💧 ¿Qué es un Data Lake?
- 9 jul 2025
- 1 min de lectura
Un Data Lake es un repositorio centralizado que almacena cualquier tipo de dato en su formato nativo (crudo), sin necesidad de transformarlo al ingresarlo. Esto incluye datos estructurados, semiestructurados y no estructurados, y se optimiza para escalar desde terabytes hasta petabytes (y más)
Data Warehouse | Data Lake |
Esquema-on-write: datos estructurados | Esquema-on-read: datos crudos |
Alta estructuración y gobernanza | Gran flexibilidad, diversidad de datos |
Optimizados para BI y reporting | Ideales para ML, exploración y análisis futuros |
Ambos son complementarios, pero el Data Lake es el punto de partida que capacita a la organización para atender consultas emergentes, innovación y análisis avanzados. Además, de su evolución nativa
de ambos DataLakeHouse presente en la plataforma de Databricks.
⚙️ Esencial para el Data Engineer
Ingesta masiva de datos crudos desde múltiples fuentes (APIs, logs, IoT, redes sociales, transacciones).
Zonas de almacenamiento: desde la etapa "raw" hasta zonas de procesamiento o “cleaned”, listas para análisis.
Integración con herramientas como Apache Spark, Hadoop, S3, Azure Data Lake, etc. .
Gestión de metadatos, calidad y gobernanza, evitando que el data lake se convierta en un "data swamp".
Comentarios