diff --git a/docs/collect.md b/docs/collect.md
new file mode 100644
index 0000000..e4a62c8
--- /dev/null
+++ b/docs/collect.md
@@ -0,0 +1,139 @@
+# データ収集
+
+## コンポーネントについて
+
+| コンポ―ネント    | 内容                                                                   |
+| ---------------- | ---------------------------------------------------------------------- |
+| Parquet          | 列指向のバイナリ形式のデータファイル                                   |
+| DuckDB           | 手元で動く小さなDWH / Parquet/CSVに強い(ローカル向け)                  |
+| BigQuery         | マネージド型の DWH（データウェアハウス）                               |
+| ClickHouse       | 列指向DBの代表格（超高速集計、リアルタイム分析）                       |
+| Apache Druid     | 時系列分析やダッシュボード用途に強い /  Supersetと相性がよい           |
+| Apache Pinot     | Druidに似ていて、リアルタイム分析に特化（広告配信やA/Bテスト分析など） |
+| Jupyter Notebook |                                                                        |
+| Metabase         |                                                                        |
+| Superset         |                                                                        |
+
+
+### DuckDB(クエリエンジン)
+
+軽量・組み込み型の分析データベース
+SQLiteが「小さなトランザクションDB」なら、DuckDBは「小さなOLAPエンジン」。
+
+イメージとしては以下の通りです。
+
+SQLite：小さなアプリ用に最適化されたトランザクションDB
+DuckDB：データ分析のために最適化された組み込みエンジン
+
+
+* サーバ不要
+  * 1つのライブラリ／プロセスで動く。インストールもシンプル（Python, CLI, R, C/C++など）
+* 列指向ストレージ：大量データのスキャンや集計に強い。
+* 外部ファイルを直接クエリできるのが大きな特徴。
+
+**ユースケース**
+
+* 毎月の CSVやParquetを置くだけで分析
+* Jupyter NotebookやPythonスクリプトの中で 即席SQLエンジンとして活用
+* BIツール（Metabase / Superset / Tableau）に接続して レポート化
+
+
+### Parquet
+
+Parquet（パーケイ） は列指向のバイナリ形式のデータファイル です。
+Apache が開発したオープンフォーマットで、ビッグデータ処理や分析用に広く使われています。
+
+* Parquet のファイル拡張子は .parquet(例: `logs_2025_09.parquet`)
+* 列指向フォーマット
+* 圧縮効率が高い
+  * 列ごとに同じ型・似た値が並ぶため、圧縮（Snappy/Zstd/Gzipなど）が効きやすい
+* CSVは全部テキスト扱いだが、Parquetはカラムごとに「整数」「浮動小数」「日付」などの型を保持
+* park / Hive / Presto / BigQuery / Snowflake / DuckDB / Pandas など、ほとんどの分析基盤がネイティブ対応
+
+**CSV(行)**
+
+```csv
+id,name,age
+1,Alice,24
+2,Bob,30
+3,Charlie,28
+```
+
+**Parquet (列指向・バイナリ)**
+
+```
+id:  [1,2,3]
+name:[Alice,Bob,Charlie]
+age: [24,30,28]
+```
+
+### BigQuery
+
+マネージド型の DWH（データウェアハウス）で
+提供元はGoogle Cloudです
+
+* サーバ運用不要（完全マネージド）
+* データを GCS に置いて「外部テーブル」でクエリも可能
+* 料金は ストレージ＋スキャンしたデータ量に応じて課金。
+* 同時接続や大規模並列処理が強く、Looker StudioなどBIツールと相性抜群。
+* 無料プラン
+  * 毎月ストレージ部分で少量(例 10GB)まで無料の枠がある。
+  * クエリ処理も、毎月一定量(例 1TB の処理量)まで無料。
+
+**ユースケース**
+* 数百GB〜PB規模のデータをクラウドでガッツリ分析したいとき。
+* 運用を省きたいとき
+
+### ClickHouse
+
+列指向DBの代表格（超高速集計、リアルタイム分析）
+ログ分析、イベントデータ処理に強い。
+
+
+## システム構成
+
+### 1. CSV
+
+PoCならCSVのみで運用することも多々あります
+
+運用ルールとしてよくあるのは以下のようなものです
+
+* ディレクトリは y=YYYY/m=MM[/d=DD] のHive風で粒度を切る
+* ファイル名は 日付＋ソース＋バージョン を含める
+`例: events_2025-09-13_sourceA_v1.csv`
+* スキーマ/品質
+  * スキーマ表用意（列名・型・必須/NULL・説明）
+  * 区切り・エンコーディング(UTF-8)・改行コード(LF) を固定
+  * ヘッダ1行固定、列順は変えない（変えるなら列マップを同梱）
+  * NULLは "" or 明示トークン（NULL）で統一
+  * タイムスタンプは ISO 8601 (UTC推奨)：2025-09-13T00:00:00Z
+
+
+### 2. CSV + DuckDB + （Parquet）
+
+運用する際にディレクトリ構成に設計が必要になります。
+
+ディレクトリ設計例
+```
+data/
+  raw_csv/
+    y=2025/m=09/*.csv             # “年/月”で月次パーティション
+  parquet/
+    y=2025/m=09/*.parquet         # 変換先（後述のバッチで作る）
+duckdb/
+  lake.duckdb                      # メタ・ビュー定義だけを持つDBファイル
+```
+
+### 3. (列指向DWH) ClickHouse/Apache Druid/Apache Pinot
+
+ClickHouse / Apache Druid / Apache Pinot は、CSV以外のフォーマットや
+ストリームからそのまま取り込みできますし、直接INSERTや外部ファイルを直接クエリも可能です
+基本は直接で速い・型が保てる・圧縮効率がよく・読み取りコスト低い
+
+
+### 4. GCSのCSV/Parquet + BigQuery
+
+
+
+
+
diff --git a/docs/data.md b/docs/data.md
new file mode 100644
index 0000000..da95f02
--- /dev/null
+++ b/docs/data.md
@@ -0,0 +1,100 @@
+
+## フォルダ設計
+
+実用的な運用パターン
+
+```sh
+/data/<domain>/<layer>/y=<YYYY>/m=<MM>/d=<DD>/
+# 例
+/data/marketing/silver/y=2025/m=06/d=01/*.csv
+/data/marketing/silver/y=2025/m=06/*.parquet
+# サブドメインパターン /data/<domain/<subdomain>>/<layer>
+/data/sales/orders/bronze/y=2025/m=06
+```
+
+### パーティションディレクトリ構造 (Hive partitioning)
+
+* y=2025/m=06/d=01/ のように key=value で階層を切るのは、Hadoop/Hive 系からの習慣です。
+* BigQuery、Athena、Spark、Trino、DuckDB などほとんどのエンジンが理解できます。
+
+### レイヤ
+
+* bronze/ = 生データ(取ってきたまま、CSVなど)
+* silver/ = 整形済み(型そろえ、Parquet化、パーティション付与)
+* gold/ = 集計/マート用(ダッシュボード直結)
+
+“品質レベル”が一目でわかる。AWSやGCPでもよく使う。
+
+### ファイル名などのイベント規則
+
+フォルダで年月やドメインを切っているので、
+ファイル名は中身や分割単位を表す情報を載せるのが一般的です。
+
+* イベント種別 or データセット名
+  * `orders, clicks, refunds`など
+* 日付/時間(分割単位)
+  * 2025-06-01, 2025-06-01-15h など
+* バージョン or チャンク番号
+  * 再生成や分割を考慮して _v1, _part-0001
+
+
+```sh
+# サンプル
+clicks_2025-06-01_v1.csv
+impressions_2025-06-01_v1.csv
+conversions_2025-06-01_v1.csv
+
+# チャンク
+clicks_2025-06-01_part-0001.csv
+```
+
+
+## パイプライン型パターン
+
+* ELT型(データ)：Extract(取得) → Land(保存) → Transform(SQL/dbt/duckdb)
+* ML型：データ準備 → 特徴量 → 学習 → 評価 → 登録(MLflow/Weights&Biases)
+* イベント処理：ストリーム受信 → 変換 → 集計 → マート出力(Kafka→Druid/Pinot/ClickHouse
+* バッチETL：取り込み → 正規化 → 検証 → 出力(Airflow/Dagster/Luigi/Prefectでオーケストレーション)
+* dbt型：ソース → ステージング → マート(SQL中心・テストとドキュメント込み)
+
+### ETL / ETL
+
+#### ELTとは (Extract → Load → Transform)
+
+`取得 → DBへロード → 変換`の流れで実行
+変換は SQL や dbt など、DWH自体の計算能力を使う。
+BigQuery / Snowflake / Redshift などのクラウドDWHの時代に主流になった。
+
+**メリット**
+* 生データを残せる（Landに置くので後から再処理できる）
+
+#### ETLとは (Extract → Transform → Load)
+
+`取得 → 変換 → DBへロード`の流れで実行
+90年代〜2010年代前半までの「オンプレDWH」時代によく使われた。
+変換はアプリケーションサーバーや専用ETLツールでやるイメージです
+
+
+## 汎用性を高めるための設計原則
+
+* I/Oはアダプタ分離：FS/GCS/S3/DB接続は adapters/(同じ関数シグネチャで差し替え)
+* 実行ドライバは3種
+  * CLI(ローカル/CI): `python -m app run --date 2025-09-13`
+  * HTTP(GCF/Cloud Run): main(request) → 同じ関数を呼ぶ
+  * スケジューラ(Cloud Scheduler / cron / GitHub Actions)
+
+
+## 用語集
+
+**ETL / ELT**
+
+Extract, Transform, Load(または Load, Transform)
+データパイプラインの基本パターン
+
+**データレイク (Data Lake)**
+
+生データをフォーマット問わず保存する場所。S3/GCS/HDFSなど
+
+**データウェアハウス (DWH)**
+
+整形済みデータを分析用に最適化して保存するDB(BigQuery, Snowflake, Redshift など)
\ No newline at end of file