--- title: "BigQuery（bq）移行でインフラコストを約20％削減 | grasys（グラシス）" url: "https://www.grasys.io/case-studies/intimate-merger-bigquery-migration" description: "Treasure Data から BigQuery（bq） への移行で20％のコスト削減に成功した株式会社インティメート・マージャー。 grasys（グラシス） が選ばれた決め手や、導入後の効果をご紹介します。" --- 株式会社インティメート・マージャー # BigQuery（bq）移行でインフラコストを約20％削減 Treasure Data から BigQuery（bq） への移行で20％のコスト削減に成功した株式会社インティメート・マージャー。 grasys（グラシス） が選ばれた決め手や、導入後の効果をご紹介します。 ![BigQuery（bq）移行でインフラコストを約20％削減](/_astro/24.GyB_i_GV_49gaY.webp) 公開日 2022年6月6日 更新日 2026年8月8日 著者 株式会社 grasys ## 導入事例の要約 課題 データ活用が広がる中で従来基盤のコスト体系が見合わなくなり、新しいデータプラットフォームへ移行する必要がありました。 支援 BigQuery（bq）への移行に加え、プロジェクトやデータセットを適切な単位に分け、コストを最適化できる構成づくりを支援しました。 成果 安定した処理性能を保ちながらインフラコストを約20％削減でき、今後のさらなるデータ活用に向けた基盤が整いました。 ## 事例の概要 ### ■御社の概略を簡単にご説明してください。 当社は、 Data Management Platform を開発・運用しています。 3rd Party Cookie に紐づいた様々な情報をデータベースに格納し、格納されたデータを元にマーケティング効率を上げていく。その支援基盤の開発・提供・運用がメイン事業です。 現在は、アドテクノロジーにおけるマーケティング効率化事業が売上の7割を占めていますが、セールステックやフィンテックなどの領域でも、大量のデータを活用して課題解決をしていくという事業を提供しています。 ![インティメート・マージャーとgrasysの担当者による打ち合わせ](/_astro/26-1024x683.DbEnGTIR_Z2cox4C.webp) ### ■今回、トレジャーデータから Google Cloud（GCP） の BigQuery（bq） にデータプラットフォームを移行されましたが、決め手は何だったのでしょうか？ 私たちの事業テーマは、「データは活用しないと意味がない」。多くのストレージ系サービスはデータを貯めるのにお金がかかり、活用する際にお金がかからないことが多いのですが、 BigQuery（bq） は逆です。 データを活用する際にお金がかかる従量課金制で、データを貯めておくだけならお金がかからないんです。この仕組みのほうが、お客様にも納得感を持っていただけると考え、 BigQuery（bq） への移行を決めました。 ### ■BigQuery（bq） へ移行するにあたり、パートナーとして grasys（グラシス） を選んだ理由は何ですか？ 一緒にお仕事させていただいていたときの、レスポンスの早さですね。私たちがパートナーさんに求めているのは、自分たちだけでやるより早く課題解決できるようになること。 grasys（グラシス） さんは、こちらからの質問に迅速かつ的確に答えてくださるので助かっています。 質問への回答も、単にドキュメントを参照したものではなく、過去に試したことのある実例を教えてもらえるのがとてもありがたいです。相談すれば必ず何らかのヒントをくれるのが、 grasys（グラシス） さんだと思います。 ### ■実際、移行したことでメリットは出ていますか？ 移行が完了して2ヶ月ほど経ちましたが、インフラコストは20%程度削減できています。移行後の運用で最適化できる部分もいくつか見えてますので、 もう一段コストは下げられる見込みです。 ![BigQuery（bq）への移行について話すプロジェクト担当者](/_astro/27-1024x683.yVPlQMQy_1IIcbU.webp) ### ■BigQuery（bq） を今後どういう風に活用していきたいとお考えですか？BigQuery（bq） だからこそできることなどあれば教えてください。 BigQuery（bq） はプラットフォームサービスですので、きちんと使い切ることが重要かなと思っています。