データレイクとデータウェアハウスの違いと使い分け

●データウェアハウスのメリット

データウェアハウスの特徴は、データ分析やレポート出力といった意思決定に使用するためにデータの加工が不要なところにあります。
業務システムのデータベースにあるデータは形式がばらばらですが、データウェアハウスのデータは、処理に必要なデータだけがあらかじめ抽出・変換されているため、高品質かつ整合性が保証された状態で使用できます。

●データマートとは?

なお、データウェアハウスからさらに特定の目的に合わせた部分を取り出し、業務部門がそのまま利用できるようにしたものを「データマート」と呼びます。
データマートはデータウェアハウスよりも小規模・小容量・高速なので、処理のレスポンスを向上させるためにデータウェアハウスとBIなどの分析ツールの間にデータマートを置く場合も多いです。

●構造化データと非構造化データ

これらのデータは、業務システム内のリレーショナルデータベースで扱うデータ（構造化データ）と対比して非構造化データ・半構造化データなどと呼ばれます。こうしたデータは、従来のように分析の要件や手順に基づいたリポジトリ（データウェアハウスやデータマートなど）を設計して蓄積・保管することが難しくなったのです。 そこで考え出されたのが、事前にデータの形式や構造を定義するのではなく、データがアクセスされたときにデータの形式や構造を解析して取り出せるようにするという仕組みでした。これが、データレイクの基本的な思想です。

●データレイクのメリット

このようなデータレイクは、当然のことながら業務部門自身がデータ分析を行って意思決定に役立てるといった用途には向いていません。しかし、さまざまなデータを組み合わせながら分析モデルをつくるデータサイエンティストなどの分析専門家、あるいは人工知能（AI）技術を活用したデータ分析の用途には欠かせないリポジトリと言えます。

●違い１：データの保管方法

まず大きく違うのが、データの保管方法です。データウェアハウス（データマートも含む）には分析に必要なデータがあらかじめ加工処理された状態で格納されていますが、データレイクには“生”のデータが未加工・未処理のまま格納されています。 この違いは、必要なストレージ容量にも表れてきます。特定の目的向けに処理されたデータが格納されるデータウェアハウスには、不必要なデータがほとんど含まれないため、ストレージ容量を大きく消費することはありません。しかし、膨大な生データが格納されるデータレイクは、まだ使用するかどうかわからないデータも保管するためデータウェアハウスよりもはるかに大容量のストレージが必要になります。

●違い2：データの使い勝手

データ保管方法の違いは、そのままデータ品質や使い勝手の差にもつながります。あらかじめ加工処理されたデータウェアハウスのデータ品質は高く、業務部門で安心してデータ分析・活用できますが、データレイクのデータはそうはいきません。データレイクに格納されたデータを使用するときには、生データを理解したうえでそのつど最適な状態へ変換する必要があるからです。こういった保管するデータの違いから、業務部門はデータウェアハウス、専門家やAIはデータレイクというように、主に対象となるユーザーも違ってきます。

●違い3：データの柔軟性

ただし、データ保管の柔軟性や自由度は、データレイクのほうがはるかに高いです。データレイクのリポジトリには形式や構造にしばりがないため、アクセスや変更を容易に行うことができます。それに対してデータウェアハウスでは、分析対象が変わるたびにコストをかけて再設計・改修を行う必要があります。

●データウェアハウスの活用例

データウェアハウスが向いているのは、企業の経営情報や財務データなどを分析・可視化して意思決定に使用するという場面です。業種業界では長年、金融機関・銀行など金融サービス領域のデータ分析基盤として活用されています。このほか、たとえばECサイトを運営する企業が顧客の属性情報、購入・閲覧履歴情報と商品の在庫・発注情報などを組み合わせ、One to Oneマーケティングの実現や顧客満足度向上につながるデータ分析を行うといった、目的が決まった用途のリポジトリとしてもデータウェアハウスが向いています。

●データレイクの活用例

それに対しデータレイクは、流通・小売業界、物流・運輸業界、気象情報、交通情報といった形式・構造が異なる外部データを組み合わせながら需要予測を行うような複雑な分析処理などに向いています。たとえば医療・ヘルスケア領域におけるデータ分析に適しています。医療情報には患者の臨床データや医師の所見、X線やCT/MRIなどで撮影した医用画像など非構造化データが多く含まれており、これらを扱うにはデータレイクが最適です。