数据湖以其原始格式存储原始、非结构化和半结构化数据，使其成为 大数据分析和实时处理的理想选择。

相比之下，数据仓库存储经过处理的结构化数据，并将其组织成模式，从而确保一致性和高性能，用于商业智能和历史报告。

你知道吗？ 坏数据使企业平均损失数百万美元？ 如果数据没有结构化、组织不善或存储不当，企业就会失去成功的关键因素。 了解数据湖与数据仓库之间的区别，有助于有效地为数据科学家和业务分析师提供成功所需的装备。

本指南将帮助您了解这两种工具之间的区别，以及今后应该使用哪种工具。

数据湖（data lake）是两种存储类型中较为简单的一种，可存储各种原始数据，便于检索。 这些数据涵盖了从基于文本的文档（如Excel表格或笔记）到视觉资产（如照片和视频）的各种类型。

根据Grand View Research的一项研究，数据湖被广泛认为是 人工智能和机器学习的基础。 对于那些希望更好地调整战略以适应不断变化的商业环境的企业来说，它们也非常有帮助。

数据湖的关键卖点之一是处理非结构化数据的能力。 也就是说，任何信息都没有预定义的数据模型或模式。 以下是在业务运营中使用和维护数据湖的几个具体好处。

数据湖从根本上来说是一种可扩展的操作，允许企业在需要时随时缩减或 扩展数据。 一个数据湖可以轻松处理数PB（petabyte）级的数据，这在存储如传感器数据、物联网数据以及用户交互记录等单个文件可能轻松达到数GB（gigabyte）量级的数据时至关重要。

原始数据无需转换成其他格式，因此对快速扩张的企业极具吸引力。 因此，数据湖具有高度灵活性，企业只需存储当时对其最有用的数据即可。

客户和业务需求总是在不断变化，因此能够随时将任何有用的数据归档是成功适应的关键。

数据湖是一种预算友好型解决方案，因为无需转换或清理存储的数据。 即使是非常大量的数据也可以轻松驻留在具有内置可扩展性的云计算平台上。

如果企业需要更多存储空间来存储数据，也有经济实惠的升级方案，即使在预算有限的情况下也能实现。

对于需要高度详细运营信息的企业来说，数据湖是最强大的资产之一。 通过轻松访问各种数据源，只需点击一下鼠标，即可深入了解客户行为或行业趋势。

数据湖最理想的使用案例包括（但不限于）：

• 数据科学家的高级分析
• 历史数据存储
• 物联网数据
• 机器学习

虽然数据湖是存储业务或行业数据的高度灵活和经济高效的解决方案，但它可能不是满足您需求的最佳工具。 数据仓库（data warehouse）可对数据的存储、访问和使用方式进行更精细的控制。 不过，它也有一些缺点。 让我们来看看数据仓库的全貌，以及这对您的数据操作意味着什么。

如果您曾在查找特定文件或信息时浪费时间，那么数据仓库可以为您提供解决方案。 这种高度结构化的存储操作非常适合需要省时省力分析不同类型数据的大型企业。

说到数据湖与数据仓库的比较，后者的结构化程度更高。 你可以把前者想象成一个装满不同物品的篮子，而后者则像一个整洁有序的书架。

数据仓库将不同形式的数据转换成一个整洁的框架，确保相似的信息、来源或文件类型被有序地组织和适当聚合。 例如，数据仓库操作可以从多个社交媒体账户中获取有价值的数据，并根据发布时间、内容长度和内容类型等高度特定的细节将其分开。

