A Comparative Analysis of Oracle and Snowflake: Evaluating Performance, Scalability, and the Shifting Landscape of Modern SQL Databases
| Thesis title: | A Comparative Analysis of Oracle and Snowflake: Evaluating Performance, Scalability, and the Shifting Landscape of Modern SQL Databases |
|---|---|
| Author: | Labazina, Mariia |
| Thesis type: | Bachelor thesis |
| Supervisor: | Staněk, Štěpán |
| Opponents: | Karkošková, Soňa |
| Thesis language: | English |
| Abstract: | This thesis compares Oracle Autonomous Data Warehouse and Snowflake as platforms for AI-driven analytics in regulated financial environments. The comparison is based on three evaluation criteria: architectural design and workload support, performance and AI capabilities, and price and total cost of ownership. The results are validated by controlled comparative experiments on real-world test instances using a dataset on bank account fraud containing 6 million rows. A key empirical finding is the non-deterministic behaviour of Snowflake Cortex AI’s classification when executing identical fraud detection queries, which is structurally incompatible with audit trail integrity requirements in regulated environments and is not described in existing vendor literature. The thesis concludes that platform selection is a strategic rather than a purely technical decision, and proposes an additional hybrid deployment model for organisations with heterogeneous analytical and transactional requirements. |
| Keywords: | Oracle Autonomous Data Warehouse ; Snowflake; cloud data warehouse; comparative analysis; AI-driven analytics; financial sector; evaluation framework |
| Thesis title: | A Comparative Analysis of Oracle and Snowflake: Evaluating Performance, Scalability, and the Shifting Landscape of Modern SQL Databases |
|---|---|
| Author: | Labazina, Mariia |
| Thesis type: | Bakalářská práce |
| Supervisor: | Staněk, Štěpán |
| Opponents: | Karkošková, Soňa |
| Thesis language: | English |
| Abstract: | Tato práce porovnává platformy Oracle Autonomous Data Warehouse a Snowflake z hlediska jejich využití pro analytiku založenou na umělé inteligenci v regulovaném finančním prostředí. Srovnání vychází ze tří hodnotících kritérií: architektonického řešení a podpory pracovních úloh, výkonu a schopností v oblasti umělé inteligence, a ceny a celkových nákladů na vlastnictví. Výsledky jsou ověřeny kontrolovanými srovnávacími experimenty na reálných testovacích instancích s využitím datového souboru o podvodech s bankovními účty obsahujícího 6 milionů řádků. Klíčovým empirickým zjištěním je nedeterministické chování klasifikace Snowflake Cortex AI při provádění identických dotazů na detekci podvodů, což je strukturálně neslučitelné s požadavky na integritu auditní stopy v regulovaných prostředích a není popsáno v existující dokumentaci dodavatele. Práce dochází k závěru, že výběr platformy je spíše strategickým než čistě technickým rozhodnutím, a navrhuje další hybridní model nasazení pro organizace s heterogenními analytickými a transakčními požadavky. |
| Keywords: | Oracle Autonomous Data Warehouse ; cloud data warehouse; analytika na bázi umělé inteligence; finanční sektor; srovnávací analýza; hodnotící rámec; Snowflake |
Information about study
| Study programme: | Aplikovaná informatika |
|---|---|
| Type of study programme: | Bakalářský studijní program |
| Assigned degree: | Bc. |
| Institutions assigning academic degree: | Vysoká škola ekonomická v Praze |
| Faculty: | Faculty of Informatics and Statistics |
| Department: | Department of Information Technologies |
Information on submission and defense
| Date of assignment: | 16. 11. 2025 |
|---|---|
| Date of submission: | 10. 5. 2026 |
| Date of defense: | 22. 6. 2026 |
| Identifier in the InSIS system: | https://insis.vse.cz/zp/94509/podrobnosti |