「モダンデータスタックで組みたいのですが、何をどう並べればよいですか」というご相談を、この半年で何度もいただきました。同時に「モダンデータスタックはもう終わったと聞いたのですが」という真逆の質問も届きます。
答えを先に書くと、構成の考え方としては2026年も主流のままです。ただし2020年代前半に語られていた「Fivetran＋Snowflake＋dbt＋Looker」というテンプレートは、そのままの形では大企業向けの重装備になりました。中堅企業の現実は、BigQueryとTROCCOを軸にした月20〜80万円の軽量版に落ち着きつつあります。
2025年10月にはFivetranとdbt Labsが統合を発表し、業界の合意も「各層でベスト製品を組む」構成から、統合プラットフォームとAI連携を前提にした「Agentic Data Stack」に軸足を移しています。何が変わり、何は変わっていないのか。定義、構成、費用、そして最初の1歩の踏み出し方を、順に整理します。
モダンデータスタック（Modern Data Stack、以下MDS）は、クラウドDWH（データウェアハウス、分析用にデータを集約して保管する基盤）を中心に、データ取り込み・変換・可視化などを担う専用ツールを組み合わせたデータ基盤の構成の通称です。
もう少し具体的に書くと、次の5つの層が「1社1製品」ではなく「層ごとに別ベンダー」で構成されるのが原型です。
このアーキテクチャは2020年10月、ベンチャーキャピタルのa16zが発表したレポート「Emerging Architectures for Modern Data Infrastructure」と、同時期のFivetran主催「Modern Data Stack Conference」で一気に業界標準として提示されました。
上図のように、従来型は自社データセンターのDWHに、ETLサーバー上で「変換してから」書き込む構成でした。1つの製品で全てを内製・運用するモノリシックな作りで、Informatica、Oracle Data Integrator、Talendなどが代表です。
MDSはここを2つの軸で塗り替えました。
まず、ELT（Extract → Load → Transform、先にDWHへロードしてから変換） への転換です。クラウドDWHの計算リソースが安価かつ弾力的になったため、生データをそのままロードし、SQLで変換する方が速くて安くて再現しやすくなりました。ETLサーバーを別建てで運用する必要が消えます。この転換の詳細はETLとELTの違いとは？5つの比較軸とELTが主流になった理由で整理しています。
もう1つは、分業とベスト・オブ・ブリードです。1社が全てを提供する代わりに、各層の得意な会社が専門ツールをSaaSで提供し、SQL・API・オープン規格で接続します。取り込みだけが遅ければFivetranを別のツールに差し替える、といった局所最適化がしやすくなりました。
このELTと分業を可能にした前提が、Snowflake（2014年〜）とBigQuery（2011年〜）に代表される「ストレージと計算を分離した」クラウドDWHです。DWHの仕組みそのものはDWH（データウェアハウス）とは？クラウドDWHの比較と選び方で解説しています。
MDSは「特定のツールセットの商品名」ではなく、「クラウドDWHを中心に、各層をSaaSで組み立てる思想」を指す通称です。Fivetran＋Snowflake＋dbt＋Lookerだけが正解ではなく、BigQuery＋Airbyte＋dbt Core＋Metabaseでも同じ思想が実現できます。国内でTROCCOを使う場合も、思想としては同じ枠に入ります。
2020年時点の5層に、2025〜2026年で3つの新しい層が加わりました。
1. データ取り込み（Ingestion）
Fivetran・Airbyte・TROCCOなどのツール選びはデータ連携ツールの選び方：コスト・サポート・コネクタ数で比較、料金相場のより詳しい比較はデータ連携ツールの料金相場｜費用の抑え方を解説にまとめています。
2. DWH／レイクハウス
DatabricksとSnowflakeの使い分けはDatabricksとは？レイクハウスの仕組みと料金を解説、BigQueryとSnowflakeの違いはSnowflakeとBigQuery比較：コスト・性能・機能の違いと選び方で整理しています。
3. SQL変換（Transformation）
dbtが担う「SQL変換の設計」の中身はdbtとは？BigQueryのデータ変換を効率化するツールを解説で解説しています。