ビジネスが成長してくると権限管理やデータ配置場所を気にされるお客様も増えてきます。適切で意味のある単位でプロジェクトやデータセットを分割し、 Google Cloud（GCP） にある機能を組み合わせることで適切なコストで、お客様に対応できる環境を提供できるようにしています。 私たちのようにデータをマネジメントする事業は、コストのみならず分析のスピードも価値となる為、チューニングやスケーリングの必要がなく安定したパフォーマンスが発揮される BigQuery（bq） が最適だと考えています。 また今後は、 Google Cloud（GCP） 上にあるデータ活用ソリューションとの連携を強化したいと思っています。マルチクラウドにはマルチクラウドの良さもあるんですが、一ヶ所にまとめたからこそ、データの転送コストや運用コストが下がって次のチャレンジがしやすくなる。そのメリットを最大限に活かしたいですね。 ### ■今後、 grasys（グラシス） が技術的な面でサポートできることや、パートナーとして grasys（グラシス） に期待することはありますか？ 機械学習モデルのリアルタイム更新にチャレンジしたいと考えているので、ご相談したいですね。リアルタイムでモデルを更新し、モデルに対してスコアリングして活用していければと考えているんです。今後、広告の領域を含めたデータ活用全般において、ブラウザで解析を終えるようにしていく流れが進むと思うので。 また、α版やβ版などGA前の機能は Google Cloud（GCP） サービス パートナー経由でしか使用できないものもあり、興味のあるプロダクトについては、うちを事例として grasys（グラシス） さんと共に検証など進めていければ、お互いの事業にとってメリットがあるのではないでしょうか。 ![Kubernetes Engine、Cloud SQL、BigQuery（bq）、Cloud Composerを組み合わせたデータ基盤構成図](/_astro/28-1024x576.DWMuxNjZ_Z1bLVPl.webp) ### プロジェクト情報 #### 業種 広告・マーケティング #### 支援領域 データ分析・AIクラウド基盤・移行 Discover ## この内容に関連する課題・目標・技術 同じ文脈にあるサービスや実績を、別の視点から探せます。 ### 課題 - [データを集約・可視化・活用したい](/problems/data-integration-analytics/) - [クラウド移行・EOLに対応したい](/problems/cloud-migration-eol/) - [性能・コストを最適化したい](/problems/performance-cost-optimization/) ### 実現したいこと - [DWH・分析基盤を構築または移行したい](/outcomes/build-modern-data-platform/) - [手作業のデータ投入・連携を自動化したい](/outcomes/automate-data-ingestion/) - [既存システムを安全にクラウドへ移したい](/outcomes/migrate-systems-safely/) - [クラウドの利用状況とコストを把握し、適正化したい](/outcomes/optimize-cloud-costs/) ### 技術 - [Google Cloud（GCP）](/technologies/google-cloud/) - [BigQuery（bq）](/technologies/bigquery/) - [Managed Service for Apache Airflow](/technologies/managed-airflow/) ## 同じような課題をお持ちではありませんか？ クラウドインフラやデータ活用について、grasys（グラシス）の専門チームが課題を伺い、最適な進め方をご提案します。 [資料請求](/document-request/)[お問い合わせ](/contact/) ## その他の事例 業種や支援領域の近い事例から順にご紹介します。 ![アクセス急増に耐えるメディア基盤を約6カ月でAmazon Web Services（AWS）へ移行](/_astro/S__27115546.euN4l4VC_Z2l69hH.webp) 合同会社コンデナスト・ジャパン ### [アクセス急増に耐えるメディア基盤を約6カ月でAmazon Web Services（AWS）へ移行](/case-studies/conde-nast-japan-aws-migration/) 業界 メディア サービス クラウド基盤・移行 / 運用・最適化 課題 Google Cloud（GCP）からAmazon Web Services（AWS）への移行に加え、通常の200〜300倍に達する突発的なアクセス、CMS作業への負荷影響、攻撃への備えが課題となっていました。 