Un data lake o lago de datos es un repositorio centralizado para todos nuestros datos, donde se pueden almacenar tanto datos estructurados como no estructurados, con sus correspondientes metadatos y que son disponibles bajo demanda en todo momento.<\/p>\n\n\n\n
Dentro del data Lake tienen cabida todo tipo de ficheros, independientemente de su fuente, escala o el formato que tengan y con todo ello se pueden ejecutar an\u00e1lisis, visualizaciones y procesos seg\u00fan las necesidades puntuales que tenga la empresa.<\/p>\n\n\n\n
A pesar de que no existe una metodolog\u00eda est\u00e1ndar para crear un data lake, en su proceso se deben tener en consideraci\u00f3n los siguientes pasos:<\/p>\n\n\n\n
– Adquisici\u00f3n de datos a tratar.<\/strong> Como punto de inicio se han de obtener de datos y los metadatos, y prepararlos para la incorporaci\u00f3n al data lake. Identificando las fuentes y datos de m\u00e1s valor para las tareas a la que pueden ser aplicados.<\/p>\n\n\n\n – Data curation \u00f3 grooming data.<\/strong> Tras ello entran en acci\u00f3n el conjunto de procesos que llevan a los datos crudos a datos consumibles por las aplicaciones anal\u00edticas. As\u00ed los datos pasan a tener formatos interpretables y reconocibles.<\/p>\n\n\n\n – Proveer los datos.<\/strong> En base a metainformaci\u00f3n de los datos, se ejecutan los procesos que permiten acceder a los datos contenidos en el data lake en base a las pol\u00edticas establecidas. Con ello se impide el acceso a datos inapropiados y est\u00e1n en disposici\u00f3n de ser utilizarlos de forma adecuada.<\/p>\n\n\n\n – Preservar de los datos<\/strong>. Finalmente entran en juego los procesos y pol\u00edticas que determinan los datos a conservarse y hasta cu\u00e1ndo. Del mismo modo sirve para garantizar la disponibilidad de los mismos y que el rendimiento\/recursos necesarios para acceder a los datos sea sostenible.<\/p>\n\n\n\n Los principales beneficios del uso de un data lake pasan por ser los siguientes:<\/p>\n\n\n\n Cuando se trata de almacenar una cantidad ingente de datos, es com\u00fan que al concepto de data lake se asocie el de data warehouse o almac\u00e9n de datos. El data warehouse, b\u00e1sicamente, son los distintos componentes del data lake que tienen como misi\u00f3n tratar datos estructurados.<\/p>\n\n\n\n Ambos se centran en el almacenamiento de datos, existiendo diferencias como son:<\/p>\n\n\n\n – Accesibilidad.<\/strong> Un data lake ofrece una accesibilidad muy simple, por contra en un data warehouse este asunto es m\u00e1s complejo.<\/p>\n\n\n\n – Almacenamiento.<\/strong> El data lake cuenta con un coste limitado y es ampliable en la nube, mientras que un data warehouse es generalmente m\u00e1s caro.<\/p>\n\n\n\n – Esquema.<\/strong> Los data lakes se basan en esquemas On Read y los data warehouses en esquemas on write.<\/p>\n\n\n\n – Estructura de los datos.<\/strong> Data warehouse solo recoge datos ya estructurados, y data Lake toma datos tanto estructurados como no estructurados.<\/p>\n\n\n\n – Finalidad de los datos.<\/strong> El uso de los datos siempre estar definido en un data warehouse, mientras que en un data lake no siempre es as\u00ed.<\/p>\n\n\n\n – Flexibilidad.<\/strong> En un data lake es m\u00e1s f\u00e1cil hacer modificaciones por la ausencia de estructura, por contra es un data warehouse es mucho m\u00e1s complicado.<\/p>\n\n\n\n – Usuarios.<\/strong> Los datos en un data lake son manejados por analistas, en un data warehouse cualquier usuario autorizado a ello puede manejar los datos.<\/p>\n\n\n\n2. Ventajas de usar un data lake<\/h2>\n\n\n\n
\n
3. Data lake vs. Data warehouse<\/h2>\n\n\n\n
Entradas relacionadas<\/h2>\n\n\n\n
\n