4. オーケストレーション
比較軸はAirflow / Dagster / Prefect：ワークフローエンジンの違いと選び方にまとめています。
5. 可視化・活用
古い解説記事にはない、この2年で第一級市民になった層です。
6. セマンティックレイヤー
「売上」「受注」「粗利率」といった指標の定義をYAMLで1度だけ書き、BI・AI・アプリすべてに同じ定義を配信する層です。dbt Semantic Layer（2023年10月にMetricFlow統合版がGA、2025年以降にAI連携で本格普及）、Cube、AtScaleが代表。詳細はセマンティックレイヤーとは？AI時代のデータ活用の要で扱っています。
ガートナーは2026年の予測で、この層を入れると生成AIの回答精度が80%改善しコストが60%削減されるとしています。逆にセマンティックレイヤーなしでMCPだけに頼るAgentic Analyticsは、2028年までに60%が失敗すると予測しました。
7. データオブザーバビリティ
パイプラインの失敗、鮮度低下、スキーマ変更、異常値を検知する監視層です。Monte Carlo、Bigeye、Sifflet、Great Expectations、Metaplaneなどが代表。5層で組んだ基盤が育つほど、上流の変更が下流のどこを壊したか追跡不能になるため、後付けではなく最初から入れておくのが2026年の標準です。詳しくはデータオブザーバビリティとは？データ品質監視の5つの柱と始め方で整理しています。
8. AI／MCP接続層
AIエージェントがDWHに問い合わせるための接続層です。dbt MCP Server（2025年4月）、BigQuery MCP、Snowflake Cortex Agents、Databricks Genieなど、主要ベンダーが2025〜2026年にかけて出揃いました。この層は単体では意味を持たず、上のセマンティックレイヤーとセットで初めて業務のクエリに使えます。詳細はMCPとは？AIエージェントとBigQueryをつなぐ標準規格の実装ガイドで解説しています。
前提は「データソース50、DWH規模500GB、アナリスト10名」の中堅企業想定です。1USD=155円で換算しています。
海外テック企業の標準的な「best-of-breed」構成です。すべて有償のCloud版を採用した場合の月額を、公開価格ベースで積み上げます。
| 層 | ツール | 月額（USD） | 月額（JPY・155円換算） |
|---|---|---|---|
| 取り込み | Fivetran（50コネクタ） | $2,000〜5,000 | ¥31〜78万 |
| DWH | Snowflake Enterprise（Medium稼働10h/日） | $2,640 | ¥41万 |
| 変換 | dbt Cloud Team（$100/シート×10名） | $1,000 | ¥15.5万 |
| BI | Looker（10ユーザー） | $3,000〜5,000 | ¥46〜78万 |
| リバースETL | Hightouch Pro | $800〜1,500 | ¥12〜23万 |
| 合計 | $9,440〜15,140 | ¥146〜235万 |
年額に換算すると¥1,750〜2,820万で、これに実装人件費や社内運用が乗ります。上場前準備や海外展開を控えた組織にとっては投資として合理的ですが、売上10〜50億円の中堅で使い切るのは容易ではありません。
国内でBigQuery中心の構成を取ると、以下の水準に収まります。
| 層 | ツール | 月額（JPY） |
|---|---|---|
| 取り込み | TROCCO Essential | ¥15万〜 |
| DWH | BigQuery オンデマンド（500GBスキャン/月想定） | ¥1〜5万 |
| 変換 | dbt Core（OSS、自社実行） | ¥0（人件費のみ） |
| BI | Looker Studio | ¥0 |
| 合計 | ¥16〜20万 |
BigQueryのオンデマンド課金はスキャンしたデータ量1TBあたり約$6.25で、パーティション設計をきちんと入れれば500GB規模のワークロードは月数万円に収まります。設計の要点はBigQueryのコスト最適化の考え方にまとめています。
この構成で上場企業クラスの分析要件を回している事例も珍しくありません。逆に、国内でMDSを「まず一式そろえないと」と思い込んで100万円超の構成を選んだものの、機能を持て余しているケースも同じくらい見かけます。
