニア側から伝えられたとする   抽出  自動化（CI/CD/CT）  学習

MLOps  DataOps  リネージ管理できると嬉しいこと   21 リネージが繋がっていないと、どのモデルで使われているかすぐに分からず、事故が起きる   抽出  自動化（CI/CD/CT）  学習

MLOps  DataOps  リネージ管理できると嬉しいこと   22 その結果、予測結果の利用先でも、事故が起きる   抽出  自動化（CI/CD/CT）  学習

• 自己紹介・会社紹介   • まとめ・Takeaway  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット

実際に試してみた   24 参考  ML リネージトレース： ML データフロー | Snowﬂake

dbt projects on Snowﬂakeと組み合わせた例   25 RAW層からModelを経て予測結果までリネージが繋がっている   参考

• 自己紹介・会社紹介   • まとめ・Takeaway（再掲）  • MLOpsが必要な理由   • SnowﬂakeでMLOpsを行うメリット

まとめ・Takeaway（再掲）  参考  MLOps - Wikipedia    27 SnowﬂakeにもMLOps関連機能が揃い始め、統一基盤でリネージが繋がるメリットを生かせそう   2015年 “Hidden

Data本部、積極採用中です！不動産投資も興味あれば名刺交換しましょう！ AIソリューションエンジニア MLOpsエンジニアアナリティクス・エンジニアデータアナリストデータエンジニア

「Snowflakeだけ」でMLOpsはどこまでできる？ ～現時点の到達点と、更なる可能性～

「Snowflakeだけ」でMLOpsはどこまでできる？ ～現時点の到達点と、更なる可能性～

Other Decks in Technology

Featured

Transcript

「Snowflakeだけ」でMLOpsはどこまでできる？～現時点の到達点と、更なる可能性～

「Snowflakeだけ」でMLOpsはどこまでできる？～現時点の到達点と、更なる可能性～