データレイクとは？

データレイクの意味

構造化データ（表形式のデータ）だけでなく、非構造化データ（画像・ログ・テキストなど）も含め、多様な形式のデータを加工せずに元の形のまま大量に蓄積しておくためのデータ貯蔵場所。あらかじめ用途を決めずにデータを集約し、必要に応じて後から分析・加工する点が、あらかじめスキーマを定義するデータウェアハウスと異なる。

データレイクの具体例

センサーログ、SNSの投稿、業務システムのトランザクションデータなど形式の異なるデータをそのままデータレイクに集約しておき、分析部門が必要になった時点で加工・活用する。

データレイクは試験でどう引っ掛けられる？

DWHとの違いはスキーマを決める時点。レイクは生データのまま貯めて読むときに解釈（スキーマオンリード）、DWHは格納前に構造を定義（スキーマオンライト）。DWHの一部を用途別に切り出したデータマートとも別物。

データレイクと関連する用語

• ビッグデータ活用

データレイクが出た過去問

• ビッグデータのデータ貯蔵場所であるデータレイクの特徴として、適切なものはどれか。

  正解：あらゆるデータをそのままの形式や構造で格納しておく。

  要点：データレイクは加工せず元の形式のまま大量に貯める

  データレイクは、構造化・非構造化を問わずあらゆるデータを、加工せず元の形式のまま大量に蓄積しておく仕組みである。利用目的を先に決めずに貯めておき、必要になった時点で分析に合わせて加工する点が特徴で、あらかじめスキーマを定義して整形してから格納するデータウェアハウスとは考え方が逆である。メタデータの管理は、貯めたデータを見つけ出すためにむしろ重要になる。

  出典：令和4年度 s 基本情報技術者試験 kamokuA 問23（IPA）