¿Qué es un data warehouse frente a un data lake?

Data Warehouse (almacén de datos) y Data Lake (lago de datos) son dos enfoques diferentes para el almacenamiento y procesamiento de datos:

• Data Warehouse: un almacenamiento de datos estructurado, optimizado para análisis e informes. Se cargan datos limpios, transformados y organizados desde diversas fuentes. Normalmente, los datos se almacenan en tablas con un esquema definido (schema-on-write). Esto permite realizar consultas complejas rápidamente y crear informes.

• Data Lake: es un almacenamiento donde los datos se guardan en su forma cruda, sin procesamiento previo ni esquema estricto (schema-on-read). En un Data Lake se pueden almacenar datos estructurados, semi-estructurados y no estructurados (logs, imágenes, videos, etc.). Es una solución flexible para almacenar grandes volúmenes de datos diversos, que se pueden analizar y procesar según sea necesario.

Diferencias clave:

Característica	Data Warehouse	Data Lake
Formato de datos	Estructurados, con esquema	Cualquier formato, en crudo
Esquema	Schema-on-write (al escribir)	Schema-on-read (al leer)
Uso	Análisis, informes	Aprendizaje automático, investigación
Costo de almacenamiento	Generalmente más caro	Generalmente más barato

Ejemplo: una empresa puede usar un Data Warehouse para informes regulares de ventas, y un Data Lake para almacenar todos los datos de clientes, incluyendo logs, imágenes y archivos de texto, para análisis posterior y construcción de modelos.