Un lago de datos es un espacio de almacenamiento que guarda grandes cantidades de datos sin procesar en su forma original, estructurados o no, hasta que alguien los necesite.
Datos · Revisado por Ray Rasouli
Pregunta sobre lago de datos (data lake)
Respuestas simples, pensadas para tu caso.
Pregunta lo que quieras sobre lago de datos (data lake). Por ejemplo, cómo funciona en tus herramientas actuales.
Por ahora es una guía con guion. No guarda lo que escribes.
Un almacén de datos limpia y ordena la información antes de guardarla. Un lago de datos hace lo contrario: guarda todo primero, archivos, registros, imágenes, exportaciones, y deja el ordenamiento para después.
Un fabricante puede volcar en un lago las lecturas de sensores de sus máquinas, notas de mantenimiento y registros de producción. Meses después, un analista las combina para buscar señales antes de las fallas. Nadie tuvo que decidir de antemano cómo se usarían esos datos.
El riesgo es que el lago se vuelva un pantano: muchos datos, sin etiquetas, sin dueño y sin forma de saber qué está vigente. Buenos nombres, un catálogo básico y responsables claros lo mantienen útil.
En la práctica
Nadie cataloga lo que entra.
Sin etiquetas ni responsables, la gente no puede encontrar ni confiar en los datos después.
Se guardan datos sensibles sin controles.
Las exportaciones sin procesar pueden incluir datos personales o financieros que deberían estar restringidos.
Se usa donde un almacén sería más simple.
Para reportes estándar de ventas y finanzas, un almacén estructurado suele ser más fácil de usar.
Un lago guarda datos sin procesar de muchos tipos y les da forma al leerlos. Un almacén guarda datos limpios y estructurados, listos para reportes.
Es un diseño que agrega estructura y consultas tipo almacén sobre el almacenamiento de un lago, para obtener parte de las ventajas de ambos.
Una llamada de descubrimiento de 30 minutos con Ray y luego una lista clara de qué arreglar primero. Sin compromiso.
Con Ray Rasouli. Sin compromiso.