ELT

データソースから抽出したデータを、変換せずにいったんデータレイクやクラウドDWHに格納（Load）し、格納先の計算資源を使ってSQLなどで変換（Transform）する方式。生データが残るので後から別の目的で変換し直せ、MPPやストレージとコンピュートの分離による拡張性を生かせる。格納前に変換するETLと処理の順序が逆になる。

データソースから抽出（Extract）したデータを、変換せずにまずデータレイクやクラウド型のデータウェアハウスに格納（Load）し、格納先の処理能力を使って必要に応じて変換（Transform）する方式。ETLと処理の順序が逆で、大量のデータを速く取り込め、元のデータを残したまま用途に応じた加工ができる。

企業内の様々なシステムから収集したデータを時系列に蓄積し、意思決定支援のための分析に利用する大規模データベース。業務系システムとは別に構築され、経営分析や傾向分析に活用される。

従来のデータベースでは処理が困難な巨大かつ多様なデータの集合体。量（Volume）、速度（Velocity）、多様性（Variety）の3Vが特徴。AI・機械学習と組み合わせた分析により、ビジネス上の価値を創出する。

顧客、商品、取引先、組織など、業務の基準となる実体を表す変化の少ないデータ。複数システムで重複して保持されやすく、表記ゆれや不整合が生じるため名寄せや統合管理が重要になる。

受注、販売、入出庫など、業務活動の発生に伴って日々増えていくデータ。マスターデータを参照して記録され、分析では集計や時系列分析の対象となる。

データそのものではなく、データの意味・構造・来歴を説明するデータ。顧客番号の採番規則や粒度の説明などが該当し、これがないとデータは正しく解釈できない。

ITの観点からデータを説明するメタデータ。テーブル名、データ型、桁数、制約、格納場所など、システムがデータを扱うために必要な情報を含む。