第4章 · 分析のためのデータの準備と使用·v1.0.0·更新 2026/7/30·読了目安約14分

変更要約: Professional Data Engineer 第4章を新規作成（ドメイン4「分析の準備と使用」: 可視化準備＝Looker/Data Studio・マテリアライズドビュー/BI Engine・遅いクエリ対処・データマスキング/IAM/Cloud DLP/列・行アクセス制御、AI/ML 向け準備と共有＝BigQuery ML/特徴量エンジニアリング・埋め込み/RAG・Analytics Hub）。

4.1可視化のためのデータ準備

この節の要点

BI ツールへの接続、事前計算（マテリアライズドビュー・BI Engine）による高速化、遅いクエリのトラブルシューティング、そしてセキュリティ・データマスキング・IAM・Cloud DLP による分析データの保護を理解します。

蓄えたデータは、分析・可視化されて初めて価値を生みます。データエンジニアは、BI が速く・安全に使えるようデータを準備します。

4.1.1可視化と高速化

BI ツール（Looker・Data Studio）を BigQuery に接続して可視化します。高速化には、事前に計算・集計しておくマテリアライズドビューや、BigQuery のインメモリ分析を高速化する BI Engine を使います。よく使う指標を事前計算しておくと、ダッシュボードの応答が速くなります。遅いクエリは、スキャン量・結合・パーティション/クラスタリングの観点でトラブルシューティングします。「ダッシュボードを高速化＝BI Engine/マテリアライズドビュー」と結びます。

4.1.2分析データの保護

分析データも保護が要ります。アクセスは IAM の最小権限で、機微情報は Cloud DLP（Sensitive Data Protection）で発見し、データマスキング（列レベルのマスキング・動的マスキング）で見せ方を制御します。BigQuery では、列/行レベルのアクセス制御で「誰がどの列/行を見られるか」を細かく制御できます。「分析でも機微情報を保護＝マスキング/IAM/Cloud DLP」を押さえます。

試験ポイント

「要件 → 手段」が頻出。例：「ダッシュボードを高速化」＝BI Engine/マテリアライズドビュー、「よく使う集計を事前計算」＝マテリアライズドビュー、「機微列を伏せて見せる」＝データマスキング、「機微情報を検出」＝Cloud DLP、「誰がどの列/行を見られるか制御」＝列/行レベルのアクセス制御。

注意

混同に注意：
①マテリアライズドビュー（事前計算）と BI Engine（インメモリ高速化）は別手段（併用可）。
②分析でも機微情報の保護を忘れない（マスキング/列・行アクセス制御）。
③遅いクエリはスキャン量から疑う（パーティション/クラスタリング）。