Pour prendre des décisions plus éclairées, prédictives et globales, nombreuses sont les entreprises qui s’intéressent de plus en plus au Big data. Encore appelé « mégadonnées », il est devenu un véritable phénomène de convoitise dans le domaine professionnel. En effet, l’analyse de ces données numériques permet aux organisations et établissements de mieux comprendre le fonctionnement de leurs clients et de prédire leurs besoins.
À ce titre, deux principales techniques sont utilisées pour le stockage de données en Big Data : le data warehouse et le data lake. Deux notions que beaucoup de professionnels confondent. Or, ces deux systèmes ont été conçus à des fins différentes. Il est donc important de les distinguer pour une meilleure utilisation.
Structure des données : données brutes vs données transformées
Un data lake (lac de données en français) désigne un référentiel de données qui recueille des big data sous un format brut et granulaire provenant de diverses sources. Le système permet de stocker en grande quantité les données, quelles que soient leur nature et leur origine (données structurées, données non-structurées, données semi-structurées ou données variées issues de bases NoSQL).
Un data warehouse (entrepôt de données), quant à lui, stocke uniquement les informations traitées/transformées. Son architecture n’est aussi plate comme celui data lake. Il dispose de plusieurs fonctionnalités de structuration et de filtration. Ainsi, les data lakes requièrent en général une espace de stockage beaucoup plus grande que les data warehouse.
Utilisation des données : but indéterminé vs but spécifique
Les flux de données brutes absorbées par un data lake sont destinés généralement à un traitement ultérieur. Parfois, la construction d’un lac de données est réalisée simplement dans le but d’avoir sous la main toutes les informations de l’organisation. Cette approche offre au data ingénieur une vue non raffinée des données.
Celui-ci pourra les utiliser dans le futur pour satisfaire différents besoins d’analyse. Précisons que certaines données peuvent ne jamais être exploitées. Par ailleurs, un data warehouse centralise des données historiques, intégrées, non volatiles, orientées sujet, variables dans le temps en vue de répondre aux besoins décisionnels de l’entreprise.
Composée d’outils technologiques notamment une base de données cloud (Snowflake, Amazon Redshift…), un outil ETL pour la gestion des flux de données et un outil de BI pour l’analyse de données, cette solution transforme les données en informations exploitables. Ces dernières pourront aider résoudre un problème précis.
Les Data Lakes conviennent donc plus aux entreprises qui n’ont pas une définition stricte des usages analytiques. Alors que les data warehouse sont plus adaptés aux organismes ayant déterminé au préalable des logiques économiques et stratégiques assez précises.
Utilisateurs : Data scientists et spécialistes internes
N’importe quel utilisateur ne peut réaliser l’exploration d’un data lake. Seul un data analyste disposant d’outils d’analyse spécialisés est à même de comprendre et de traduire des données brutes non structurées à des fins commerciales précises. Par contre, les données transformées fournies par un data warehouse peuvent être accessible aux collaborateurs internes bénéficiant de certaines connaissances en analyse de données.
En conclusion, le data warehouse et le data lake ne se ressemblent en rien. En vérité, le seul élément que ces deux approches ont de communs se trouve essentiellement dans leur capacité à stocker des données.
Pour information, il est possible d’implémenter les deux types de gisements en entreprise. Cela optimise les résultats.
