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

Files for download

    Last update: