ETL/ELT

ETL/ELTの本格整備には、ツールライセンス費用に加え、データエンジニアの人件費・コネクター開発・運用保守コストが継続的に発生します。マネージドSaaSを利用する場合でも、月額数十万円から数百万円規模の費用が標準的であり、接続データソース数やデータ量に応じてコストが増大します。少なくとも年間売上30億円・従業員200名規模の企業でなければ、専任エンジニアの確保とツール費用の両立が難しい傾向があります。

ROIの観点では、整備されたパイプラインが分析・マーケティング・オペレーション各チームの意思決定精度を高め、スプレッドシート作業の削減や施策PDCAの高速化をもたらします。ただし効果は間接的なため「ETL/ELTを入れた結果、売上がX%上がった」という直線的な測定は困難です。費用対効果を説明しやすくするために、削減できたデータ集計工数（FTE換算）と、それによって解放された分析・施策時間を定量化することを推奨します。

規模が不十分な場合の代替として、まずはGoogle Cloud DataflowやAWS Glueといったクラウドネイティブのフルマネージドサービスを小規模から試すか、dbt Coreの無償版とエンジニア1名の体制で低コスト実装を行うアプローチも現実的です。データソースが3〜5本程度であれば、Claude Code等のAIコーディング支援を活用した軽量なカスタムパイプラインも選択肢に入ります。

ETLの概念は1970年代のデータウェアハウス研究にまで遡ります。1990年代にBill Inmonらが提唱したDWH設計論の普及とともに「抽出・変換・格納」という処理フローが業界標準として定着し、InformaticaやIBM DataStageといったエンタープライズETLツールが大企業向けに広く展開されました。2000年代にはオープンソースのApache Kettleや商用ツールの競合が激化し、ETL市場が本格的に形成されます。2010年代後半、クラウドDWHの台頭によってELT（先にロードしてからDWH上で変換）という逆順のアーキテクチャが注目を集め、Fivetran（2012年創業）やStitch Dataのようなクラウドネイティブなマネージドコネクターサービスが登場しました。2016年にはdbtがデータ変換レイヤーを標準化するツールとして登場し、以降「Modern Data Stack」の中核を担っています。

日本市場では、2000年代前半に大手SIerを通じたInformatica・DataStage導入が金融・製造大企業に広まりました。クラウド移行が加速した2018〜2020年頃から、Snowflake Japan・Google Cloudの国内展開に合わせてELTアーキテクチャへの関心が高まります。2021年にはprocaが国産マネージドETL/ELTサービス「trocco」を本格展開し、日本企業特有のSaaS連携（Kintone・楽天・Yahoo広告等）に対応したコネクターが評価されています。内製化志向の高まりやデータエンジニア需要の急増により、日本でも「SaaSコネクター＋dbt＋クラウドDWH」の組み合わせが中堅〜大企業のデファクトスタックになりつつあります。