📝 Azure データレイク（Data Lake） と データウェアハウス（Data Warehouse）

🧠 高レベル技術概要（＋直感的な類比）

🔄 類比：データレイクは「データの湖」、データウェアハウスは「工場で精製された製品の倉庫」

• データレイク（Data Lake）：
原材料（＝構造化されていない生データ）を全部、そのまま保管する「湖」。
→ データを貯めておき、あとで処理・変換する。

• データウェアハウス（DWH）：
整理・クリーニングされ、分析用に最適化されたデータを保管する「倉庫」。
→ 必要なものだけをきれいに整備して保存し、すぐ使えるようにする。

🔬 技術的な違い（詳細 + 直感的理解）

🎓 Azure 上の具体的なサービスで比較

🧠 深掘り：スキーマ・オン・リード vs スキーマ・オン・ライト

🧊 スキーマ・オン・ライト（Data Warehouse）

• データを書き込む時点でスキーマ（構造）を決める必要がある

• 整形されたデータでないと入らない

• ✔️ データの整合性は保証される

• ❌ 柔軟性が低く、事前の設計が必要

💧 スキーマ・オン・リード（Data Lake）

• データはとりあえず保存しておいて、読み取る時に構造を解釈

• ✔️ 生データをそのまま保持できる

• ✔️ ML用途や未知の分析に強い

• ❌ データの整合性・信頼性は分析側の責任

🎯 選び方の直感的判断基準

📊 2つの統合：

データレイク＋DWHの共存アーキテクチャ

• 生データ → データレイクに格納（安価＆無制限）

• 必要な部分をクレンジング・整形 → データウェアハウスへ移送

• ETL/ELT パイプライン（Azure Data Factory、Synapse Pipeline など）を通じて連携