Apa Itu Snowflake? Panduan Pemula untuk Platform Data Berbasis Cloud

Snowflake adalah platform data berbasis cloud yang merevolusi penyimpanan dan analitik data. Sementara sebagian besar platform cloud melakukan komputasi analitik dan tugas terkait penyimpanan seperti transfer data pada sumber daya yang sama, arsitektur unik Snowflake memisahkan beban komputasi dari beban penyimpanan. Seiring meningkatnya volume data, kemampuan Snowflake untuk beradaptasi dengan kebutuhan organisasi menjadi semakin penting dalam ekonomi data modern.

Artikel ini memperkenalkan Anda pada Snowflake dari dasar. Anda tidak memerlukan pengalaman sebelumnya dengan database atau komputasi cloud untuk mengikutinya. Kami akan menjelaskan apa itu Snowflake, apa yang membuatnya berbeda, bagaimana cara menggunakannya, dan bagaimana Anda dapat memulai hari ini. Jika Anda mencari pendekatan yang lebih praktis, lihat jalur keterampilan Snowflake Foundations.

Apa Itu Snowflake?

Database tradisional on-premises memiliki seluruh ruang penyimpanan, daya komputasi, dan peralatan jaringan di lokasi perusahaan (on-prem).

Snowflake adalah platform data cloud-native yang memungkinkan bisnis menyimpan, mengelola, menganalisis, dan berbagi data dalam skala besar. Snowflake sepenuhnya berjalan di cloud dan menyediakan alat canggih untuk data warehousing, data lake, business intelligence, dan machine learning, semuanya dalam satu platform.

Selain itu, Snowflake memudahkan berbagi data antar tim. Data engineer dan data analyst sering menggunakan bahasa pemrograman bernama SQL untuk melakukan transformasi dan analisis data. Karena Snowflake berjalan di atas SQL, kedua kelompok ini dapat lebih mudah berkomunikasi tentang kebutuhan data mereka.

Snowflake memiliki integrasi yang sangat baik dengan penyedia cloud lainnya dan sering dipilih karena arsitekturnya yang unik yang membantu efisiensi pemrosesan data.

Integrasi cloud

Snowflake sendiri merupakan lingkungan data cloud yang lengkap, namun itu tidak berarti pengguna terkunci sepenuhnya pada ekosistemnya. Snowflake terintegrasi dengan tiga platform cloud utama:

• Amazon Web Services (AWS)
• Microsoft Azure
• Google Cloud Platform (GCP)

Integrasi ini memungkinkan pengguna Snowflake dengan mudah berbagi data dari Snowflake ke platform cloud yang sudah mereka gunakan dan sebaliknya. Ini memberi organisasi fleksibilitas untuk menerapkan Snowflake di lingkungan cloud yang sudah mereka gunakan dengan pengembangan minimal.

Arsitektur unik

Snowflake memiliki tiga lapisan utama: service layer, compute layer, dan storage layer. Service layer bersifat umum, menampung semua fungsi cloud seperti keamanan, akses, dan infrastruktur. Yang membuat Snowflake menarik adalah pemisahan antara compute dan storage layer.

Sebagian besar waktu, sumber daya komputasi seperti CPU dan memori digunakan bersama untuk komputasi dan penyimpanan data. Pemisahan keduanya oleh Snowflake menawarkan beberapa manfaat menarik yang memudahkan penskalaan dan meningkatkan efisiensi. Hal ini dilakukan melalui konsep “virtual warehouse” di mana setiap orang yang menggunakan Snowflake mendapatkan seperangkat sumber daya virtual yang tidak dibagikan dengan orang lain.

Sebagai contoh, berbagi data menjadi mudah karena Anda dapat mengalokasikan lebih banyak sumber daya untuk mentransfer dan menyalin data ke pengguna. Jadi alih-alih semua orang di perusahaan Anda menarik data dari satu salinan data, Snowflake membuat salinan sementara untuk setiap orang.

Demikian pula, karena Anda tidak menghabiskan sumber daya berharga untuk penyimpanan dan penyalinan data, Anda mendapatkan akses ke lebih banyak CPU untuk analisis dan pemrosesan data. Ini berarti kueri SQL dan pipeline analitik Anda berjalan lebih cepat selama virtual warehouse Anda cukup besar untuk menangani komputasi.

