简单地说，如果你把数据仓库看作是一个图书馆，你可以通过清晰的分类找到特定的信息。“数据湖”是一个更自然的大湖。所有来自源头的内容流都可以添加到湖中，各种客户都可以来湖中进行测试、探索和获取样本。
缺乏性价比优化，资源消耗大，成本高。一方面，在数据湖和数字仓库的两层结构中，数据将首先通过ETL进入数据湖，然后通过ETL进入数字仓库，这将在系统中引入额外的复杂性，不仅需要支付大量的ETL运行成本，而且数据从数据湖复制到数字仓库也需要支付两倍的存储成本。另一方面，将这些数据或工作负载迁移到其他系统也会产生额外的成本，因为数字仓库采用专有数据格式。
来自各种来源的数据，比如来自数据湖的数据 ERP 系统业务数据；客户数据、时间序列数据、事件流、文档存储库文件等。来自电子商务数据库， 因此，数据湖可以快速实现 PB 等级，甚至更多的容量。这意味着我们正在处理的数据量已经超出了传统数据库技术的范围，如关系数据库管理系统（RDBMS），该系统最初设计用于处理结构化数据。这就是为什么类似 Hadoop 分布式文件系统（HDFS）这种新的存储解决方案已经成为管理结构化和非结构化数据的更灵活和可扩展的原因之一。
“Azure 数据湖包括开发者、数据科学家和分析师更容易存储和处理数据的所有能力，允许用户存储任何规模、类型和速度的数据，并对所有类型进行跨平台和语言的分析和处理。数据湖不仅可以帮助用户加快数据的应用，还可以消除数据采集和存储的复杂性，还可以支持批处理、流量计算、交互式分析等。
”易华录董事会秘书：感谢您对公司的关注！数据湖是易华录与地方政府共同出资的合资企业。地方数据湖正在积极与地方政府联系。
首先定义数据资产，并配置数据资产属性。然后，通过连接企业业务系统、数据湖或数据仓库，收集元数据自动获取原始企业数据字典与数据之间的关系，形成企业元数据地图。
数据湖本身实际上是一套解决方案。它服务于企业的业务需求，为发现数据价值提供了一套数据解决方案。在这个解决方案中，它应该具备什么样的能力来满足业务需求？
MongoDB绝不是取代独立的数据仓库、数据湖或智能湖仓库。目前，复杂的建模和发现已成为分析工作的重要组成部分，因此必须与操作系统一起实施。更重要的是，支持操作数据库中的分析的最大意义是实现过程内部连接，并尽可能实时。
近年来，随着大数据正式进入国内视野，企业数字化转型已成为真正意义上的刚性需求。数据仓库、数据湖、数据中心平台、数据编织等数据概念层出不穷。似乎一个概念代表了一个风口和一条轨道。从本质上讲，这些概念以数据为核心，仍然没有跳出治理的范畴。着陆点是企业的数字能力。