さらに絞るなら、BigQuery＋dbt CoreだけでMDSと同じ思想を実現できます。取り込みは各SaaSのExport機能やCloud Functions＋Cloud Scheduler、BIは既存のスプレッドシートで済ませる構成です。エンジニアが1人いれば月数万円で動きます。
代わりに、ノーコードで運用したい非エンジニアや、鮮度・監視を厳しく問う業務には向きません。データ基盤の構築費全体の相場感はデータ基盤の費用相場と見積もりの内訳で整理しています。
2025年から2026年にかけて業界で語られるようになった「Modern Data Stack is Dead」論の中身を、根拠となっている3つの事実に分けて確認します。
2025年10月、FivetranとdbtLabsは統合を発表しました。両社のユーザーは80〜90%が重複しており、「取り込みと変換の間に会社の境界がある必要はない」という発想です。同じく2025年、Snowflake顧客の52%がDatabricksを併用（2024年は40%）していると報告されました。
各層でベスト製品を選ぶという「best-of-breed」の前提が、統合プラットフォーム側からの圧力で崩れつつあります。
Modern Data 101が2025年3月に発表した調査（48カ国・230名超のデータ実務者、15年以上経験者中心）では、次の結果が出ています。
「best-of-breed」で組んだ結果、日々の作業は「ツール間を行き来する時間」に埋め尽くされる、という数字です。
生成AIが自然言語からSQLを組み立てる仕組みが普及した結果、「5つのソースが切り離されたまま、AIに問い合わせて意味のある答えが返る」というシナリオは実務上ほぼ成立しないことがはっきりしました。
このため、Semantic LayerとMCPをセットにした「Agentic Data Stack」が新しい重心になっています。ここは、これまでの分業前提のMDSにとって根本的な追加要件です。詳細はなぜAI時代にこそデータ基盤が必要か｜生成AIが失敗する理由で整理しています。
MDSは「死んだ」というより、「best-of-breedの徹底」から「統合プラットフォーム＋AI連携＋オブザーバビリティ」の重心に移った、というのが正確な理解です。5層の骨格は残り、その上下に3層が乗った、と考えるのが実務的です。
導入プロジェクトで実際に起きているつまずきを5つに整理します。
「MDSといえばFivetran＋Snowflake＋Lookerでしょう」と、最初から月150万円超の構成を組む。数か月で「これ、使っている機能は月10万円ぶんもない」と気づき、コストだけが残ります。
対処は、まず動く最小構成を組み、痛みが出たところだけ差し替えること。BigQuery＋TROCCO＋Looker Studio＋dbt Coreで始めれば、月20万円以内で「MDS的な体験」の8割は再現できます。
Fivetranは月あたりアクティブ行数（MAR）課金で、2026年からdelete行・履歴行も加算されます。Snowflakeはウェアハウスのアイドル時間で40%浪費という報告もあります。
対処は、契約前に3ヶ月分の実データで見積もりを取り直すこと、そしてアイドル時間の自動停止設定を最初から入れることです。
「売上」「CV」の定義を曖昧なままにしておくと、複数のBIやチャットAIから同じ質問をして違う数字が返ってきます。これはツールの問題ではなく、定義を1つに揃える層が欠けているからです。
対処は、MDSを組む段階でセマンティックレイヤーを最初から入れること。dbt Semantic LayerかCubeを使えば、YAMLで書いた指標定義がすべての利用側に配信されます。
パイプラインが5〜10本を超えるあたりから、「昨日のダッシュボードの数字が今日変わっている」といった事故が増えます。オブザーバビリティを後付けで導入するのは大工事になりがちです。
対処は、dbt testやElementary、Great Expectationsといった軽量な監視を、パイプライン1本目の段階から入れておくこと。フル構成のMonte Carloは組織が育ってからで十分間に合います。
FivetranやAirbyteは、kintone、HRMOS、freee、マネーフォワードなど日本語圏のSaaSコネクタが弱いです。「Fivetranで全部繋がる想定」で組み始めた結果、業務系SaaSだけ手動CSVという運用が固定化するケースがあります。
