「BigQueryでCDPを作りたい」が増えている理由
日本の中堅企業がCDP（顧客データ基盤）の自社開発を検討するとき、土台として最も多く選ばれているのが Google BigQuery です。理由は単純で、すでに使っている／使ったことがある会社が多いからです。
- マーケ・分析チームが Google アナリティクス（GA4）のデータを BigQuery にエクスポートしている
- Looker Studio（旧 Data Studio）でレポートを作っている延長で、BigQuery に直接 SQL を書く文化がある
- Google Workspace を全社利用していて、Google Cloud のアカウント管理がしやすい
つまり、ゼロから新しい基盤を選定するのではなく 「既にあるBigQueryを発展させてCDPにする」という選択が現実的になっています。本記事では、この判断が向くケースと向かないケース、追加で必要になる機能・費用・体制を整理します。
大前提: BigQueryだけでは CDP にならない
最初に押さえておきたいのは、BigQuery 単体は CDP ではないということです。BigQuery は大量のデータを保存して高速に検索・集計できる「データ倉庫」であり、CDPとして機能させるには上に複数の層を組み合わせる必要があります。
CDPに必要な機能とBigQueryの守備範囲
CDPに必要な機能 | BigQuery単体 | 追加で必要なもの |
|---|---|---|
データ収集（複数システムからの取り込み） | × | Fivetran／trocco／Embulk／自前バッチ など |
大量データの保管 | ○ | BigQuery 標準機能 |
顧客IDの統合（名寄せ） | △（SQLで実装可、ロジックは自作） | 独自SQL設計／dbt 等のSQL運用ツール |
セグメント作成（マーケ向け画面） | × | Looker／Census／Hightouch／自社開発UI など |
連携先（広告・MA・CRM）への配信 | × | Reverse ETL ツール（Census／Hightouch等） |
同意管理・個人情報マスキング | △（部分的にRow-level securityで対応可） | 同意管理ツール／自社実装 |
リアルタイム処理 | △（Streaming Insertで対応可、コスト注意） | Pub/Sub＋Dataflow など |
つまり、「BigQuery で CDP を作る」とは、上記の追加層をまとめて構築・運用することを意味します。
BigQuery CDP の典型的な構成
中堅企業で実際によく採用される構成パターンです。
- データ取り込み層: 自社のECサイト・CRM・MAツール・広告データなどを BigQuery に集める。Fivetran や trocco（国内製、サポート日本語）がよく使われる
- データ整形層: BigQuery 内で名寄せ・統合処理。dbt（データ変換のツール）でSQL運用を整理することが多い
- セグメント／活用層: マーケがセグメントを作って利用。Looker でダッシュボードを見る、Census/Hightouch で広告ツールやMAに自動連携する、など
- 監査・ガバナンス層: 個人情報の取り扱いログ、参照権限管理。Google Cloud の標準機能 + 同意管理ツール連携
これらすべてを構築・運用することになるので、「BigQuery を使えば安く済む」というのは半分正解で半分誤解です。
BigQuery CDP の費用構造
BigQuery 自体の費用
BigQuery は 使った分だけ払う従量課金です。中堅企業のCDP用途で目安になる費用感は次の通り。
- データ保管料: 顧客100万件規模で月1万〜5万円
- クエリ実行料: マーケが日常的に分析する規模で月3万〜20万円
- リアルタイム取り込み: 使う場合さらに月数万円〜
BigQuery 単体だけ見ると 年100万〜400万円程度で済むことが多く、月額制サービス型CDPの利用料（年600万〜3,000万円）と比べて圧倒的に安く見えます。
追加層の費用
ただし、CDPとして使うために必要な追加層のライセンス・運用費が乗ります。
追加層 | 選択肢 | 年額目安 |
|---|---|---|
データ取り込み | Fivetran／trocco／自前バッチ | 100万〜400万円 |
SQL運用ツール | dbt Cloud／自前運用 | 0万〜300万円 |
セグメント・ダッシュボード | Looker／自社開発UI | 200万〜800万円 |
広告／MA連携（Reverse ETL） | Census／Hightouch | 200万〜600万円 |
同意管理 | OneTrust等／自社実装 | 100万〜400万円 |
3年合計コスト
初期構築費 ＋ 上記追加層 ＋ BigQuery利用料 ＋ 運用人件費（専任エンジニア1〜2名分）を合計すると、3年で2,800万〜10,900万円程度になります。月額制サービス型CDPの3年合計（3,600万〜16,100万円）と大差はないケースも多いです。
「BigQueryで作れば安い」という前提で意思決定すると、追加層のコストで結局同じレンジに収束することは認識しておくべきです。
