Data lake e data warehouse resolvem problemas diferentes, mas continuam sendo apresentados como se fossem a mesma decisão com nomes diferentes. Não são — e escolher errado custa retrabalho de arquitetura meses depois.
Data warehouse: dados estruturados, perguntas conhecidas
Um data warehouse organiza dados já estruturados e limpos, otimizados para perguntas de negócio recorrentes: quanto vendemos por região, qual o churn por segmento, como está a margem por produto.
Data lake: dados brutos, perguntas ainda não feitas
Um data lake guarda dado bruto — estruturado, semi-estruturado e não estruturado — sem forçar um esquema antes de guardar. Faz sentido quando você ainda não sabe todas as perguntas que vai precisar responder.
A pergunta certa para decidir
Não é "qual tecnologia é mais moderna". É: sua organização já sabe quais perguntas de negócio precisa responder de forma recorrente, com dados já estruturados? Ou ainda está descobrindo o que os dados podem revelar?
Na prática, a maioria das empresas maduras usa os dois: lake para captura e exploração, warehouse (ou um lakehouse, que combina as duas abordagens) para as perguntas já recorrentes.
O erro mais caro
Migrar para data lake achando que resolve o problema de organização de dados, quando o problema real é falta de governança sobre o que já existe.
Nossa visão
A decisão de arquitetura de dados deveria começar pela pergunta de negócio, não pela tecnologia da moda. Data lake e data warehouse são meios; a pergunta que sua empresa precisa responder é o fim.