対処は、取り込み層に国内SaaS対応を条件に入れて選ぶこと。TROCCOは国内SaaSコネクタが厚く、Fivetranと役割分担する構成も現実的です。
導入プロジェクトを失敗させないための最小限の手順を、4ステップで示します。
「データ基盤を作る」ではなく、「どのKPIを、誰の意思決定のために、どの粒度で速くしたいか」を1つ決めます。月次締めの営業レポートを翌朝に、SaaSのMRR推移をリアルタイムで、広告のROIを媒体横断で。この1文が書けないうちに、ツール選定に入ってはいけません。SaaSプロダクトでチャーンとLTVを軸にKPIを組み直したい場合は、SaaSプロダクトのデータ分析基盤の作り方｜チャーン・LTVを可視化する費用と手順にモダンデータスタックへの寄せ方をまとめています。
上のKPIに必要なソースを3〜5個に絞り、TROCCOで取り込み、BigQueryに保存、Looker Studioで1枚のダッシュボードにします。ここまで月20万円以内・実装2〜4週間を目安に。目安を大きく超えるなら、要件が広がりすぎていないか戻って確認します。
ダッシュボードが1枚できたら、そのSQLをdbtに移し、テストとリネージ（データの流れの記録）を仕込みます。dbt Coreで十分です。ここまでで、パイプライン変更やデータ品質異常の検知を仕組みで担保できます。
dbt導入の外部委託を検討する場合の範囲と費用はdbt導入・構築支援の費用と進め方にまとめています。
利用者が増え、指標が10を超え、AIエージェントから呼ぶ需要が出てきたら、セマンティックレイヤー（dbt Semantic LayerまたはCube）を追加します。Fivetran、Snowflake、Lookerへの移行を検討するのは、TROCCOやBigQueryオンデマンドで明確に痛みが出てからで遅くありません。
導入の全体的な進め方や失敗を防ぐ考え方はデータ基盤とは？導入すべき3つの理由と4つの構成要素｜2026年版にも整理しています。
モダンデータスタックは、2020年に生まれた「クラウドDWHを中心にSaaSを組み合わせる」構成の通称です。2026年時点では、そこにセマンティックレイヤー・オブザーバビリティ・AI/MCPの3層が加わり、best-of-breedから統合プラットフォームへの重心移動も同時に進んでいます。
Fivetran＋Snowflake＋Lookerの「フル構成」を最初のゴールに置くと、月100万円超のランニングコストだけが残るケースが多いです。国内中堅企業の実務では、BigQuery＋TROCCO＋Looker Studio＋dbt Coreで月20万円以内から始め、痛みが出たところだけ差し替えていくのが最も失敗しにくいパターンでした。
Evastは、この「小さく組んで痛みが出たところだけ差し替える」進め方でのデータ基盤構築を支援しています。BigQuery中心の構成から始めて、必要なタイミングでSnowflakeやDatabricks、Semantic Layer、AIエージェント接続まで拡張したいというご相談を多数いただいています。
自社の要件に合った構成を一緒に検討したい方は、データ基盤の構築支援サービスからお気軽にお問い合わせください。既にBigQueryやSnowflakeを使っていて、費用が想定を超えている・意味定義が揃わない・AI連携で詰まっているといったご相談も歓迎です。
データ基盤SnowflakeからBigQueryへの移行費用と工程を、稟議にそのまま使える形で整理。2026-04 GAのBigQuery Data Transfer Service、SQL方言差、判断基準、失敗パターンまで。10TB規模で初期1,200万〜2,500万円、期間3〜4ヶ月が目安です。
データ基盤dbt導入・構築支援の費用相場をPoC100万〜、初期構築300万〜、大規模移行800万〜の3段階で公開。依頼できる4つの範囲、4ステップの進め方、DWH実績で見抜く支援会社の選び方、社内でハマる3つの壁と回避策を、dbt経験者ゼロの前提で整理しました。
データ基盤DWH（データウェアハウス）の料金を、クエリ・ストレージ・付随コストの3要素に分解して整理します。BigQuery・Snowflake・Redshiftの2026年時点の主要単価、小・中・大規模の月額試算シミュレーション、DWH本体だけでは足りない全体費用の見積もり、実績が想定を30〜50%上回る典型3パターン、発注前にベンダーへ確認したいチェックリストまで、費用の全体像を意思決定できる形でまとめました。
