第 10.2 節雲端分析應用。以 Chime 將多來源客戶互動資料整合進 Snowflake，支援更個人化的金融服務。
理解多來源資料整合、半結構化 JSON 資料與雲端資料倉儲的角色。
Chime 希望分析行動、網站與後端平台的客戶互動，但 Facebook、Google 廣告服務與第三方分析工具等資料來源分散，整合工作繁重。
| 原書項目 | 內容 |
|---|---|
| 整合資料來源 | 14 個 |
| 資料型態範例 | 應用程式事件、廣告服務、JavaScript 物件表示法（JavaScript Object Notation, JSON）文件 |
| 分析平台 | Snowflake Elastic Data Warehouse |
| 查詢需求 | 以標準結構化查詢語言（Structured Query Language, SQL）資料表方式處理／查詢 JSON |
| 業務目的 | 分析客戶互動、改善會員服務與個人化體驗 |
先把 14 個來源拉入 Snowflake，再把半結構化 JSON（JavaScript Object Notation, JSON）資料與其他來源集中分析，以標準結構化查詢語言（Structured Query Language, SQL）進行查詢。
原書只明確提供 14 個資料來源，沒有提供整合前工時、整合後查詢速度、轉換率或營收，因此不能計算效率提升百分比。
此案例顯示雲端資料倉儲的價值在於減少資料孤島，使不同互動資料能在同一環境分析；但原書沒有足夠數字證明任何特定 ROI 或速度倍數。
根據原書 14 個資料來源與資料型態，說明 Snowflake 解決了哪些整合問題；不得補造查詢速度、成本或轉換率。
問題： 若資料來源由 14 個增加到 21 個，來源數增加多少百分比？
參考解答： (21−14)÷14 = 50%；這只是教材假設情境，不是原書實際擴張。