数据沼泽：各种数据倾倒到“湖”，缺乏元数据管理，最终将好的数据湖变成数据沼泽，导致数据湖数据使用困难。
数据湖开放的数据存储结构为数据进入湖带来了更大的灵活性，各种结构化、半结构化、非结构化的原始数据可以直接进入湖。此外，开放式存储还为上层计算机引擎带来了更多的灵活性。各种计算机引擎需要遵循相当宽松的兼容性协议，并可以根据自己的场景随意读写数据湖中的数据。数据仓库更注重数据使用效率、数据安全性和数据处理能力，这对企业的长期增长和发展至关重要。
处理数据，需要注意存储问题，特别是在大数据时代，数据量巨大，如何有效存储，如何分布式存储成为一个重要问题，中间分布式数据库、非关系数据库等，包括数据仓库、数据湖，反映了这一技术需求。
作为数据管理和服务领域的领先企业，Kyligence 在数据湖上提供简化的数据分析能力、自动化构建能力、自动化推荐能力是行业的发展趋势。未来，Kyligence 我们将继续努力简化数据湖上的多维数据分析，不断降低用户使用数据的门槛，帮助全球客户数字化转型。
从数据到数据湖，再到被业务用户使用，不仅时效性差，而且整个过程依赖于数据工程师 ETL，数据开发过程比较繁重。一切 ETL 它们都需要消耗大量的计算资源和存储资源，这将大大提高数据平台的成本；随着数据的增加，TCO 也会逐渐增长。这些可能是每个使用数据湖相关技术的用户都会遇到的问题。
数据湖和数据仓库更多的是针对不同对象的不同形式的数据资产。数据中心更强调服务于前台，实现逻辑、标签、算法和模型的再利用和沉淀。