Data lakehouse

Een data lake slaat alles op zoals het binnenkomt: tabellen, maar ook documenten, logbestanden en beelden. Dat is flexibel en goedkoop, maar zonder structuur wordt het al snel een moeras waarin niemand nog iets terugvindt. Een lakehouse legt daar de afspraken van een datawarehouse overheen: vaste tabellen, versiebeheer en controles. Of je dat nodig hebt voor AI, lees je bij het datafundament voor AI.

Platforms als Databricks en Microsoft Fabric zijn rond dit idee gebouwd. Het voordeel is dat rapportages, data science en AI-toepassingen dezelfde gegevens gebruiken, in plaats van elk een eigen kopie. Een lakehouse is daarmee een vorm van dataplatform.

Voor de meeste middelgrote organisaties is een lakehouse geen startpunt. Het loont als je grote hoeveelheden of veel soorten gegevens hebt en daar zelf analyses op wilt draaien. Voor AI die meewerkt in het dagelijkse werk, zoals een AI-agent die een aanvraag verwerkt, zijn goede koppelingen met de bronsystemen en betrouwbare gegevens meestal belangrijker.