フィーチャーストアとは
フィーチャーストア（Feature Store）とは、機械学習で使用する特徴量（フィーチャー）を一元的に管理・提供するためのデータ管理プラットフォームです。特徴量の作成、保管、共有、再利用、サービングを効率化し、学習時と推論時で一貫した特徴量を提供することでデータの品質と再現性を保証します。
| ひとことで言うと | 機械学習で使う特徴量を、一元管理して再利用できるようにする仕組み。 |
|---|---|
| 何がうれしいか | 同じ特徴量を各所で作り直す無駄がなくなり、学習時と本番での食い違いも防げる。 |
| 注意点 | 導入コストが高い。モデルが数個なら過剰投資になりやすい。 |
フィーチャーストアの構成
フィーチャーストアは通常、オフラインストア（学習用の大量データを保持するデータウェアハウス）とオンラインストア（推論時に低レイテンシで特徴量を提供するキャッシュ/KVストア）の2層構成です。特徴量パイプラインがデータソースから特徴量を計算し、両ストアに書き込みます。
1特徴量を定義一度作れば使い回せる
▶
2計算して保存バッチとリアルタイム
▶
3学習時に取得過去時点の値を再現
▶
4推論時も同じ定義食い違いを防ぐ
▶
5チームで共有重複開発をなくす
代表的なフィーチャーストア
Feast（Feature Store）はオープンソースのフィーチャーストアで、Google Cloudとの親和性が高いです。Tecton は商用フィーチャーストアの代表格で、リアルタイム特徴量計算もサポートします。Amazon SageMaker Feature Store、Databricks Feature Storeなどのマネージドサービスもあります。
フィーチャーストアの価値
フィーチャーストアの導入により、チーム間での特徴量の再利用が促進され、同じ特徴量を複数回計算する無駄がなくなります。学習と推論での特徴量の不一致（Training-Serving Skew）を防ぎ、データの系譜管理やガバナンスにも貢献します。