Berikut ringkasan manfaatnya:

• Penyimpanan: Data Anda berada di repositori pusat. Segala sesuatu yang mengakses data seperti pemartisian atau pengindeksan data dilakukan oleh worker yang terspesialisasi dalam data tersimpan. Snowflake kemudian membagikan komponen data yang diperlukan untuk sesi pengguna.
• Komputasi: Tugas komputasi dilakukan oleh virtual warehouse yang pada dasarnya adalah kluster sumber daya komputasi (CPU dan memori) yang menangani hal-hal seperti tugas SQL analitik, memuat/mengeluarkan data, dan sebagainya.

Arsitektur Snowflake memberikan beberapa keunggulan kunci dengan memisahkan penyimpanan dari sumber daya komputasi:

• Skalabilitas: Dengan mudah menskalakan daya komputasi dan penyimpanan secara independen. Butuh lebih banyak penyimpanan? Tambahkan tanpa biaya CPU tambahan. Butuh lebih banyak daya pemrosesan? Perbesar virtual warehouse Anda tanpa memengaruhi penyimpanan data.
• Konkurrensi: Banyak pengguna dan tugas berjalan bersamaan tanpa berebut sumber daya, memastikan kinerja konsisten untuk semua orang.
• Efisiensi biaya: Hanya membayar sesuai penggunaan. Cepat menaikkan atau menurunkan skala sumber daya berdasarkan permintaan, sehingga mengurangi biaya yang tidak perlu.

Arsitektur Snowflake (docs.snowflake.com)

Untuk ulasan mendalam, lihat artikel tentang arsitektur Snowflake.

Fitur Utama Snowflake

Snowflake adalah platform data cloud-native yang sepenuhnya dikelola untuk memenuhi kebutuhan tim data modern. Seperti yang telah kita lihat, Snowflake menawarkan skalabilitas, performa, dan keamanan yang sangat baik. Platform ini juga cukup mudah digunakan dengan dukungan SQL dan antarmuka yang ramah pengguna.

Skalabilitas

Skalabilitas mengacu pada seberapa baik suatu sistem dapat berkembang dan menangani lebih banyak data atau lebih banyak pengguna tanpa kehilangan kinerja. Snowflake unggul di sini karena arsitekturnya yang memisahkan penyimpanan dan komputasi. Jika saya membutuhkan daya komputasi lebih, saya dapat memperbesar virtual warehouse. Jika saya membutuhkan lebih banyak penyimpanan, saya bisa terus meminta ruang penyimpanan tambahan.

Dalam sistem tradisional, penskalaan sering berarti downtime atau mengonfigurasi ulang perangkat keras. Jika saya menginginkan komputasi atau penyimpanan lebih, prosesnya bisa panjang: melepas perangkat keras lama dan menyalin data atau perangkat lunak ke perangkat keras baru. Di Snowflake, semuanya tinggal klik (atau perintah) saja.

Contoh:

• Sebuah startup kecil dapat memulai dengan warehouse X-Small untuk kueri ringan dan laporan sesekali.
• Seiring pertumbuhan data, mereka dapat meningkatkan ke warehouse Large atau X-Large tanpa migrasi data. Layanan data tradisional mungkin mengharuskan Anda memindahkan data tersebut ke warehouse fisik yang lebih besar sebelum bisa mengakses daya komputasi yang lebih besar.
• Untuk concurrensi tinggi (banyak pengguna mengakses sistem sekaligus), Snowflake mendukung multi-cluster warehouse yang secara otomatis menambah kluster untuk menangani beban.

Snowflake juga secara otomatis menskalakan kluster komputasi naik atau turun berdasarkan beban kerja. Ini memastikan:

• Performa kueri cepat saat jam sibuk.
• Penghematan biaya saat menganggur (sumber daya komputasi jeda secara otomatis).

Performa

Snowflake dioptimalkan untuk beban kerja data yang menuntut, menawarkan kecepatan konsisten baik untuk analitik kompleks, unggahan batch, maupun dasbor live. Teknologi kunci yang mendorong performa tinggi ini meliputi:

• Penyimpanan kolumnar: Data disimpan per kolom alih-alih per baris sehingga mempercepat kueri analitik dengan mengakses hanya data yang diperlukan.
• Optimisasi kueri otomatis: Snowflake secara otomatis menganalisis dan mengoptimalkan kueri, meningkatkan performa seiring meningkatnya penggunaan.
• Caching hasil: Kueri yang sering dijalankan akan disajikan instan dari hasil cache, mengurangi waktu dan biaya komputasi.
• Manajemen metadata: Pelacakan cerdas statistik data dan pola kueri memastikan eksekusi kueri yang efisien.

