通常のデータ転送では、「予期せぬデータ（NULLなど）が紛れ込んでいた」といった場合でも、ジョブ自体は「成功」で処理されます。

このような「処理は動いたけれど、データの中身が正しくない」というデータ品質低下を防ぐのが、ワークフローのデータチェックタスクです。
データチェックタスクは、単なるエラー検知に留まらず、条件分岐タスクと組み合わせることで、データの状態に応じた柔軟なワークフロー制御を実現します。

※ データチェックタスクはDWH（Google BigQuery、Snowflake、Amazon Redshift、Databricks）のみで提供しております。

データチェックタスクの設定方法

ここでは「優先度が高い（priority = 'High'）レコードが1件以上あればSlackへ通知する」という例を使って設定方法を説明します。

課題

転送ジョブではデータの中身を確認しないため、特定の値が含まれていても検知できません。

クエリ結果が1行1列の数値となるように SELECT 文を記述します。

この例では、優先度が高いレコードの件数を取得します。

SELECT COUNT(*)
FROM `project.dataset.table`
WHERE priority = 'High'

優先度が高いデータがなければ 0、1件以上あれば 1 以上の数値が返ります。

クエリの実行結果に対して、エラーと判定する条件を設定します。

workflow-data-check-task-1

この設定により、優先度が高いデータが1件でも存在すればタスクがエラー終了します。

クエリ結果がNULLになる場合（対象テーブルにデータが存在しない場合など）でもタスクを成功扱いにしたい場合は、このオプションを有効にします。

クエリ結果を条件分岐に利用するを有効にすると、エラー条件に合致した場合でもデータチェックタスク自体は成功として扱われ、後続の条件分岐タスクにクエリ結果を渡せます。

workflow-data-check-task-2

この例では以下のような分岐フローを構築できます。

workflow-data-check-task-3

データチェックタスクと条件分岐タスクを組み合わせることで、データの状態に応じた高度なワークフロー制御が可能になります。