主要なデータ型（データ定義）

1. 文字列型：VARCHAR

最もよく使われる型です。

• 定義方法: VARCHAR, STRING, TEXT（これらはすべて同じ意味です）。
• 特徴:
  • 最大サイズ: 16MBまで（非常に大きいです）。
  • ストレージの節約: VARCHAR(100) と指定しても、実際に10文字しか入っていなければ、Snowflakeは10文字分のスペースしか消費しません。そのため、他のDBのように「サイズを小さくして節約する」という工夫はあまり必要ありません。
  • ベストプラクティス: 迷ったら VARCHAR（サイズ指定なし、または最大）で定義して問題ありません。パフォーマンスに影響は出ないよう設計されています。

2. 数値型：NUMBER

整数から小数点までをカバーします。

• 定義方法: NUMBER(精度, 尺度)。
  • 精度 (Precision): 全体の桁数（最大38桁）。
  • 尺度 (Scale): 小数点以下の桁数。
• 別名: INTEGER, INT, DECIMAL なども使えますが、内部的にはすべて NUMBER として処理されます。
• FLOAT型: FLOAT, DOUBLE もあります。これらは「近似値」を扱うため、科学計算には向いていますが、お金の計算（1円の誤差も許されない場合）には必ず NUMBER を使いましょう。

3. 日付・時刻型：DATE, TIME, TIMESTAMP

時系列データの分析に欠かせません。

• DATE: 日付のみ（YYYY-MM-DD）。
• TIME: 時刻のみ（HH:MI:SS）。
• TIMESTAMP: 日付 ＋ 時刻。Snowflakeには3種類あります。
  1. TIMESTAMP_NTZ (No Time Zone): タイムゾーンなし。
  2. TIMESTAMP_TZ (With Time Zone): タイムゾーン情報を保持。
  3. TIMESTAMP_LTZ (Local Time Zone): セッション（ユーザー）の現在地に合わせた時間を表示。
• 注意点: 分析基盤では、混乱を避けるために TIMESTAMP_NTZ（UTC固定など）がよく使われます。

4. 論理型：BOOLEAN

TRUE か FALSE の2択です。

• 特徴: 内部的には TRUE / FALSE ですが、ロード時には 1 / 0 や 'Yes' / 'No' も自動的に解釈してくれます。

5. 半構造化データ型：VARIANT, ARRAY, OBJECT

前回の回答で触れた「魔法の型」シリーズです。

• VARIANT: 何でも入る（JSONなど）。
• ARRAY: リスト形式 ["apple", "banana"]。
• OBJECT: キーと値のペア {"color": "red"}。

VARIANT型とは？

VARIANT型とは、「どんなデータ型でも格納できる、万能な器」のことです。 通常のテーブル（構造化データ）は「1列目：数値、2列目：日付」と厳密に型を決めますが、VARIANT型はJSON、Avro、ORC、Parquetなどの「半構造化データ」を、そのまま1つの列に丸ごと入れることができます。

なぜVARIANT型がすごいのか？

• 事前の定義がいらない: JSONの中身にどんなキーがあるか、事前にテーブルを設計しなくてOK。
• スキーマ・オン・リード: データを入れるとき（ロード）ではなく、使うとき（クエリ）に型を解釈します。
• 自動最適化: Snowflakeの裏側では、VARIANTの中身を解析して列形式に圧縮してくれるため、検索速度が落ちません。

2. データの「中身」にアクセスする方法（ドット記法）

VARIANT型に入れたデータを取り出すのは驚くほど簡単です。SQLの中でドット（.）やコロン（:）を使うだけで、深い階層のデータも一瞬で引っこ抜けます。

実践例：

例えば、src_json という列に以下のようなデータが入っているとします。 {"user": {"id": 123, "name": "Tanaka"}, "items": ["Apple", "Orange"]}

SELECT
    src_json:user.id::NUMBER AS user_id,     -- ドットとコロンで深い階層へ
    src_json:user.name::STRING AS user_name, -- 最後に「::型名」でキャスト
    src_json:items[0]::STRING AS first_item  -- 配列もインデックスで指定可能
FROM raw_data_table;