Data Lake, Data Warehouse, Data Market의 비교

Data Lake

- 모든 유형의 데이터를 유지하도록 설계된다.

- 조직에서 대규모로 다양한 유형의 데이터를 생성한다.

- 데이터에 기반하여 전략적 통찰력을 얻고 결정 하기 위해 데이터를 분석해야 하지만
  어떻게 사용할지 확신할 수 없는 경우 사용한다.

- 데이터를 분석할때는 데이터 엔지니어, 사이언티스트를 필요로 한다.

1.구조화된(관계형 데이터),

2.반구조화된(CSV 또는 JSON 파일),
3.원시적인(기계 및 센서 데이터) 형태로 저장된 비정형(기계 및 센서 데이터)
를 저장한다.

DataLake는 내부 및 외부 소스의 데이터를 집계하고,
많은 다른 사용자에게 접근을 허용하여 보안 침해에 취약하다.  

Usage(사용)                             Advanced predictive analytics (고급 예측 분석)
Time-to-market(출시 시기)          Weeks, months
Cost(비용)                                 Very high
Users(사용자)                                Low
Data growth(데이터 증가)             Very high



=========================================================

DataWarehouse

- 데이터가 적재되기 전에 구조화된다.

- 보다 쉽게 전문분석가들이 데이터들을 분석할 수 있다.

- 구조화되어있기 때문에 빠른 쿼리에 최적화돼있다.

- 보안성이 강화된다.

- 스키마 온-레드(schema-on-read) 특성으로 기술 인력 부족에도 더 쉽게 분석할 수 있다.

 -> 비즈니스 분석가, 마케터 및 재무 팀도 DataWarehouse의 데이터를 쉽게 사용할 수 있다.

Usage(사용)            Primary repository to support operational and performance analytics
Time-to-market(출시 시기)             Weeks, days, hours – depending on approach
Cost(비용)                                                 Medium-to-High
Users(사용자)                                                     High
Data growth(데이터 증가)                                Low-to-Medium

=========================================================

DataMart

- Data Warehouse의 하위 집합이다.

- 특정 운영 부서, 주체의 보고 요구를 충족하도록 설계됨.

- 한 번 더 카테고라이징 된다. (범주화)

-  DataWarehouse를 구축하는 방법은 부서 별로 데이터를 통합, 모델링하고 개별 데이터 마트를 만든 다음 하나로 묶어 Enterprise DataWarehouse를 구성하는 것이다. 


Usage(사용)                             Front-line business reporting (프런트 라인 비즈니스 보고)
Time-to-market(출시 시기)          Minutes, hours
Cost(비용)                               Low
Users(사용자)                           Low
Data growth(데이터 증가)           Low


출처 : https://datawarehouseinfo.com/data-warehouse-vs-mart-vs-lake/