Keamanan

Snowflake memprioritaskan keamanan tingkat enterprise dengan langkah-langkah kuat untuk melindungi data Anda:

• Enkripsi end-to-end: Enkripsi AES-256 melindungi data saat disimpan maupun saat transit.
• Role-Based Access Control (RBAC): Pengelolaan akses yang granular memastikan pengguna hanya melihat yang mereka butuhkan, meminimalkan risiko.
• Autentikasi multi-faktor: Menambahkan lapisan keamanan ekstra untuk mengakses Snowflake.
• Data masking dan keamanan tingkat baris: Kontrol terperinci membatasi visibilitas data sensitif berdasarkan peran.
• Sertifikasi kepatuhan: Memenuhi standar industri seperti HIPAA dan GDPR.
• Time travel dan fail-safe: Memulihkan data historis dan mengembalikan catatan yang dihapus hingga 90 hari, melindungi dari kesalahan atau aktivitas berbahaya.

Kemudahan penggunaan

Snowflake banyak dipuji karena desainnya yang ramah pengguna, sangat bermanfaat bagi pemula yang menguasai SQL. Fitur kemudahan penggunaan utamanya meliputi:

• Antarmuka berbasis web: UI intuitif memudahkan navigasi database, penulisan kueri, dan manajemen pengguna.
• Kompatibilitas SQL standar: Tidak perlu bahasa baru. Snowflake mendukung pernyataan SQL yang familier langsung siap pakai.
• Tanpa pengelolaan infrastruktur: Sepenuhnya dikelola, dengan penskalaan dan optimisasi otomatis yang menghilangkan kebutuhan penyiapan atau pemeliharaan infrastruktur.
• Integrasi alat yang luas: Terhubung mulus dengan alat analitik (PowerBI, Tableau), layanan ETL (Fivetran), dan bahasa (Python, Java).
• Marketplace data: Dengan mudah menjelajahi dan berlangganan dataset pihak ketiga tanpa memindahkan data, meningkatkan kemampuan analitik.

Snowflake bertujuan mempermudah transisi dari layanan atau platform lain. Berikut sesi code-along yang bagus untuk mempelajari betapa mudahnya Snowflake digunakan untuk analisis data dengan bahasa seperti Python dan SQL.

Untuk Apa Snowflake Digunakan?

Snowflake memiliki beragam kegunaan mulai dari data warehouse hingga analitik real-time. Kami akan membahas dasar-dasar fungsi Snowflake di bagian ini.

Data warehousing

Data warehouse pada dasarnya adalah hub pusat untuk data terstruktur yang dikumpulkan dari berbagai sumber. Snowflake populer karena menangani semua kompleksitas teknis secara otomatis. Anda tidak perlu khawatir tentang pemeliharaan server atau mengoptimalkan penyimpanan secara manual, Snowflake menanganinya untuk Anda.

• Penskalaan otomatis berarti warehouse Anda tumbuh atau menyusut sesuai permintaan.
• Upaya minimal pada infrastruktur—fokus saja pada analisis data Anda.
• Performa kueri cepat tanpa perlu keterampilan khusus.

Data lake

Data lake menyimpan data mentah yang belum diproses, yang dapat berupa terstruktur (seperti spreadsheet), semi-terstruktur (seperti email atau file JSON), atau tidak terstruktur (audio atau video). Secara tradisional, membuat data lake memerlukan banyak penyiapan di awal, tetapi Snowflake menyederhanakannya dengan secara native menangani beragam format data seperti JSON, Parquet, ORC, Avro, dan XML.

• Tanpa pemrosesan eksternal atau penyiapan yang rumit.
• Menggabungkan fleksibilitas data lake dengan kemudahan data warehouse, membentuk apa yang sering disebut "lakehouse".

Berbagi data

Berbagi data antar tim atau bahkan antar organisasi biasanya melibatkan banyak penyalinan dan ekspor. Snowflake membuat proses ini menjadi mudah—Anda menyimpan data di lingkungan Anda sendiri dan cukup memberikan akses real-time kepada pihak lain.