如果数据科学家需要按照发布日期或行业查找特定数据集，该怎么办？ 数据仓库配备了有用的查询功能，使员工能够在极短的时间内找到他们所需的信息。

例如，一名员工可以使用OLAP查询（或在线分析处理）来查找同一组数据的多个视角。 他们可以按客户保留率或地区对多项研究进行分析。

与随时存储原始数据的数据湖不同，数据仓库在查询时速度更快、效率更高。

数据仓库最吸引人的要素之一是数据存储的一致性。 数据湖可让您灵活地滚动上传各种数据，而数据仓库则可确保这些信息井井有条。

在数据仓库中正确存储数据的方法有很多，以便正确的人员在正确的时间快速检索数据。 做到这一点的几种方法包括（但不限于）：

• 更正过时的数据，例如将旧研究报告换成新报告
• 删除重复记录，避免混淆
• 将数据转化为标准化格式

虽然有些人会同时使用数据湖和数据仓库，但数据仓库的组织级别更高，更适合执行各种任务。 依赖数据仓库功能的几项任务包括：

• 商业智能
• 运营报告
• 法规遵从

现在，您已经对数据湖和数据仓库的好处有了更好的了解，是时候进一步了解如何使用它们了。 您可能会发现其中一种比另一种更适合您的业务需求。

您是否想过，如果您不不断尝试整理现有数据，公司的发展速度会有多快？ 另一方面，也许整理数据是你的强项，而你只是需要更多的容量。

让我们来看看这两种存储类型的目的和用例。

由于数据湖可提供无与伦比的数据存储和可扩展性，因此对于以下任务和角色而言，数据湖具有极大的实用性：

• 最适合数据科学家
• 适用于探索性数据分析和机器学习过程
• 一般适用于随时随地存储未经处理的原始数据

由于数据仓库的组织更为完善，能够快速检索复杂的数据集，因此对更高的业务运营至关重要，例如：

• 业务分析师和决策者
• 最适合生成结构化报告和仪表板
• 适用于存储经过处理和 清理的数据

数据结构是指标记、组织和存储数据的过程。 它也可以指你用来检索数据的方法，比如查询。

以下是数据湖和数据仓库数据结构的简要概述。

由于数据湖是一种更加灵活的数据存储解决方案，因此一开始几乎不需要组织或标记。 企业构建数据湖的几种方式包括：

• 读取模式方法（读取数据时应用模式）
• 能够存储原始数据、半结构化数据和非结构化数据
• 支持多种数据类型（文本、图像、视频等）

由于数据仓库需要高度结构化的数据，因此在使用时有几个必经的流程。 这些过程包括：

• 写入模式方法（在写入数据前定义模式）
• 在具有固定模式的表格中存储结构化数据
• 使用 ETL（提取、转换、加载）流程确保数据质量的能力

由于数据湖本质上是以业务理念为指导的海量存储解决方案，因此通常需要较低的成本。 面向企业的云存储选项提供了灵活的定价模式，使得在不大幅增加预算需求的情况下轻松实现扩展。

也就是说，数据湖也会带来以下性能问题，例如：

• 非结构化数据导致查询性能普遍较慢
• 强大的分析处理能力

数据仓库通常成本较高，因为它们需要更多的维护，以确保数据得到持续的清理和组织。

成本较高的另一面是数据科学家和分析师的数据检索过程更加高效。 您可以期待获得以下好处：

• 更快的结构化数据查询性能
• 有效进行预定义查询和定期报告

现在，您对企业的数据湖和数据仓库有了更多了解，让我们来看看它们如何与其他工具和流程集成。

由于数据湖是一种更为简便的数据存储方式，因此不需要太多复杂的软件或硬件。 一个带有通信平台的基于云的解决方案是你可以开始的简单基础。

数据湖提供以下集成能力，例如：

• 能够与各种数据源（如实时数据流、物联网设备和社交媒体平台）集成
• 受益于数据检索和分析的专业技能和工具（如 Hadoop 或 Spark）

不足之处是，由于数据的非结构化性质，数据治理可能有些复杂。 这意味着，在用新数据填充数据湖时，您可能会面临文件重复、文件损坏和文件不兼容等问题。

2021 年的一项研究发现，半数以上的 IT 高管表示 数据仓库货币化是当务之急。 在与现有系统集成时，数据仓库需要更多的人力投入，但这绝对是值得的。

你可以期待从数据仓库中获得的好处包括：

• 与传统数据源（如企业资源规划系统和客户关系管理系统）良好集成的能力
• 可通过标准 SQL 和 BI 工具进行访问，为企业用户提供更多便利
• 由于采用结构化数据，一般都有强大的数据管理和安全机制

数据湖和数据仓库是维持成功业务最宝贵的工具。 仅仅拥有大量数据是不够的：您需要确保员工能够在正确的时间和正确的地点使用这些数据。

总结一下：

• 数据湖具有处理文本、视频、传感器数据和电子表格等不同数据类型的灵活性和可扩展性
• 数据仓库提供结构化、一致和高性能的数据存储，满足商业智能需求

InterSystems IRIS®为您这样的企业提供全面的解决方案，让您享受以下优势：

• 数据湖和数据仓库的最佳功能
• 两种类型都具有可扩展性、灵活性和高性能
• 维护数据完整性、安全性和可访问性标准
  

InterSystems IRIS 提供功能强大、用途广泛的解决方案。 我们云优先的数据平台使您比以往任何时候都更容易将数据和应用孤岛整合在一起。 InterSystems 利用生成式人工智能、机器学习和互操作性等尖端工具，帮助您的企业以前所未有的速度超越竞争对手。