{"id":3783,"date":"2022-11-09T16:44:32","date_gmt":"2022-11-09T19:44:32","guid":{"rendered":"https:\/\/programathor.com.br\/blog\/?p=3783"},"modified":"2022-11-09T16:44:34","modified_gmt":"2022-11-09T19:44:34","slug":"data_warehouse_e_data_lake","status":"publish","type":"post","link":"https:\/\/programathor.com.br\/blog\/data_warehouse_e_data_lake\/","title":{"rendered":"Data Warehouse e Data Lake: conhe\u00e7a as diferen\u00e7as"},"content":{"rendered":"\n

Talvez voc\u00ea j\u00e1 tenha ouvido falar nesses termos: Data Warehouse e Data Lake<\/a>. Principalmente se voc\u00ea \u00e9 um profissional da \u00e1rea de TI.\u00a0<\/p>\n\n\n\n

No entanto, nem todo mundo sabe do que se trata ou entende as diferen\u00e7as entre essas duas solu\u00e7\u00f5es de banco de dados. Pensando nisso, trouxemos esse conte\u00fado. Continue a leitura e saiba mais!<\/p>\n\n\n\n\n\n\n\n

Antes de mais nada, para que servem essas solu\u00e7\u00f5es?<\/strong><\/h2>\n\n\n\n

J\u00e1 comentamos em alguns dos outros conte\u00fados do blog, sobre a import\u00e2ncia dos dados para as empresas e o quanto eles t\u00eam sido cada vez mais relevantes nas decis\u00f5es estrat\u00e9gicas. No entanto, para que isso seja poss\u00edvel \u00e9 necess\u00e1rio que esses dados sejam preparados para utiliza\u00e7\u00e3o, o que ocorre atrav\u00e9s do uso de algumas tecnologias e intelig\u00eancia, como \u00e9 o caso do BI ou Business Intelligence <\/em>e do Analytics<\/em><\/a>.<\/p>\n\n\n\n

Eles servem para analisar um grande volume de dados atrav\u00e9s de tecnologias, utilizando c\u00e1lculos e Machine Learning<\/em><\/a>, se necess\u00e1rio, para prover informa\u00e7\u00f5es capazes de orientar a condu\u00e7\u00e3o dos neg\u00f3cios, ajustes em processos e at\u00e9 mesmo o aumento de produtividade.<\/p>\n\n\n\n

E a\u00ed entram as solu\u00e7\u00f5es de armazenamento de dados, como o Data Warehouse ou o Data Lake: esse grande volume de dados a ser analisado, precisa estar dispon\u00edvel em um ambiente que, inclusive, pode definir as caracter\u00edsticas desses dados, como por exemplo, dados estruturados (n\u00fameros, c\u00f3digos etc) ou n\u00e3o estruturados (imagens, textos, \u00e1udios etc). <\/p>\n\n\n\n

Esses s\u00e3o os tipos mais comuns atualmente de reposit\u00f3rios de dados. Vale a pena ent\u00e3o saber um pouco mais sobre cada um, seja para definir o mais adequado para o seu neg\u00f3cio, seja para aprender mais sobre dados e quem sabe, se tornar um Cientista de Dados<\/a>.<\/p>\n\n\n\n

O Data Warehouse armazena apenas dados estruturados, enquanto o Data Lake trabalha com ambos. Mas as diferen\u00e7as n\u00e3o param por a\u00ed, portanto, \u00e9 interessante conhecer as principais caracter\u00edsticas de cada um.<\/p>\n\n\n\n

Caracter\u00edsticas do Data Lake<\/strong><\/h2>\n\n\n\n

Podemos imaginar o Data Lake como um grande cont\u00eainer ou um grande espa\u00e7o de armazenamento, assim como um lago armazena \u00e1gua (por isso o nome!); no qual h\u00e1 v\u00e1rias fontes preenchendo o seu espa\u00e7o.<\/p>\n\n\n\n

E os dados que entram no Data Lake podem ser de diversos tipos: estruturados, n\u00e3o estruturados, logs em tempo real etc.; ou seja, todo e qualquer dado bruto coletado, de diversas fontes, ainda que sem finalidade espec\u00edfica, podem ser armazenados nele. Como se fosse um \u201ccatad\u00e3o\u201d de dados guardados para serem utilizados posteriormente, se necess\u00e1rio.<\/p>\n\n\n\n

Isso torna o Data Lake um banco de dados n\u00e3o relacionado e menos complexo, sendo projetado para armazenamento de baixo custo, eliminando limita\u00e7\u00f5es de armazenamento. No entanto, acabam sendo mais dif\u00edceis de implementar, sendo inclusive muito utilizado por Cientistas de Dados<\/a>.<\/p>\n\n\n\n

\"Vagas<\/a><\/figure>\n\n\n\n

Caracter\u00edsticas do Data Warehouse<\/strong><\/h2>\n\n\n\n

J\u00e1 o Data Warehouse trabalha somente com dados estruturados, ou seja, informa\u00e7\u00f5es \u201cprontas\u201d e muito mais f\u00e1ceis de acessar e utilizar, pois, s\u00e3o dados j\u00e1 processados. <\/p>\n\n\n\n

Por isso, ele \u00e9 utilizado para retornar informa\u00e7\u00f5es espec\u00edficas ao neg\u00f3cio (muito utilizado por analistas de neg\u00f3cios), armazenando dados em arquivos\/pastas organiz\u00e1veis e viabilizando decis\u00f5es estrat\u00e9gicas. Inclusive, o uso desse tipo de banco de dados \u00e9 muito comum em Bancos e Financeiras.<\/p>\n\n\n\n

Podemos listar as principais fun\u00e7\u00f5es do Data Warehouse como:<\/p>\n\n\n\n