難易度・正答率・重要度
- 難易度：★★☆☆☆（概念の整理）
- 正答率：★★★☆☆（DWHとの違いを把握）
- 重要度：★★★☆☆（データ利活用の基盤）
問題文
データを格納する考え方としてデータレイクが注目されている。データレイクに関する記述として、最も適切なものはどれか。
ア
組織内で運用される複数のリレーショナルデータベースからデータを集めて格納する。
イ
組織内の構造化されたデータや、IoT機器やSNSなどからの構造化されていないデータをそのままの形式で格納する。
ウ
データウェアハウスから特定の用途に必要なデータを抽出し、キー・バリュー型の形式で格納する。
エ
データ利用や分析に適したスキーマをあらかじめ定義して、その形式にしたがってデータを格納する。
オ
テキスト形式のデータと画像・音声・動画などのバイナリ形式のデータをそれぞれ加工し、構造化したうえで格納する。
出典：中小企業診断協会｜2022年度 第1次試験問題｜経営情報システム（PDF）
解答
- 正解：イ（構造化・非構造化データを生の形式で格納）
解説
- ア：×
複数RDBの集約はETLやDWHの文脈であり、データレイクの定義を満たさない。 - イ：〇
データレイクは構造化・半構造化・非構造化を含む生データをスキーマ前提なく格納できる。 - ウ：×
DWHから抽出しキー・バリューで格納する説明はデータマートやNoSQLの一部特性に近く、データレイクの本質ではない。 - エ：×
事前に分析スキーマを設計して格納するのは「スキーマ・オン・ライト」のDWHの考え方。 - オ：×
事前加工・構造化を前提にするのはDWHの特徴で、レイクは「そのまま格納」が基本。
学習のポイント
- データレイク： 生データを形式問わず大量に蓄える「スキーマ・オン・リード」の基盤。
- DWHとの違い： DWHは前処理・整形済みデータを格納する「スキーマ・オン・ライト」。
- 対象データ： 構造化（RDB）、半構造化（CSV/JSON）、非構造化（画像・音声・ログ等）を含む。