• Berbagi data secara instan dan aman.
• Kolaborasi yang disederhanakan tanpa memindahkan file.

Analitik real-time

Analitik real-time mengacu pada kemampuan memproses dan menganalisis data saat data masuk, alih-alih menunggu muatan batch berkala. Snowflake memungkinkannya dengan mendukung pemasukan data berlatensi rendah dan pipeline streaming. Snowflake menawarkan berbagai alat yang mendukung analitik real-time:

• Snowpipe: Layanan ingestion tanpa server yang secara otomatis memuat file saat file tiba di penyimpanan cloud (mis., S3, Azure Blob).
• Snowpipe Streaming: Kemampuan yang lebih baru yang memungkinkan aplikasi mendorong data baris demi baris ke Snowflake melalui SDK dengan latensi sub-detik.
• Streams dan Tasks: Fitur native untuk melacak perubahan dan mengotomatisasi transformasi

Pelajari lebih lanjut tentang berbagai pipeline data di Snowflake yang membuat analitik real-time menjadi sederhana melalui panduan pemula membangun pipeline di Snowflake ini.

Menjelajah Ekosistem Snowflake

Selain menyediakan alat pipeline data yang kuat, Snowflake memiliki seluruh ekosistem analitik. Ia menawarkan solusi AI dan ML sekaligus memungkinkan developer menulis dalam bahasa pemrograman yang mereka kuasai untuk membuat transformasi data.

Snowflake Cortex: Mengintegrasikan AI dan ML

Snowflake Cortex adalah lapisan kecerdasan buatan dan machine learning (AI/ML) bawaan Snowflake. Ini memungkinkan tim membangun, menjalankan, dan menskalakan AI generatif, model prediktif, dan pengalaman bahasa alami langsung di tempat data mereka berada tanpa perlu memindahkan data ke platform AI eksternal.

Snowflake menyediakan fungsi AI siap pakai yang dapat Anda jalankan dengan SQL sederhana, seperti kemampuan menggunakan LLM (seperti Deepseek atau Llama dari Facebook) untuk meringkas, menerjemahkan, dan memahami ulasan pelanggan. Cortex Analyst memungkinkan pengguna menggunakan bahasa alami untuk melakukan kueri data, sangat bagus bagi pengguna yang kurang berorientasi pada SQL. Anda dapat langsung menanyakan pada Snowflake seperti “Bagaimana penjualan pada kuartal terakhir?” dan Snowflake akan melakukan kueri data untuk Anda.

Snowflake juga menawarkan ML Studio yang menyediakan opsi no/low-code yang sangat baik untuk menguji dan mengevaluasi model machine learning pada data Snowflake live. Untuk panduan praktis Snowflake Cortex AI, ikuti panduan yang membahas pemrosesan teks di Snowflake.

Snowpark: Memberdayakan developer

Snowpark adalah kerangka kerja untuk developer yang memungkinkan Anda membangun dan menjalankan logika data kompleks menggunakan bahasa pemrograman yang familier, seperti Python, Java, atau Scala, langsung di dalam lingkungan Snowflake.

Secara tradisional, data engineer harus mengekstrak data dari warehouse untuk diproses di tempat lain. Snowpark membalik model ini dengan membawa logika ke data, meningkatkan performa, keamanan, dan efisiensi biaya.

Kini, Anda dapat melakukan pemrosesan di dalam database di mana Python atau Java Anda berjalan secara native di Snowflake tanpa memerlukan sesi Spark terpisah. Anggota tim dapat menggunakan SQL atau Python pada platform yang sama dan berkolaborasi pada data yang sama. Selain itu, alih-alih menggunakan konektor untuk membawa data secara lokal ke lingkungan pemrograman ini, semuanya berjalan di Snowflake sehingga mengurangi risiko paparan data.

Untuk informasi lebih lanjut tentang menjalankan bahasa pemrograman di Snowflake, pelajari Snowpark melalui pengantar Snowflake Snowpark.

Snowflake di AWS

Snowflake dibangun dari nol untuk berjalan di cloud dengan penerapan pertama dan paling matang di AWS. Karena integrasi awal dan mendalam ini, Snowflake memiliki interoperabilitas erat dengan layanan-layanan kunci AWS, memungkinkan pengguna membangun pipeline data yang aman, terukur, dan sangat otomatis menggunakan alat dan infrastruktur AWS yang familier.

