データレイク

用語集　スプライングローバル株式会社

データレイクは、さまざまな形式のデータを、加工せず元の形式のまま大量にためておき、共通の方法で取り出して分析に使えるようにする保存場所です。表形式のデータだけでなく、決まった形を持たないデータも置けます。

米国国立医学図書館（NLM）の資金で運営される NNLM のデータ用語集は、データレイクを、構造化・非構造化・半構造化のデータを元の形式のまま大量に保持する保存場所と説明しています。共通のデータモデルに整えてから入れるデータウェアハウスとの違いを挙げ、管理を怠ると使えないデータがたまる「データスワンプ」になりうると注意しています。

Hai らの調査論文（arXiv 公開版、2023年2月改訂）は、データレイクを、生データを元の形式で保存し共通の利用窓口を備えるリポジトリと説明し、定義や機能の捉え方にはまだ幅があると述べています。