Lago de datos (data lake)
Un lago de datos (data lake) es un lugar donde una empresa guarda sus datos en archivos, tal como llegan y sin transformarlos, para decidir después cómo leerlos.
Selecciona cualquier frase de aquí para preguntarle a tu Maestro.
Cada mes, el archivo de ventas (Parquet) cae en tu lago de datos tal como llega. En marzo, el sistema que lo exporta le cambió el nombre a la columna monto: ahora se llama total. Corres SUM(monto) por mes. ¿Qué sale en marzo?
Cómo funciona: todo cae al lago como llega, sin transformarlo: archivos CSV, JSON, Parquet, imágenes o logs, en un almacenamiento barato como Amazon S3. La estructura se decide al leer (schema on read), no al guardar.
Lago o almacén: un almacén de datos guarda tablas limpias con estructura fija, listas para reportes. Un lago guarda todo, más barato y sin decidir antes para qué sirve. Muchas empresas usan los dos: el lago recibe y un proceso ETL lleva lo limpio al almacén.
Para qué sirve: para guardar datos que todavía no sabes cómo vas a usar, o que no caben en una tabla, como texto, fotos o datos de sensores, y para entrenar modelos de machine learning.
Así se usa
Lago, almacén o lakehouse
Dónde vive cada cosa
- Lago de datos: archivos tal como llegan (CSV, JSON, Parquet, fotos, logs) en un almacenamiento barato como S3
- Almacén de datos: tablas limpias con estructura fija, listas para consultar con SQL
- marcado: Lakehouse: los archivos del lago con un formato de tabla encima (Delta Lake, Iceberg) para consultarlos como un almacénDatabricks popularizó la idea: lo barato del lago con el orden del almacén.
Cuándo mirar más de cerca
Cuatro archivos de octubre
ventas/2026/10/
- $ ls ventas/2026/10/
- ventas_oct.csv ventas_oct_final.csv ventas_oct_final_v2.csv ventas_oct_BUENO.csv
En la carpeta de octubre de tu lago hay cuatro archivos de ventas. ¿Cuál tiene las ventas reales del mes?
Pregúntale a tu Maestro sobre Lago de datos
Te responde desde la página gratis más cercana a esta palabra, igual que mientras estudias.
Tú: ¿Qué quiere decir "Lago de datos", en palabras sencillas?
Tu Maestro: Te lo explico con un caso tuyo, que se queda mejor que una definición. ¿Dónde terminan hoy los archivos que exportan tus sistemas?
Pregunta sobre: Responde desde la página "¿Por qué pandas no suma mis montos? Números guardados como texto"
Solo este navegador guarda lo que preguntas aquí. ¿Cómo funciona?
Para saber más
Términos relacionados
- Almacén de datos (data warehouse)
Un almacén de datos (data warehouse) es una base de datos hecha para analizar: junta los datos de muchos sistemas en un solo lugar, guarda su historia y los acomoda para consultarlos.
- ETL (extraer, transformar, cargar)
ETL (extraer, transformar, cargar) copia datos de los sistemas donde nacen, los limpia y les da forma, y los carga en un almacén de datos para analizarlos juntos.
- CSV
Un CSV (valores separados por comas) es un archivo de texto plano que guarda una tabla: una fila por línea, con comas entre las columnas.
- JSON
JSON es un formato de texto para datos con estructura: etiquetas y valores entre llaves, listas entre corchetes. Los programas lo usan para pasarse datos entre ellos.