BigQuery CDP が向くケース
1. すでに BigQuery が活用されている
マーケ・分析・経営レポートで BigQuery が日常的に使われている場合、CDP を BigQuery 上に構築すると 既存の知見・データ・ツール群を流用できる。新しい基盤を覚え直すコストがかからない。
2. 独自業務ロジックを実装したい
SQL でロジックを記述するため、複雑な顧客スコアリング、業界固有の名寄せルール、独自のRFM分析（顧客分類）など、製品の標準機能では収まらない要件が多いケースに向く。
3. 専任エンジニア（特にSQL書ける人）が社内にいる
BigQuery CDP の運用は SQL とデータパイプライン管理が中心です。社内に1〜2名以上、SQL に強いエンジニア／アナリストがいることが前提。
4. データ量が多い
顧客数1,000万件超、もしくは1日あたりの行動ログが数千万行になるような規模では、月額制CDPの利用料が指数的に上がるため、BigQuery の従量課金の方が合理的になりやすい。
BigQuery CDP が向かないケース
1. マーケ部門が画面操作だけで完結したい
BigQuery CDP は最終的にマーケが使う画面（Looker や自社開発UI）を作る／買う必要があり、構築期間中はマーケがすぐ使えない期間ができる。「3か月後から触れます」では困る場合は、月額制CDPの方が立ち上がりが早い。
2. 専任エンジニアの確保が難しい
BigQuery CDP は構築後も継続的にデータパイプラインのメンテナンスが必要。エンジニアが退職して引き継ぎがされないと、半年で塩漬け化する。1名体制ではリスク高。
3. AWS をメインに使っている
すでに AWS に大量のシステムがあり、データも S3 や Redshift に集まっている場合、わざわざ BigQuery に持ってくるのは無理がある。AWS なら Redshift／Snowflake、もしくは AWS Bedrock 含めた Amazon 系の選択肢の方が自然。
4. 個人情報を Google Cloud 外に置くなという規制
金融・医療など、個人情報の保管先が厳しく制限される業界では、Google Cloud に保存できないケースがある。この場合は社内データセンター or 国内クラウドの選択肢を検討。
既製CDP（Treasure Data／Salesforce CDP）と比較する判断軸
判断軸 | BigQuery CDP | 既製CDP（Treasure Data等） |
|---|---|---|
立ち上がりの速さ | 遅い（4〜10か月） | 速い（2〜5か月） |
マーケが直接使う画面 | 自分で作る／買う必要あり | 製品に標準搭載 |
独自ロジックの自由度 | 非常に高い | 製品仕様の範囲 |
運用に必要なエンジニア | 2〜4名 | 0.5〜1名 |
3年合計コスト（顧客100万件想定） | 2,800万〜10,900万円 | 3,600万〜16,100万円 |
ベンダーサポート | Google Cloud のサポートのみ | 製品ベンダー＋実装パートナー |
顧客10倍にスケールしたとき | 従量課金で線形に増える | 利用料が大きく跳ねる傾向 |
BigQuery CDP の進め方（推奨ステップ）
- 業務目的の言語化（1か月）: 「マーケで何をしたいか」を3〜5施策で具体化。BigQuery選定の前にここを固める
- 既存データの棚卸し（1か月）: 何のデータがどこにあるか、品質はどうか、を洗い出す
- 初期スコープを絞った構築（3〜5か月）: 全データソースを一気に繋がず、「マーケ施策3つに必要なデータだけ」で MVP を作る
- マーケ部門での試用（1〜2か月）: クローズドβで限定運用、フィードバック収集
- 段階的な拡張（継続）: 必要に応じてデータソース追加、画面強化、連携先拡大
「全社のデータを全部入れて、画面も全部作って、全マーケが使えるようにする」を最初から狙うと、構築だけで1年以上かかり、頓挫リスクが高くなります。
まとめ: BigQuery CDP は「ツールを買う」ではなく「組み立てる」決断
BigQuery を CDP の土台にする選択は、コストの安さよりも「自由度の高さ」と「既存資産の活用」が本質的なメリットです。一方で、CDPに必要な機能を 自分たちで組み立てる覚悟と体制が必要になります。
すでに BigQuery を活用していて、社内に SQL に強いエンジニア・アナリストがいて、独自業務ロジックを実装したい中堅企業には合理的な選択肢です。逆に、立ち上がりの速さやマーケの自走を優先するなら、月額制CDPの方が向きます。
「BigQuery で安く作れますよ」というセールストークだけで判断せず、追加で必要になる層・費用・体制を含めて3年TCOで比較するのが現実的です。
Beekleにご相談ください
Beekleでは、生成AI／CDP／業務システムの企画・要件定義・開発・運用までワンストップで支援しています。「何を作れば成功か」の整理、検証フェーズの設計、本番化判断まで、発注側の判断材料が揃うように伴走します。費用感の概算だけでも歓迎です。