Begrepene datavarehus, data lake og lakehouse brukes ofte om hverandre, men de beskriver tre ulike måter å lagre og organisere data på. Forskjellen er ikke bare teknisk. Den avgjør hva du enkelt kan få til, hva det koster, og hvor godt plattformen tåler å vokse. Her er en klar forklaring av hva som skiller dem.
Datavarehus: det strukturerte
Et datavarehus (data warehouse) lagrer strukturerte, ferdig bearbeidede data. Dataene ryddes og settes i en fast struktur før de lagres, en tilnærming som kalles schema-on-write. Det som ligger der, er dermed klart til bruk med en gang, gjerne for rapportering og analyse med SQL.
Styrken er forutsigbarhet: tallene er konsistente, sporbare og enkle å revidere. Det gjør datavarehus til et trygt valg for rapportering, og for bransjer med strenge krav til etterprøvbarhet.
Begrensningen er fleksibiliteten. Fordi alt må passe inn i en fast struktur på forhånd, egner et datavarehus seg dårlig for ustrukturerte data som bilder, video og dokumenter, og det blir fort kostbart når datamengden og mangfoldet vokser.
Data lake: det fleksible
En data lake (datasjø) lagrer rådata i sitt opprinnelige format, uansett type: strukturert, semistrukturert eller ustrukturert. Strukturen påføres først når dataene skal brukes, en tilnærming som kalles schema-on-read.
Fordelen er fleksibilitet og lav kostnad. Du kan lagre alt billig i skyen og bestemme senere hva du vil gjøre med det. Det gjør en data lake godt egnet for utforsking, maskinlæring og avansert analyse.
Baksiden er at frihet uten orden fort blir kaos. Uten god styring og dokumentasjon kan en data lake bli en «datasump», et sted der data havner, men der ingen helt vet hva som finnes eller om det er til å stole på.
Lakehouse: det beste fra begge
En lakehouse forsøker å forene de to. Den lagrer data billig og fleksibelt som en data lake, men legger på strukturen, påliteligheten og ytelsen man kjenner fra et datavarehus.
Dette gjøres med åpne tabellformater som Delta Lake og Apache Iceberg. De gir lagringen egenskaper den ellers mangler: ACID-transaksjoner (trygge, samtidige lese- og skriveoperasjoner), håndheving av skjema, tidsreise (muligheten til å se data slik de var på et tidligere tidspunkt) og god spørreytelse.
Resultatet er én plattform som dekker både tradisjonell rapportering og AI og maskinlæring, på de samme dataene, uten å duplisere dem i to systemer. Bruken av åpne formater reduserer også risikoen for å bli låst til én leverandør.
Det er denne tilnærmingen de fleste moderne dataplattformene bygger på i dag. Microsoft Fabric lagrer for eksempel data i OneLake basert på Delta Lake, og Databricks er bygget rundt nettopp lakehouse-tankegangen.
Slik velger du
| Datavarehus | Data lake | Lakehouse | |
|---|---|---|---|
| Datatyper | Strukturerte | Alle | Alle |
| Skjema | Schema-on-write | Schema-on-read | Begge |
| Best til | Rapportering og BI | ML og utforsking | BI og AI samlet |
| Kostnad | Høyere | Lav | Lav til middels |
| Typisk risiko | Lite fleksibelt | Kan bli «datasump» | Krever fortsatt styring |
En enkel tommelfingerregel:
- Trenger dere først og fremst pålitelig rapportering på strukturerte data? Et datavarehus kan være nok.
- Har dere store mengder varierte data og tunge maskinlæringsbehov? En data lake gir fleksibiliteten.
- Vil dere ha begge deler på ett sted, uten å vedlikeholde to plattformer? Da peker det mot en lakehouse.
For de fleste virksomheter som bygger nytt i dag, er en lakehouse det naturlige utgangspunktet. Vil du lese mer om hva en slik plattform faktisk består av, har vi skrevet om hva en moderne dataplattform er og hva Microsoft Fabric er.
Usikre på hva som passer dere? Ta kontakt for en uforpliktende prat.