<img height="1" width="1" style="display:none" src="https://www.facebook.com/tr?id=445779107733115&amp;ev=PageView&amp;noscript=1">

データレイクとデータウェアハウスの違いとは?

 2022.03.07  2022.04.14

企業活動では、毎日膨大なデータが発生します。それらを格納して有効利用する方法は、いくつかあります。その中で近年注目を浴びているのが「データレイク」と呼ばれるデータベースです。その特徴やメリットは、理解しておくべきでしょう。

本記事では、データレイクの特徴やデータウェアハウスとの違い、またデータレイクハウスというプロダクトについて解説します。

データレイクとは?

まずはデータレイクとはどのようなデータベースなのかを理解しましょう。

データレイクとは、ビッグデータをさまざまな形式でそのまま保存する中央ストレージリポジトリ(保管場所)のことです。

データレイクは規模を問わず、構造化データや半構造化データ、非構造化データなどすべてのデータを格納することができます。データレイクではデータをそのままの形で保存できるため、構造化の工程が不要になります。つまり、比較的簡単な作業でデータの一元管理を可能にしています。

構造化データと非構造化データは本来別々の管理が必要ですが、両者を区別なく一元的に保存できるデータレイクを利用すれば、データ活用をさらに推進できるでしょう。

Looker と Tableauを比較
Looker と Looker Studio を比較

データウェアハウスとは?

次にデータウェアハウスの概要について見ていきます。

データウェアハウス(DWH)とは、企業活動において収集したさまざまなデータを時系列・主題別に整理して保管したデータベースや管理システムを指します。

データウェアハウスを英語で表記すると「Data Ware House」であり、日本語に訳すと「データの倉庫」です。

データウェアハウスは、倉庫のようにさまざまなデータをまとめたサーバーやソフトウェアと言えるでしょう。

複数のシステムから集めたデータを主題別・時系列に編成するため、データ量が膨大でもスムーズに抽出・分析を行えます。データウェアハウスを導入することで、企業は適切かつ速やかにBI(ビジネスインテリジェンス)を活用できるようになります。

データレイクとデータウェアハウスの違い

ここからは、データレイクとデータウェアハウスの違いについて解説します。

データレイクとデータウェアハウスの違いを理解するためには、「データの構造」「利用目的」「エンドユーザー」の3点に分けて考えるとわかりやすいでしょう。

データの構造

データレイクは収集したデータを加工せず元の状態で格納しますが、データウェアハウスは処理済みの「きれいな」状態でデータを格納します。

処理されていない、つまり洗練されていないデータをそのまま格納するため、データレイクは比較的大きなストレージを必要とします。しかし、処理していないデータには柔軟性があり、目的に合わせて素早く処理できるため、機械学習に最適です。

一方、データウェアハウスは処理済みの洗練されたデータだけを保存するため、使用可能性が低いデータを格納しない分ストレージスペースを確保することができます。また、処理済みのデータは多くの人が理解しやすいため、利用しやすいと言えるでしょう。

利用目的

データレイクに格納されているデータは利用目的が明確でなく、将来利用される可能性があるデータを非構造データのまま保存します。そのため、データレイクでは無駄な消費ストレージが多く、大きなストレージを必要とするのです。一方、データウェアハウスに格納されるデータは利用目的が明確なので、データに無駄な部分がなく、洗練された状態で保存されています。

ここまでを見ると、デーウェアハウスのほうが合理的であるように思えるでしょう。

しかし、変化が激しく将来の予測が難しい近年のビジネスにおいて、当初は不要だと思っていたデータが後で必要になるケースは少なくありません。そのため、近年は収集したデータをそのまま保存しておくデータレイクの有用性が注目を浴びているのです。

エンドユーザー

データレイクに保存されるデータは未処理のため、エンドユーザーが使用する場合は目的に応じて加工する必要があります。生のデータを自分で加工して使えるため自由度は高いと言えますが、その分扱いづらいとも言えます。

一方、データウェアハウスに保存されているデータはあらかじめ処理されているため、基本的にエンドユーザーが加工する必要はありません。グラフやスプレッドシートなどを駆使して直感的にわかりやすいように編集されているため、専門知識がないエンドユーザーでも問題なく使うことができます。

つまり、データレイクはデータサイエンティストや専用ツールが必要な上級者向け、データウェアハウスはビジネス担当者などの一般向けと言えるでしょう。

Looker

データレイクとデータウェアハウス:それぞれの得意分野は?

