TECNOLOGÍA

Data lake: qué es y en qué se diferencia

Por Jorge Chang, el

Data lake: qué es y en qué se diferencia

Síguenos en:

Qué es un data lake, en qué se diferencia de un data warehouse, cuándo lo necesitas, sus riesgos y cómo te ayudamos en Impulsa Studio con tus datos.

¿Qué es un data lake y en qué se diferencia de un data warehouse?

Un data lake es un repositorio donde tu empresa guarda sus datos en su formato original, estén ordenados en tablas o no: ventas, visitas de la web, archivos y registros de sistemas. Primero se guardan y después se ordenan, según la pregunta que quieras responder.

Lo práctico es saber si tu empresa necesita uno o si le basta un data warehouse o un buen dashboard. En Impulsa Studio desarrollamos las integraciones y los tableros que hacen útiles esos datos.

Un data lake se diferencia de un data warehouse en el momento en que se ordenan los datos: el data lake los guarda tal como llegan y el data warehouse los recibe limpios y estructurados para tus reportes. Google Cloud define el data lake como un repositorio centralizado para datos estructurados, semiestructurados y no estructurados en su formato nativo. El data warehouse, como explicamos en qué es un data warehouse y para qué sirve, es un repositorio centralizado de datos estructurados que vienen de distintas fuentes.

AWS resume las diferencias en su página sobre qué es un lago de datos:

  • Estructura: En el data warehouse, el esquema de los datos se define con anticipación; en el data lake, no se define cuando se capturan.
  • Calidad: El data warehouse recibe datos limpios y transformados para que funcionen como única fuente de información; el data lake los guarda sin modificarlos.
  • Uso: Los resultados del data warehouse suelen ir a informes y análisis operativos; sobre el data lake puedes aplicar distintos tipos de análisis.

¿Qué datos de tu negocio guardas en un data lake?

En un data lake guardas los datos de tu negocio que hoy están repartidos entre sistemas y que no siempre caben en una tabla. Estos son ejemplos comunes:

  • Ventas: Pedidos, comprobantes y devoluciones de tu tienda online, tu punto de venta o tu ERP.
  • Web y app: Eventos de analítica, búsquedas internas y recorridos de los visitantes.
  • CRM: Contactos, oportunidades, llamadas y el historial de cada cliente.
  • Logs: Registros técnicos de tus servidores y aplicaciones, útiles para entender errores.
  • Archivos: Contratos en PDF, fotos de productos, audios de llamadas u hojas de cálculo de tus proveedores.
  • Redes y dispositivos: AWS menciona como ejemplos los datos de aplicaciones móviles, dispositivos IoT y redes sociales.

No todo tiene que entrar: cada fuente suma costo de almacenamiento y trabajo de orden, así que guarda lo que tiene detrás una pregunta de negocio probable.

¿Cuándo necesitas un data lake y cuándo te basta un data warehouse?

Necesitas un data lake cuando tus datos ya no caben en tablas o quieres guardarlos antes de definir qué les vas a preguntar; te basta un data warehouse cuando tus preguntas se repiten y salen de sistemas ordenados. Estas señales te ayudan:

  • Datos sin estructura: Quieres analizar textos, imágenes, audios o registros técnicos, además de tablas.
  • Volumen que crece rápido: Los eventos de tu web o tu app ya desbordan tu base de reportes.
  • Preguntas abiertas: Tu equipo quiere explorar los datos en bruto antes de fijar indicadores.
  • Reportes repetidos: Ventas por mes, margen por producto o cobranza por cliente se resuelven en un data warehouse con datos ya limpios.
  • Pocas fuentes: Con uno o dos sistemas, puede bastarte al inicio un dashboard gerencial con Power BI o a medida conectado a ellos.

¿Qué riesgos tiene un data lake y cómo los evitas?

