Un "data lake" es un repositorio central que almacena grandes cantidades de datos en su formato original y sin procesar. A diferencia de un data warehouse jerárquico que almacena datos en archivos o carpetas, un data lake utiliza una arquitectura plana y almacenamiento de objetos para guardar los datos. Los datos se almacenan en almacenamiento de objetos con etiquetas de metadatos y un identificador único, lo que mejora el rendimiento y facilita la búsqueda y recuperación de datos en diferentes regiones. Los data lakes permiten que múltiples aplicaciones utilicen los datos mediante el uso de estándares abiertos y almacenamiento de objetos económico. Debido a su estructura abierta, los data lakes permiten a los usuarios evitar quedar atrapados en sistemas propietarios como los data warehouses, lo que se ha vuelto cada vez más crucial en las arquitecturas de datos modernas. Los data lakes no solo son increíblemente duraderos y económicos, sino que también pueden escalar y utilizar almacenamiento de objetos.