データレイクとデータウェアハウスが得意な分野は、それぞれ異なっています。自社に最適なものはどちらに当てはまるのかを確認しておきましょう。

ここからは、データレイクとデータウェアハウスの得意分野について解説します。

データレイクが適している分野

データレイクが適している分野としては、教育や医療、輸送などが挙げられます。

これらの分野は非構造データを扱うことが多いため、データを加工せずにそのまま格納するデータレイクのほうが適していると言えるでしょう。

教育

教育改革が進んでいる現在の教育業界では、ビッグデータの活用が重要視されています。

生徒に関する情報は、成績や出席状況など非構造化データが多いため、柔軟性の高いデータレイクが適しているのです。

医療

医療分野におけるデータも非構造データが多い傾向にあります。さらに、医療に関する知見を常にアップデートしていく必要があるため、現状で必要か否かを問わず保存するデータレイクが適していると言えるでしょう。

輸送

サプライチェーンをはじめとする輸送業界においては、データを柔軟に活用することが求められます。そのため、データレイクの柔軟さからもたらされる予測機能は、輸送業界にとって非常に大きなメリットと言えます。

データウェアハウスが適している分野

データウェアハウスが適している分野として、主に金融業界が挙げられます。

金融業界では専門知識を使う業務が非常に多いため、専門性の高いデータを組織全体で共有できることが重要になります。また、変化し続ける金融情勢に対応するためには、すぐにデータを確認・分析できる体制が必要不可欠です。

そのため、処理済みの「きれいな」状態で格納しており比較的簡単にデータを確認できるデータウェアハウスのほうが適していると言えるでしょう。

[RELATED_POSTS]

データレイクハウスとは?

データレイクは元の形のままデータを保存しているため、自由度が高いことがメリットであるものの、利用するには加工が必要なため、エンドユーザが利用するには扱いづらい性質があります。

一方データウェアハウスは利用のために加工済みであるため扱いやすいデータですが、構造化データが中心になるため自由度はデータレイクより低いと言えるでしょう。

このデータレイクとデータウェアハウスのいいとこ取りをしたのがデータレイクハウスです。

企業活動で発生するデータは構造化データだけではありません。非構造化データも存在します。これらのデータをシームレスに分析に利用できれば自由度が高く扱いやすいデータになるのではないでしょうか。

Databricksというプロダクトをご存知でしょうか。Databricksは構造化、非構造化を問わずデータレイクから直接データを利用できるデータ分析プラットフォームです。データウェアハウスを経由しない分、スピーディーに、且つデータ構造を問わない分析が可能になります。分析や機械学習の利用においてデータウェアハウスに限界を感じている場合は、是非Databricksの利用を検討してみてはいかがでしょうか。

まとめ

データレイクは、収集したデータをそのままの状態で加工せずに格納するデータベースのことで、データを加工しないがゆえの柔軟性が大きなメリットです。

データを処理して洗練された状態で保存するデータウェアハウスとの違いを理解したうえで、自社の状況に最適な手段を選択しましょう。

また、電算システムではデータレイクから直接データを利用するデータレイクハウスのDatabricksを取り扱っております。ご興味がございましたらご相談ください。

 

初めてのLooker

RELATED POST関連記事


RECENT POST「Looker」の最新記事


Looker

データマートとは?データウェアハウスとの違いを徹底解説

Looker

データマートを設計する際に押さえておきたいポイントとは?

Looker

データウェアハウス(DWH)とは?メリット・活用例を紹介

Looker

データマートの作り方を5つのステップで解説!

データレイクとデータウェアハウスの違いとは?