Een datalake is een verzamelplek voor ruwe data. Anders dan een datawarehouse, waar gegevens eerst netjes worden opgeschoond en in vaste tabellen gezet, gooi je in een datalake alles er in de originele vorm in: exportbestanden, logbestanden, e-mails, foto’s, sensormetingen, spreadsheets. Pas op het moment dat je er iets mee wilt, bepaal je hoe je die data structureert. Vandaar de vergelijking met een meer: alles stroomt erin en je vist eruit wat je nodig hebt.
Voor het MKB is een datalake meestal geen must, maar het begrip komt steeds vaker langs zodra AI in beeld komt. AI-toepassingen hebben data nodig, en die data zit verspreid over je boekhoudpakket, CRM, webshop en machines. In plaats van al die systemen te koppelen, kun je exports op één plek verzamelen en daar vanuit werken. Ook handig als je gegevens langer wilt bewaren dan je pakketten toestaan, of als je afscheid neemt van een oud systeem maar de historie wilt houden.
De grootste valkuil is dat een datalake een datamoeras wordt: een berg bestanden waar niemand meer wijs uit wordt. Voorkom dat door vanaf dag één vast te leggen wat er in zit, waar het vandaan komt en wie eigenaar is. Regel toegang per map of dataset, want in zo’n verzamelbak staan al snel persoonsgegevens — en dan gelden gewoon de AVG-regels over bewaartermijnen en beveiliging. Begin klein: één of twee bronnen met een concrete vraag die je wilt beantwoorden, in plaats van eerst alles verzamelen en dan pas nadenken.
Wat OkayICT hierin doet: we zetten data uit je systemen veilig op één plek, met duidelijke afspraken over toegang, bewaartermijnen en wat je er daadwerkelijk mee wilt.
Meer lezen: Wat is een datawarehouse? · Wat is machine learning?
