三是数据应用问题。数据湖最大的推动者是亚马逊和其他互联网制造商，这些互联网数字本土企业，其数字水平很高，面对激烈的市场竞争，不再满足于数据仓库的单一数据供应模式，互联网制造商数据科学家有足够的能力从数据湖获取原始数据、分析数据、处理数据直到挖掘数据，所见所得是数据科学家探索数据所需要的。
事实上，大多数企业只是把hadoophive作为一个廉价的数据仓库，可以处理大量的数据，以取代可能昂贵的MPP，但我们仍然使用MPP时代的数据仓库使用数据湖，从未改变，就像我买了一辆自动驾驶汽车，但从未使用过自动驾驶功能。
数据应用:智能应用，基于人工智能和机器学习分析，提供个性化服务；快速构建应用程序，收集、探索和分析细粒度的数据湖。
基于上述特点，业界普遍认为数据仓库增长良好，适合成熟规模企业，因为标准化注重规模效益。数据湖灵活性好，更适合初创企业，如下图所示：
目前发表的大多数比较文章似乎只将这些项目评估为传统的表/文件格式，只附加工作负荷，而忽略了一些对现代数据湖平台至关重要的质量和特点。这些平台需要通过连续的表管理来支持繁重的工作负荷的更新。本文将进行深入的讨论 Apache Hudi 其技术差异及其成熟的数据湖平台如何领先于其他平台。