Data lake: qué es y diferencia con un data warehouse
Glosario FLYDE · 17 de noviembre de 2026 · Lectura: 3 minutos
Un data lake (lago de datos) es un repositorio que guarda grandes volúmenes de datos de cualquier tipo en su formato original: tablas, ficheros de registro, JSON, imágenes, eventos de navegación. Se guarda todo primero y se decide después cómo usarlo.
Para qué sirve
- Guardar a bajo coste datos que hoy no se usan pero pueden servir mañana.
- Entrenar modelos de machine learning con datos en bruto.
- Explorar datos nuevos antes de llevarlos a un data warehouse.
Se suelen montar sobre almacenamiento en la nube, como Amazon S3, Azure Data Lake Storage o Google Cloud Storage. Las plataformas de tipo lakehouse, como Databricks, combinan el lago con capacidades de data warehouse.
El riesgo: el pantano de datos
Si nadie documenta qué hay, de dónde viene y con qué calidad, el lago se convierte en un «data swamp»: hay muchos datos, pero nadie se fía de ellos ni sabe encontrarlos. Hace falta gobierno del dato desde el principio.
Data lake frente a data warehouse
| Data lake | Data warehouse | |
|---|---|---|
| Datos | Cualquier formato, en bruto | Estructurados y limpios |
| Esquema | Se define al leer | Se define al cargar |
| Usuario | Ingeniería y ciencia de datos | Analistas y negocio |
Data lake y CDP
Ni el data lake ni el data warehouse resuelven por sí solos quién es cada cliente ni envían segmentos a marketing. FLYDE puede leer datos de un data lake o lakehouse como una fuente más, unirlos al resto en el perfil único de cada cliente y activarlos en los canales.
Preguntas frecuentes
¿Qué es un data lake? Un repositorio que guarda grandes volúmenes de datos de cualquier tipo en su formato original, para procesarlos y analizarlos más adelante.
¿Qué diferencia hay entre data lake y data warehouse? El data lake guarda datos en bruto de cualquier formato; el data warehouse, datos estructurados y preparados para el análisis.
¿Qué es un lakehouse? Una arquitectura que combina el almacenamiento barato y flexible de un data lake con las capacidades de consulta y gobierno de un data warehouse.
¿Qué es un data swamp? Un data lake sin documentación ni control de calidad, donde los datos existen pero nadie puede encontrarlos ni confiar en ellos.