支援 設定を精査しながら段階的に移行し、キャッシュ、ロードバランサー、WAFを組み合わせた構成と24時間365日の監視体制を整備しました。 成果 約6カ月で全メディアの移行が完了し、大規模なアクセス急増時もメディアとCMSを安定して稼働できる基盤が整いました。 ![約1,000倍の人流データを数時間で解析できる基盤を構築](/_astro/original-scaled.D2RF091f_1phl8A.webp) 株式会社SVI研究所 ### [約1,000倍の人流データを数時間で解析できる基盤を構築](/case-studies/svi-lab-people-flow-data/) 業界 IT・デジタルサービス サービス データ分析・AI / クラウド基盤・移行 課題 人流データ量が従来の約1,000倍となり、オンプレミスでは処理に1カ月以上かかると見込まれる中、独自の解析ロジックを維持する必要がありました。 支援 約1,000台のGCEハイメモリインスタンスによる並列処理を構築し、アジャイルな処理フローの改善とWebGLによる可視化を進めました。 成果 大規模な人流データを数時間で解析できるようになり、大都市の鉄道路線別混雑率など、従来は難しかった分析も可能になりました。 ![LLMによるログ分析で毎月数時間の作業をほぼ自動化](/_astro/ea1635237_et260317_capy01_02.B9wVCDZ6_Znj0CE.webp) Capy株式会社 ### [LLMによるログ分析で毎月数時間の作業をほぼ自動化](/case-studies/capy-llm-log-analysis/) 業界 IT・デジタルサービス サービス データ分析・AI / 運用・最適化 / セキュリティ 課題 大量のセキュリティログを十分に活用できず、Shodanの専門データを読み解く分析作業も担当者に依存していました。 支援 BigQuery（bq）、Shodan、Geminiを組み合わせ、分析対象を絞ることでコンテキスト量とコストを最適化し、要件整理から運用まで一貫して伴走しました。 成果 毎月数時間かかっていた分析をほぼ自動化でき、能動的な提案を含む分かりやすいレポートの作成につながりました。 ![生成AI検索で資料探索時間を半分以下に短縮](/_astro/4c4b6293-4f80-4046-898f-2117fa90434a.CUhkYQd3_U9vWK.webp) 株式会社島津製作所 ### [生成AI検索で資料探索時間を半分以下に短縮](/case-studies/shimadzu-generative-ai-search/) 業界 製造 サービス データ分析・AI 課題 350種類以上の社内資料を中身まで検索できず、必要な資料を探す作業が事業部全体で月100時間を超えていました。 支援 Agent Search(旧Vertex AI Search)を活用し、社内固有の略語・用語や回答言語を調整するとともに、閉域網とSSO認証を備えた検索システムを構築しました。 成果 1回約70秒かかっていた検索時間が半分以下になり、利用者満足度の平均も導入前の42.5から導入後は75.2まで向上しました。 ![限られた下水データから感染症を予測し行政の意思決定を支援](/_astro/7966bae78213db11914ad7af893f8431.BBBHo-QY_Z1I3BmG.webp) 八千代エンジニヤリング ### [限られた下水データから感染症を予測し行政の意思決定を支援](/case-studies/yachiyo-engineering-infectious-disease-prediction/) 業界 建設・社会インフラ サービス データ分析・AI 課題 4カ所で週2回採取する限られた下水データから感染症を予測し、形式の異なるPCR検査データも現地運用に合わせて扱う必要がありました。 支援 アイデア段階から必要なデータを整理し、予測モデルの種類・設定・対象期間を最適化したうえで、CSV形式の差異を吸収するシステムと調整用UIを構築しました。 成果 限られたデータでも地域ごとの感染拡大パターンを捉え、誤差を許容範囲に収めた予測によって、行政の事前準備を支援できる基盤が整いました。 [導入事例一覧を見る](/case-studies/)