マーケティングの教科書 / コース9 — データベースの教科書 / レッスン 9-3
コース9 — データベースの教科書マーケターのためのデータベース使い分け地図
所要時間: 8分 | 更新: 2026-06-11
コース9の最終レッスンです。9-1(MySQL vs MariaDB)と 9-2(BigQuery vs MySQL)で個別の比較をしましたが、ここでは一歩引いて「データを扱う基盤の全体地図」を描き、マーケターがどこまで学ぶべきかを整理します。
データ基盤の3つの役割
私はマーケターに説明するとき、データベースの世界を3つの役割に分けます。
| 役割 | 代表製品 | 得意なこと | マーケでの接点 |
|---|---|---|---|
| RDB(業務システムの台帳) | MySQL、MariaDB、PostgreSQL | 注文・会員などの正確な記録と更新(OLTP) | EC の注文データ、会員マスタ |
| DWH(分析の倉庫) | BigQuery、Snowflake、Redshift | 大量データの集計・横断分析(OLAP) | GA4 データ、広告データの統合分析 |
| NoSQL(柔軟な保管庫) | Redis、MongoDB、DynamoDB | 高速キャッシュ、形が決まらないデータ | セッション管理、レコメンドの裏側 |
ポイントは、これらが競合ではなく分業だということです。注文は RDB に記録され、夜間や準リアルタイムで DWH にコピーされ、分析は DWH で行う — これが現代の標準的なデータの流れです。
マーケターに一番関係が深いのは DWH
日々の意思決定(どの広告に予算を寄せるか、どのセグメントが LTV が高いか)に必要なのは、複数のデータソースを横断した集計です。
- GA4 の行動データ
- 広告媒体(Google/Meta)の出稿データ
- 基幹システムの売上・顧客データ
これらは別々の場所にあるので、DWH に集めて初めて「広告 A 経由の顧客の 6 ヶ月 LTV」のような問いに答えられます。GA4 には BigQuery への無料エクスポート機能があり(標準プロパティでも利用可)、これが「マーケターが BigQuery に触る」最初の入口になることが多いです。
SQL はマーケターの武器になるか
私の答えは「SELECT 文だけでも学ぶ価値がある」です。理由は3つあります。
- 依頼の質が上がる — データチームに「何ができるか」を理解した依頼が出せる
- 探索が自分で完結する — ダッシュボードにない切り口を自分で見られる
- 要件定義に強くなる — 計測設計(コース6-2)の段階で、後の分析を見据えた設計ができる
逆に、INSERT/UPDATE などの更新系や、DB 設計・チューニングはエンジニアの領域です。マーケターは「読む SQL」に集中すれば十分です。
使い分け地図の実例
小さな EC 事業を例にすると、こうなります。
- 注文・会員データ → MySQL(アプリの台帳)
- サイト行動データ → GA4 → BigQuery エクスポート
- 広告データ → 各媒体 → コネクタで BigQuery へ
- BigQuery 上で顧客 ID をキーに結合 → LTV・CPA 分析(コース5-5、6-4)
- 結果を Looker Studio などの BI ツールで可視化
この流れの中で、マーケターが自分で触るのは 4 と 5 です。
まとめ
- RDB は台帳、DWH は分析倉庫、NoSQL は柔軟な保管庫。競合ではなく分業
- マーケの意思決定に効くのは DWH。GA4 → BigQuery エクスポートが入口
- マーケターは「読む SQL」(SELECT)だけで十分に武器になる
参考
- GA4 ヘルプ — BigQuery Export について
- Google Cloud — BigQuery ドキュメント
- MySQL 公式ドキュメント
- 9-1「MySQL と MariaDB の違い」/ 9-2「BigQuery と MySQL の違い」(本サイト)