Repositorio de almacenamiento centralizado que contiene enormes volúmenes de datos crudos en su formato original nativo (estructurados, semiestructurados y no estructurados como audios, videos y logs).
Explicación y Contexto Conceptual
Mientras que un Data Warehouse exige que los datos estén previamente limpiados y organizados en tablas rígidas (schema-on-write), un Data Lake (en Amazon S3 o Google Cloud Storage) permite guardar todo tipo de datos de inmediato sin procesar (schema-on-read), para que científicos de datos los utilicen en modelos de machine learning.
Ejemplo en la Práctica
Una empresa de streaming almacena en su Data Lake miles de millones de eventos crudos de clics y reproducciones de audio de usuarios para entrenar sus algoritmos de recomendación.