Un lac de date stochează datele brute în formatul lor nativ. Nu se impune nicio schemă la scriere. Tabelele structurate, jurnalele JSON, imaginile și videoclipurile se află toate în același depozit. Schema se aplică atunci când datele sunt citite, nu atunci când sunt stocate. Această flexibilitate este avantajul. Lacul de date acceptă orice. Nu necesită să știi cum vei utiliza datele înainte de a le stoca.

Flexibilitatea este, de asemenea, o problemă. Fără guvernanță, un lac de date devine o mlaștină de date. Nimeni nu știe ce se află în el. Fișierele au nume criptice. Metadatele lipsesc. Datele sunt duplicate în foldere. Analiștii nu pot găsi ceea ce au nevoie. Oamenii de știință în domeniul datelor pierd timpul curățând și explorând în loc să analizeze. Lacul devine un centru de cost, nu un activ. Soluția este guvernanța: cataloage, metadate, controale de acces și proprietate clară. Arhitecturile moderne de tip „data lakehouse” adaugă formate de tabele precum Delta Lake și Iceberg, care aduc lacului aplicarea schemei, tranzacții ACID și performanță a interogărilor. Lacul și depozitul de date converg. Ce e mai bun din ambele: flexibilitatea stocării brute și fiabilitatea tabelelor structurate. Tehnologia s-a îmbunătățit. Cerința de guvernanță rămâne.

Caracteristicile lacului de date

• Schemă la citire — aplică structura la interogare
• Stocare brută — date păstrate în formatul original
• Scalabil — gestionează petabytes pe stocare standard
• Flexibil — acceptă date structurate, semi-structurate și nestructurate
• Dependent de guvernanță — fără catalogare, devine o mlaștină

Un lac de date este un rezervor. Fără o hartă, este doar o întindere de apă.