Jika organisasi Anda sudah menggunakan AWS, menerapkan Snowflake di AWS akan membuat pemindahan, pemrosesan, dan analisis data Anda menjadi jauh lebih mudah. Ada banyak layanan yang bekerja mulus dengan Snowflake.

Layanan AWS utama yang bekerja dengan Snowflake

1. Amazon S3 (Simple Storage Service)

S3 adalah sistem penyimpanan cloud AWS yang banyak digunakan untuk menyimpan file data seperti log, CSV, JSON, Parquet, dan lainnya. Berikut artikel yang membahas lebih lanjut tentang Amazon S3. Snowflake terintegrasi dengan S3 secara out of the box dan memungkinkan Anda untuk:

• Mengimpor data dari S3: Anda dapat menggunakan COPY INTO atau Snowpipe untuk memuat data terstruktur atau semi-terstruktur dari bucket S3 ke tabel Snowflake.
• Menulis data ke S3: Snowflake juga memungkinkan Anda mengekspor atau menempatkan data ke S3 untuk berbagi, pencadangan, atau pemrosesan lanjutan.
• Akses tanpa salin (melalui external table): Snowflake dapat melakukan kueri langsung pada data di S3 tanpa menyalinnya terlebih dahulu, menggunakan external table—menghemat waktu dan biaya penyimpanan.

2. AWS PrivateLink

AWS PrivateLink adalah fitur jaringan yang membuat koneksi privat, aman, dan berbandwidth tinggi antara AWS Virtual Private Cloud (VPC) Anda dan Snowflake.

Tanpa PrivateLink, lalu lintas antara sistem AWS Anda dan Snowflake biasanya akan melewati internet publik. Fitur ini memastikan kebutuhan kepatuhan atau latensi yang ketat dengan hal-hal berikut:

• Data Anda tetap berada di dalam batas jaringan AWS Anda.
• Anda menghilangkan paparan ke internet publik.
• Membantu memenuhi persyaratan keamanan dan regulasi, terutama di sektor keuangan, kesehatan, atau pemerintahan.

3. AWS Lambda, SNS, dan Notifikasi Event S3

Snowflake mendukung arsitektur berbasis event melalui ingestion otomatis yang dipicu oleh layanan AWS. Berikut cara kerjanya bersama-sama:

• Notifikasi Event S3: Setiap kali sebuah file diunggah ke bucket S3, AWS dapat mengirimkan notifikasi.
• SNS (Simple Notification Service): Notifikasi ini dapat memicu pesan ke layanan atau sistem AWS lainnya.
• AWS Lambda: Ini adalah fungsi tanpa server yang menjalankan skrip saat sebuah event terjadi. Anda dapat menggunakannya untuk memanggil Snowpipe, pemuat data berkelanjutan milik Snowflake.

Alur kerja ini menghilangkan kebutuhan untuk menjadwalkan muatan data secara manual dan memungkinkan pipeline ingestion hampir real-time, sempurna untuk analitik log, data sensor, atau telemetri aplikasi.

Untuk mempelajari lebih lanjut seluk-beluk infrastruktur AWS milik Amazon, lihat panduan tentang AWS Lambda, AWS SNS, dan S3 EFS.

Saya juga sangat merekomendasikan kursus tentang konsep AWS Cloud dan layanan untuk memahami secara mendalam cara kerja semua komponen ini.

Memulai dengan Snowflake

Berikut ringkasan singkat beberapa langkah dasar untuk memulai dengan Snowflake. Untuk mempelajari lebih lanjut fitur esensial Snowflake, ikuti kursus Introduction to Snowflake yang membahas dasar-dasar penggunaan Snowflake untuk memuat dan mengeksplorasi data.

Mengakses Snowflake

Langkah pertama adalah mendapatkan akses. Snowflake (pada saat penulisan Mei 2025) menawarkan uji coba yang memberi kredit untuk menggunakan fitur Snowflake. Memulai sangat sederhana:

1. Daftar di signup.snowflake.com
2. Pilih penyedia cloud (AWS, Azure, GCP)
3. Masuk ke UI Snowflake

Memuat data

Anda dapat memuat data ke Snowflake melalui beberapa opsi. Anda dapat drag-and-drop tipe file yang didukung (parquet, JSON, csv, dll.) di UI yang kemudian diproses menjadi tabel di database dan skema pilihan Anda, menggunakan SQL, atau menggunakan program pihak ketiga.

