Python でSalesforce データを変換・出力するETL 処理を作る方法

こんにちは！ウェブ担当の加藤です。マーケ関連のデータ分析や整備もやっています。

Pythonエコシステムには多くのモジュールがあり、システム構築を素早く効率的に行うことができます。本記事では、CData Python Connector for Salesforce とpetl フレームワークを使って、Salesforce データにPython から接続してデータを変換、CSV に出力するETL 変換を実装してみます。

CData Python Connector は効率的なデータ処理によりSalesforce データ にPython から接続し、高いパフォーマンスを発揮します。Salesforce にデータをクエリする際、ドライバーはフィルタリング、集計などがサポートされている場合SQL 処理を直接Salesforce 側に行わせ、サポートされていないSQL 処理については、組み込みのSQL エンジンによりクライアント側で処理を行います（JOIN やSQL 関数など）。

必要なモジュールのインストール

pip で必要なモジュールおよびフレームワークをインストールします：

pip install petl
pip install pandas

Python でSalesforce データをETL 処理するアプリを構築

モジュールとフレームワークをインストールしたら、ETL アプリケーションを組んでいきます。コードのスニペットは以下の通りです。フルコードは記事の末尾に付いています。

CData Connector を含むモジュールをインポートします。

import petl as etl
import pandas as pd
import cdata.salesforce as mod

接続文字列で接続を確立します。connect 関数を使って、CData Salesforce Connector からSalesforce への接続を行います

cnxn = mod.connect("User=username;Password=password;SecurityToken=Your_Security_Token;")

Salesforce 接続プロパティの取得・設定方法

Salesforce への接続には通常のログインの他、OAuth やSSO を利用できます。ログイン方式では、ユーザー名、パスワード、セキュリティトークンを使って接続します。Salesforce セキュリティトークンの取得についてはこちらの記事をご確認ください。

ユーザー名、パスワードを使用しない、またはできない場合、OAuth 認証を利用できます。

SSO (シングルサインオン) は、SSOProperties、SSOLoginUrl、TokenUrl プロパティを設定することでID プロバイダー経由で利用できます。詳細はヘルプドキュメントの「はじめに」を参照してください。

Salesforce をクエリするSQL 文の作成

Salesforce にはSQL でデータアクセスが可能です。Account エンティティからのデータを読み出します。

sql = "SELECT Industry, AnnualRevenue FROM Account WHERE Name = 'GenePoint'"

Salesforce データ のETL 処理

DataFrame に格納されたクエリ結果を使って、petl でETL（抽出・変換・ロード）パイプラインを組みます。この例では、Salesforce データ を取得して、AnnualRevenue カラムでデータをソートして、CSV ファイルにデータをロードします。

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'AnnualRevenue')

etl.tocsv(table2,'account_data.csv')

CData Python Connector for Salesforce を使えば、データベースを扱う場合と同感覚で、Salesforce データ を扱うことができ、petl のようなETL パッケージから直接データにアクセスが可能になります。

おわりに

Salesforce Python Connector の30日の無償トライアル をぜひダウンロードして、Salesforce データ への接続をPython アプリやスクリプトから簡単に作成しましょう。

フルソースコード

import petl as etl
import pandas as pd
import cdata.salesforce as mod

cnxn = mod.connect("User=username;Password=password;SecurityToken=Your_Security_Token;")

sql = "SELECT Industry, AnnualRevenue FROM Account WHERE Name = 'GenePoint'"

table1 = etl.fromdb(cnxn,sql)

table2 = etl.sort(table1,'AnnualRevenue')

etl.tocsv(table2,'account_data.csv')