DS検定トップ
＞ データレイクとは？（DWHとの違いも整理）【DS検定リテラシー】
## まず結論
データレイクとは、形式を問わず生データをそのまま大量に保存するための仕組み（考え方）です。
DS検定では「データウェアハウス（DWH）との違い」を判断させる問題がよく出ます。
## 直感的な説明
### データレイク
とにかく全部そのまま貯める「大きな湖」。
- Excel
- ログ
- 画像
- 音声
- センサーデータ
形式をそろえず、そのまま保存します。
### データウェアハウス（DWH）
整理して棚に並べた「倉庫」。
- きれいに構造化
- 分析しやすい形に整形済み
この違いが最大のポイントです。
## 定義・仕組み
### データレイクの特徴
- 構造化・非構造化データをそのまま保存
- 保存時に整形しない（Schema on Read）
- 後から用途に応じて加工する
よくHDFSやクラウドストレージと組み合わせて構築されます。
重要なのは、
データレイクは「保存の考え方」であって
特定の製品名ではない、という点です。
## どんな場面で使う？
### 使う場面
- 将来何に使うか未確定のデータ保存
- AI・機械学習用データの蓄積
- IoTやログなど大量データの保管
とりあえず全部ためる、が基本思想です。
### 向かない場面
- 即座に集計・レポートしたい場合
- 経営指標の定型分析
その場合はDWHが向いています。
## よくある誤解・混同
### ① データレイク＝HDFS？
違います。
HDFSは保存技術。
データレイクは保存の考え方。
DS検定ではここを混同させます。
### ② データレイクは整理されている？
いいえ。
保存時は整理しません。
読み出すときに構造を定義します。
### ③ DWHとの違い
| 項目 | データレイク | DWH |
|------|--------------|-----|
| 保存時 | 整形しない | 整形する |
| データ形式 | 何でも可 | 主に構造化 |
| 用途 | AI・将来分析 | 定型分析 |
DS検定では
「構造化済み」「経営分析用」と書いてあればDWH寄りです。
## まとめ（試験直前用）
- データレイク＝生データをそのまま保存
- 形式を問わない
- 保存時に整形しない（Schema on Read）
- DWHは整形済みデータ
- 「全部ためる」思想 → データレイク
## 対応スキル項目（データエンジニアリング力シート）
- データ基盤
- データ管理
- ★ データ基盤の代表的なアーキテクチャを理解している
- ★ データレイクとデータウェアハウスの違いを理解している