這篇針對 Data Warehouse 的名詞做些解釋，和先前提到的名詞進行比較。

概念

1. 「資料湖」和「資料倉庫/倉儲」的差異是什麼？
   • 建議可以參考資料： https://aws.amazon.com/tw/compare/the-difference-between-a-data-warehouse-data-lake-and-data-mart/
2. 先說資料湖
   • 先前不斷地說「資料湖」就是「菜渣集中」，即是因為資料湖一詞本身代表的是「集中管理」散落的孤島的資料、打破藩籬。 難保證存放在資料湖裡面的東西的品質、格式。 很多東西只是先存放起來，還沒整理過的。
   • 資料湖中可能包含一些檔案，如「非結構化資料」的圖檔、pptx投影片、xls報表、網頁、影片⋯⋯
   • 資料湖中也有可能含有一些「結構化資料」，如出生死亡人口csv檔、
3. 再來談資料倉儲的定義
   • 來自交易處理系統、操作資料庫和企業營運應用程式的關聯式資料。
   • 白話文就是： 可以直接拿來畫 BI (常譯作：商業智慧 / 全文：Business Intelligence) 的資料。
   • 重點：只能是結構化資料、而且都是消化過的，通常不會很佔空間
   • 有些會特別強調 BI 和 報表 的差異：
     • BI 比較智慧
     • BI 有可視化的圖、直覺易懂
     • 報表都是數字和表格、不智慧、不直覺、old school、not fancy

AWS 提出的「解決方案」

• AWS 如何協助滿足您的資料儲存需求？
• AWS 提供最廣泛的分析服務選擇，可滿足您的所有資料分析需求。我們讓各種規模的產業和組織，能夠利用資料來重塑其業務。下面是如何使用 AWS 的一些範例：
  • 使用 Amazon Redshift 來滿足您的資料倉儲和資料市集需求。在操作資料庫、資料湖、資料倉儲和數千個第三方資料集中，對複雜的擴展資料執行即時與預測性分析，以取得整合式洞察。您可以輕鬆地自動建立、訓練和部署機器學習模型。
  • 使用 AWS Lake Formation，在幾天內即可建置、管理和保護資料湖。從您所有的資料來源快速匯入資料，然後在集中式資料目錄中加以說明及管理。
  • 使用 Amazon S3，針對大數據分析、人工智慧、機器學習和高效能運算應用程式建置自訂資料湖。

結論

• 簡單的總結： 資料倉儲這一塊，已經是消化過的、處理過的資料，可以拿來產美美報表了。 例如產出「全國各里超商取貨購買商品分佈圖/ geospatial charts」、「疫情確診人數與銷售額關係/折線圖」之前，所需用到的資料。
• 誰會看？ 給老闆、CEO、決策者之類成功人士看的圖表。
• 考試的時候，如果問到如何實現，只有兩個常見的選項「Amazon Redshift」和「AWS Lake Formation」
• 在後續看到題目後再進行補充