データレイク

構造化・半構造化・非構造化データをそのままの形式で大量に蓄積するストレージ基盤。データウェアハウスと異なり、事前のスキーマ定義なしにデータを格納し、必要時に加工・分析を行う。

構造化データ、半構造化データ、非構造化データを元の形式のまま一元的に蓄積する大規模ストレージ。データウェアハウスとは異なりスキーマを事前に定義せず、分析時に必要に応じてデータを整形する。

構造化データ、半構造化データ、非構造化データを元の形式のまま大量に蓄積するストレージ基盤。データウェアハウスと異なり、格納時にスキーマを定義する必要がなく（スキーマオンリード）、多様なデータソースからの生データを柔軟に保持できる。

構造化データ・非構造化データを問わず、生データをそのままの形式で大量に蓄積するストレージ基盤。データウェアハウスが事前にスキーマを定義して格納するのに対し、データレイクはスキーマオンリードの方式で柔軟な分析を可能にする。

構造化・半構造化・非構造化を問わず、あらゆるデータを元の形式のまま一元的に蓄積する大規模データストレージ。データウェアハウスと異なり、格納時にスキーマを定義する必要がなく、分析時にスキーマを適用する（スキーマオンリード）。

構造化・非構造化を問わず、さまざまな形式のデータをそのままの形で蓄積する大規模ストレージ。IoTデバイスから収集したセンサデータ、ログ、画像データなどを一元管理し、後から分析やAI学習に活用する。AWS S3やAzure Data Lakeが代表的。

構造化データに加え、ログ、JSON、画像、音声などの半構造化・非構造化データを、加工せずに元の形式のまま大量に蓄積するリポジトリ。スキーマオンリードで利用時に構造を解釈するため、用途を決めずに取り込めて機械学習の素材にもなるが、メタデータやデータカタログで管理しないと中身の分からないデータスワンプになる。

構造化データだけでなく、ログ、画像、文書などの半構造化データや非構造化データも、元の形式のまま大量に蓄積する保存基盤。利用時にスキーマを適用するスキーマオンリードを採り、機械学習や探索的な分析に向くが、メタデータ管理が不十分だと中身の分からないデータスワンプになる。

組織のデータを集約し、蓄積・加工・分析・活用を支える仕組みの総称。各部門が個別にデータを抱える状態を解消し、全社で同じデータを参照できるようにする。

データウェアハウスから特定の部門や用途に必要なデータだけを抜き出した小規模なデータベース。利用者が扱いやすく、分析の応答も速くなる。

データを抽出し、変換してから格納する処理方式。変換を事前に行うため格納先には整形済みのデータが入る。先に格納して後から変換する方式はELTと呼ばれる。

実データを物理的に移動・複製せず、複数のデータソースを仮想的に統合して一つのデータのように見せる技術。コピーを作らないため鮮度と整合性を保ちやすい。

分散するデータをメタデータで結びつけ、所在を意識せずに利用できるようにするアーキテクチャの考え方。データ仮想化やカタログを組み合わせて実現する。

物理的なテーブル構造を業務上の意味に置き換えて利用者に提示する層。利用者はテーブル結合を意識せず、業務用語のままデータを扱える。