Cara yang umum adalah menghubungkan Snowflake Anda ke sistem penyimpanan cloud seperti S3 milik Amazon dan menggunakan perintah SQL seperti COPY INTO untuk mentransfer data dari penyimpanan cloud Anda ke database Snowflake Anda.

Terakhir, Anda juga dapat menggunakan alat ETL pihak ketiga seperti Fivetran dan Matillion untuk memproses data sebelum menempatkannya ke Snowflake. Alat pihak ketiga ini membantu membersihkan data Anda sebelum dimuat ke Snowflake. Untuk detail lebih lanjut tentang memasukkan data ke Snowflake, lihat panduan tentang Snowflake Data Ingestion.

Menjalankan kueri

Snowflake memudahkan menjalankan kueri di UI-nya. Pertama, masuk ke akun Snowflake Anda lalu buka worksheet. Hal terpenting untuk dipahami adalah Snowflake memerlukan Anda memilih peran akun tertentu dan virtual warehouse. Ini adalah bagian dari arsitektur Snowflake yang memisahkan akses penyimpanan dan sumber daya komputasi Anda.

Jika Anda, atau orang yang mengelola Snowflake Anda, telah memberikan Anda berbagai peran akun, maka setiap peran mungkin memiliki tingkat akses yang berbeda. Mungkin satu peran dirancang untuk data produksi live dan satu peran untuk pengujian. Ini mencegah Anda secara tidak sengaja mencampur data dari sumber berbeda dalam analisis Anda!

Setiap peran akan memiliki seperangkat virtual warehouse sendiri, pilih warehouse yang tepat yang akan memberikan sumber daya komputasi yang Anda butuhkan. Mungkin hal sederhana hanya membutuhkan warehouse X-Small, tetapi hal yang lebih besar membutuhkan Large atau bahkan X-Large.

Kemudian, Anda dapat memilih database dan skema lalu menjalankan SQL seperti biasa. Database adalah unit penyimpanan utama di mana skema adalah kumpulan tabel Anda.

Setelah itu disiapkan, Anda dapat menjalankan kueri SQL seperti biasa. Misalnya, contoh kueri mungkin terlihat seperti berikut:

use schema snowflake_sample_data.tpch_sf1;
-- or tpch_sf100, tpch_sf1000

SELECT
l_returnflag,
l_linestatus,
sum(l_quantity) as sum_qty,
sum(l_extendedprice) as sum_base_price,
sum(l_extendedprice * (1-l_discount))
  as sum_disc_price,
sum(l_extendedprice * (1-l_discount) *
  (1+l_tax)) as sum_charge,
avg(l_quantity) as avg_qty,
avg(l_extendedprice) as avg_price,
avg(l_discount) as avg_disc,
count(*) as count_order
FROM
lineitem
WHERE
l_shipdate <= dateadd(day, -90, to_date('1998-12-01'))
GROUP BY
l_returnflag,
l_linestatus
ORDER BY
l_returnflag,
l_linestatus;

Untuk wawasan lebih lanjut tentang Snowflake dan mempelajari cara menguasai antarmukanya, lihat artikel tentang Cara Belajar Snowflake. Jika Anda ingin belajar lebih jauh tentang SQL, lihat berbagai Kursus SQL di Datacamp.

Kesimpulan

Snowflake lebih dari sekadar data warehouse di cloud. Ini adalah platform kuat yang menyatukan data warehousing, lake, berbagi data, AI, dan alat developer dalam satu pengalaman. Bagi pemula, ini adalah salah satu cara termudah dan paling skalabel untuk memulai di dunia data. Dengan antarmuka yang ramah SQL, opsi developer seperti Snowpark, dan kemampuan AI melalui Cortex, Snowflake memberdayakan individu dan organisasi untuk melakukan lebih banyak dengan data mereka. Untuk informasi lebih lanjut tentang Snowflake, lihat sumber berikut:

• Jalur keterampilan Snowflake Foundations
• Introduction to Data Modeling in Snowflake
• Getting Started with Data Analysis in Snowflake
• Best Snowflake Certification
• SQL Fundamentals