For å lykkes med maskinlæring er man avhengig av store datasett, og med store datasett kommer behovet for data management. Hvorfor er det så viktig med riktig klargjøring av data, og hvordan gjør man det? Denne artikkelen ser nærmere på hvorfor, og ikke minst hvordan organisasjoner får kontroll på dataene sine.
Diskusjonen om man bør velge data lake eller datavarehus er sannsynligvis bare i startgropa. De viktigste forskjellene i struktur, formål, brukere og generell smidighet gjør begge modellene unike. Avhengig av bedriftens behov, vil valg av løsning være essensiell for å skape vekst.
Hensikten med en data lake er at den som skal bruke dataene ikke trenger å forholde seg til mange ulike datakilder, ulike plasseringer av data, ulike sikkerhetsmekanismer i hvert enkelt system og ulike datafangstteknologier. Implementering av en god og riktig arkitektur for din data lake er derfor avgjørende for å gjøre om data til verdi.
Som de fleste nye begrep i IT-bransjen brukes betegnelsen Data Lake litt bredt og kanskje upresist. Vi forklarer deg derfor hva det egentlig er, forskjellene på datavarehus og data lake og hvordan man kan bruke det.