Un data lake corre el riesgo de convertirse en un «pantano de datos». AWS advierte que, sin gobernanza, coherencia semántica y controles de acceso, los datos no se pueden encontrar ni se puede confiar en ellos. Así evitas ese y otros riesgos:

  • Pantano de datos: Cada fuente entra con un responsable, una descripción, su origen y su fecha de carga, registrados en un catálogo.
  • Términos sin acordar: «Cliente», «comprador» y «usuario» significan lo mismo en todas las fuentes, o su equivalencia queda escrita.
  • Accesos abiertos: Cada persona ve solo lo que su rol necesita, y los datos sensibles van en zonas con permisos más estrictos.
  • Datos personales: La Ley 29733, de Protección de Datos Personales, considera dato personal la información que identifica o hace identificable a una persona natural, y pide recopilar esos datos para una finalidad determinada. Ese límite vale para los datos personales: guardarlos «por si acaso» puede chocar con ese principio; revisa con tu área legal qué implica para tu data lake.
  • Costos sin control: Define cuánto tiempo guardas cada tipo de dato y archiva o borra lo que ya no usas.

¿Cómo empiezas un data lake en tu empresa?

Empiezas un data lake en tu empresa con una pregunta concreta y pocas fuentes, en lugar de conectar todos tus sistemas a la vez:

  • Una pregunta de negocio: Por ejemplo, qué campañas traen a los clientes que más compran en el año.
  • Dos o tres fuentes: Para esa pregunta pueden bastar la analítica de tu web, tu CRM y tus ventas.
  • Zonas de trabajo: Separa los datos en bruto, tal como llegan, de los datos limpios que otras áreas pueden usar.
  • Un tablero que muestre el valor: Conecta los datos limpios a un dashboard para que tu equipo vea pronto las respuestas.

Unir las fuentes y mostrar los datos en un tablero son etapas del business intelligence aplicado a tu empresa.

¿Cómo te ayuda Impulsa Studio a preparar tus datos para un data lake?

En Impulsa Studio preparamos los datos de tu tienda online, tu web y tu CRM para el data lake o el repositorio que tu empresa elija: desarrollamos las integraciones que los llevan hasta allí, si cada sistema lo permite, e implementamos automatizaciones que programan esas cargas.

Sobre esos datos desarrollamos dashboards y sistemas a medida; si todavía no necesitas un data lake, conectamos el dashboard directo a tus sistemas actuales. Escríbenos por WhatsApp y cuéntanos qué preguntas quieres responder con los datos de tu empresa.

Despega con nosotros

Solicita un diagnóstico gratuito y descubre el potencial de tus ideas

Preguntas frecuentes

¿Qué pasa con los datos en bruto de tu data lake después de limpiarlos?
Los datos en bruto de tu data lake se conservan aunque ya tengas una versión limpia, porque el data lake los guarda sin modificarlos, como recuerda AWS. Si mañana cambias la forma de calcular un indicador, puedes volver a procesarlos desde el origen, sin pedirlos de nuevo a cada sistema.
¿Un data lake reemplaza a tu data warehouse?
Un data lake no suele reemplazar a tu data warehouse, porque cumplen funciones distintas. AWS señala que, según los requisitos, una organización típica necesitará tanto un almacén como un lago de datos: el data lake conserva los datos en bruto y el data warehouse ofrece la versión limpia que usan tus reportes.
¿Qué formato de fecha acuerdas con Impulsa Studio para los sistemas de tu data lake?
Acuerdas un mismo formato para la fecha y la hora, con su zona horaria, en todos los sistemas que envían datos a tu data lake. Si tu tienda guarda la hora de Lima y tu CRM la guarda en hora universal (UTC), una venta de la noche puede quedar registrada en días distintos en cada sistema. Con un formato común, los reportes diarios cuadran entre tu tienda, tu CRM y tu analítica.
Impulsa logo

Hablemos

WhatsApp logo933262820

Síguenos

Instagram logoLinkedIn logoTiktok logo

Copyright © 2024 Impulsa Todos los derechos reservados

Política de PrivacidadTérminos y Condiciones