スキーマオンリード

データを格納するときには構造を定めずに元の形式のまま保存しておき、読み出して利用するときにスキーマを当てはめて解釈する方式。データレイクで採られ、取込みが速く用途の変化に柔軟に対応できるが、利用者ごとに解釈がばらつかないようメタデータの整備が欠かせない。

データを、固有の識別子とメタデータを付けたオブジェクトという単位で、階層構造を持たない平坦な領域に格納するストレージ。HTTPベースのAPIでアクセスし、容量を大規模に拡張しやすいため、クラウドでの画像・動画、バックアップ、データレイクの保管に使われる。

業務システムなどのデータソースからデータを抽出（Extract）し、分析に適した形式に変換・加工（Transform）してから、データウェアハウスなどに格納（Load）する処理、またはそのツール。格納前に変換するので格納先には整ったデータだけが入るが、変換処理の設計と処理時間が課題になる。

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。

データレイクとデータウェアハウスの特徴を1つの基盤に統合したデータ基盤のアーキテクチャ。安価なオブジェクトストレージに多様な形式のデータを置いたまま、トランザクション管理やスキーマの適用、高速なSQL分析を可能にし、BIと機械学習を同じデータで行えるようにする。

従来のデータベース管理の方法では扱いきれないほど大量で多様なデータ。量（Volume）、種類（Variety）、発生・更新の速度（Velocity）の3Vで特徴づけられ、正確性（Veracity）や価値（Value）を加えることもある。分散処理基盤やクラウドで蓄積・分析し、新たな知見の発見に生かす。

業務システムなどのデータソースからデータを抽出（Extract）し、形式の統一やクレンジングなどの変換（Transform）を行ってから、DWHなどの格納先に書き込む（Load）処理。格納前に変換するため格納先には整ったデータだけが入る一方、変換を担うETLツールやサーバが性能のボトルネックになりやすい。格納後に変換するELTと対比される。