データレイクとは何かざっくり解説！

【ざっくり言うと】

データレイクとは、「あとで使うかもしれないから、とりあえず何でも放り込んでおく巨大な沼（ため池）」のことやで。

どうも、ワイです。

さっき解説したデータウェアハウス（DWH）は、綺麗に整理された「お店の商品棚」でしたよね。
でも、世の中には「棚に並べられないモノ」っていっぱいあるじゃないですか。

例えば、お客さんとの通話音声とか、防犯カメラの映像とか、ぐちゃぐちゃのメモ書きとか。

これを無理やりDWHに入れようとしても、「形が合いません！」ってエラーが出て弾かれちゃいます。
そこで登場するのが、データレイクです。

データレイクは、文字通り「湖（レイク）」です。
ここには、どんな形のデータでも、加工せずにそのまま「ドボン！」と投げ込んでOKです。

イメージとしては、「実家の押入れ」が近いです。
「いつか使うかもしれないから、とりあえずダンボールに詰めて突っ込んでおけ！」っていう、あの感じです。

Aさん（新人）：「先輩…困りました。コールセンターの『お客様の声（音声データ）』を分析しろって言われたんですけど、いつものDWHに入らないんです…。」

Bさん（ベテラン）：「そりゃそうだよ。DWHは『エクセルみたいに表になってるデータ』しか受け付けない箱入り娘だからな。」

Aさん：「じゃあ、この大量の音声データ、捨てちゃうんですか？」

Bさん：「もったいない！そういうのはデータレイクに放り込んでおくんだよ。」

Aさん：「レイク…？湖ですか？」

Bさん：「そう。Amazon S3とかGoogle Cloud Storageみたいな安い場所に、とりあえず保存しておくの。で、必要になったらそこから取り出して、AIで文字起こしして、綺麗なデータにしてからBigQueryに移せばいいんだよ。」

Aさん：「なるほど！とりあえずの避難場所なんですね！」

そう、まずは「データレイク」に全部貯めておく。
そこから必要なものだけを綺麗に洗って（加工して）、「データウェアハウス（DWH）」に移す。
これがプロのやり方なんです。

ビジネスの現場では、「今は使い道がわからなくても、将来AIとかで使えるかもしれないから、安いコストでデータを丸ごと保存しておく場所」として使います。

まぁ、そんな感じです。