Neste artigo
- O que é um data warehouse?
- O que é um data lake?
- Qual a diferença prática entre os dois?
- Quando cada um faz sentido?
- As duas arquiteturas convivem?
- O custo real de cada escolha
- Um pequeno time precisa dos dois?
- O que é um data swamp?
- ETL e ELT mudam essa escolha?
- Por onde começar um projeto de dados?
Data warehouse e data lake não são concorrentes: são respostas para estágios diferentes do mesmo dado. O warehouse guarda informação estruturada, modelada e pronta para consulta; o lake guarda dado bruto, no formato original, esperando um uso que talvez ainda não esteja definido. A diferença está no grau de preparação, e é dela que saem custo, velocidade e quem consegue usar cada um.
Data warehouse é o repositório de dados estruturados, com schema definido antes da carga e otimizado para consulta analítica; data lake é o repositório de dados brutos, em qualquer formato, com schema definido apenas na leitura. Para entender quem constrói e mantém essas estruturas, o curso gratuito de fundamentos de engenharia de dados da DSA cobre o papel das camadas de armazenamento em times reais.
O que é um data warehouse?
É um banco desenhado para análise, e não para operação. Os dados chegam de sistemas transacionais, passam por extração, transformação e carga, e entram com estrutura definida: tabelas de fatos, dimensões e métricas consistentes entre áreas. O preço dessa disciplina é a preparação; o retorno é a consulta rápida e confiável, porque o modelo já responde às perguntas que o negócio repete toda semana. Quando o modelo de dados é fraco, o warehouse inteiro sente, e o guia de erros de modelagem que custam caro mostra o que evitar antes da primeira carga.
O que é um data lake?
É um repositório que aceita tudo no formato original: JSON de aplicação, log de servidor, imagem, planilha e arquivo de sensor. Nada precisa estar estruturado na entrada, o que reduz o custo e o tempo para começar a guardar. A contrapartida vem na leitura: sem catálogo, documentação e governança, o lake vira pântano, aquela massa de arquivos que ninguém sabe o que contém nem se pode confiar. O lake compra flexibilidade na entrada e cobra disciplina na saída.
Qual a diferença prática entre os dois?
A comparação lado a lado deixa a decisão mais clara:
| Critério | Data warehouse | Data lake |
|---|---|---|
| Formato dos dados | Estruturado, schema na entrada | Bruto ou semiestruturado, schema na leitura |
| Usuário típico | Analista e ferramenta de BI | Cientista e engenheiro de dados |
| Custo de preparação | Alto antes da carga | Baixo na entrada, alto na leitura |
| Velocidade de consulta | Otimizada para pergunta recorrente | Depende da ferramenta de processamento |
| Risco principal | Modelo que não acompanha o negócio | Dado acumulado sem dono nem catálogo |
Quando cada um faz sentido?
O warehouse entra quando a empresa precisa responder com confiabilidade perguntas repetidas: faturamento por região, retenção por cohort, metas por trimestre. O lake entra quando os dados ainda não têm forma definida ou o uso futuro é incerto: guardar log de dois anos antes de saber qual pergunta valerá a pena. Tentar fazer análise de negócio direto no lake deixa de entregar relatório estável; tentar jogar dado bruto sem forma no warehouse custa modelagem infinita antes do primeiro resultado.
⚠️ Atenção: o maior risco do lake não é técnico, é organizacional: arquivo sem dono, sem descrição e sem data vira dívida silenciosa. Sem catálogo e política de descarte, o custo de guardar se transforma em custo de não encontrar.
As duas arquiteturas convivem?
Na prática, a maior parte dos times maduros usa as duas em sequência: o dado bruto chega ao lake, e o que prova valor é refinado e modelado para o warehouse, caminho que o time de engenharia acompanha de ponta a ponta. O movimento recente de lakehouse tenta unir os dois planos na mesma plataforma, mantendo o armazenamento barato e acrescentando camada transacional e de metadados. Para quem monta essa esteira, o guia completo de PostgreSQL serve como base para a etapa relacional onde o warehouse começa pequeno.
O custo real de cada escolha
Warehouse custa modelagem antes do primeiro relatório: alguém precisa definir fatos, dimensões e regras de atualização, e esse trabalho de engenharia se paga depois em consultas rápidas e número confiável. O lado bom é previsível: consulta vira horário de processamento, e cada análise nova aproveita a base que já existe. O lado caro é a rigidez: mudança de modelo quando o negócio muda de pergunta tem custo real, e essa é a crítica que costuma aparecer em times que modelaram cedo demais.
O lake inverte a conta: guardar é barato e imediato, e o custo aparece no consumo. Sem catálogo, formato organizado e dono por conjunto de dados, cada análise recomeça do zero, e o time descobre que dado guardado sem estrutura se aproxima de dado perdido. Ferramenta de consulta direta sobre o lake melhora esse quadro, mas não substitui disciplina de nomear, documentar e descartar.
Para quem está montando a primeira arquitetura de dados, a recomendação prática é começar pequeno nas duas pontas: um warehouse enxuto com as métricas que o negócio realmente consulta toda semana, e um lake com retenção definida para o resto. A migração de escala é mais fácil do que o desfazer de uma decisão grande tomada cedo sem informação suficiente.
Perguntas frequentes
Não em cenário de BI clássico. O lake resolve armazenamento barato e flexível, mas a consulta analítica recorrente continua mais eficiente sobre dado modelado. As arquiteturas se complementam, e a escolha depende da maturidade do uso.
Um pequeno time precisa dos dois?
Na maior parte dos casos, não. Um warehouse bem modelado sobre banco relacional atende times pequenos por muito tempo. O lake aparece quando surge dado bruto em volume, como log e evento, que o modelo relacional não comporta com custo razoável.
O que é um data swamp?
É o lake sem governança: arquivos acumulados sem catálogo, documentação ou responsável. O nome existe porque o problema é comum; a defesa é rotina simples de entrada, com descrição, dono e política de retenção para cada conjunto de dados.
ETL e ELT mudam essa escolha?
Eles mudam onde a transformação acontece, e não a arquitetura em si. No ETL, o dado entra tratado; no ELT, entra bruto e é transformado dentro do destino. ELT combina bem com warehouse moderno, porque descarrega a transformação para o motor de consulta.
Por onde começar um projeto de dados?
Pela pergunta de negócio, e não pelo armazenamento. Defina as dez consultas que precisam responder rápido, modele para elas e escolha a arquitetura que sustenta esse uso. Ferramenta escolhida antes da pergunta costuma virar refação.