La principale différence entre ces deux systèmes réside dans la façon dont ils gèrent la structure et l'utilisation des données. Un lac de données est destiné aux données brutes non structurées, tandis qu'un entrepôt de données est conçu pour les données structurées et traitées.

Les data scientists doivent souvent créer un modèle d'IA capable de repérer les réservations frauduleuses en temps réel. Comme les données proviennent de nombreux endroits (journaux de sites Web, événements d'applications mobiles, partenaires tiers, etc.), un lac de données est idéal pour entraîner des modèles d'IA.

Commencez par configurer un pipeline pour envoyer chaque événement brut dans Cloud Storage. Cela inclut les fichiers JSON désordonnés du site Web et les journaux binaires de l'application mobile. Vous n'avez pas besoin de vous soucier de la mise en forme des données pour le moment, car Cloud Storage est conçu pour ce type d'échelle.

Vous devez nettoyer les données pour que le modèle d'IA puisse les exploiter. Google Cloud Service pour Apache Spark vous permet d'exécuter un job Apache Spark sans serveur. Vous pouvez ainsi transformer des millions de journaux bruts en un format structuré, sans avoir à gérer de serveurs ni de clusters.

Maintenant que les données sont prêtes, vous pouvez les charger dans un outil de machine learning. Comme les données brutes d'origine se trouvent toujours dans le lac, vous pouvez toujours y revenir et examiner les détails "cachés" qui pourraient vous aider à améliorer davantage le modèle.

En utilisant un lac de données, vous pouvez tout stocker à faible coût et ne traiter que ce qui est nécessaire au moment de créer le modèle.

Examinons maintenant un cas d'utilisation de la data science pour les marchands. Vous pouvez prédire le nombre de manteaux d'hiver que l'entreprise vendra le mois prochain. Comme les données de vente sont déjà nettoyées et stockées dans une base de données, il est recommandé d'utiliser un entrepôt de données pour cette tâche.

Commencez par BigQuery, qui fait office d'entrepôt de données centralisé pour l'entreprise. Les données de vente sont déjà organisées en tables pratiques, avec des colonnes pour les dates, les prix et les identifiants produit. Comme les données sont déjà structurées, vous n'avez pas besoin de passer du temps à les nettoyer.

Écrivez une requête SQL pour afficher les ventes d'hiver des cinq dernières années. Bien qu'il y ait des milliards de lignes de données, BigQuery trouve la réponse en quelques secondes. Cette rapidité vous permet de tester différentes idées et d'affiner les prévisions rapidement.

Une fois les prévisions prêtes, vous pouvez utiliser un outil intégré pour créer un tableau de bord. L'équipe marketing peut désormais voir exactement combien de manteaux elle doit commander. Comme BigQuery est une solution sans serveur, l'entreprise ne paie que pour les requêtes qu'elle exécute, ce qui permet de limiter les coûts.

Pour ce cas d'utilisation, l'entrepôt de données est l'outil le plus adapté, car il fournit des réponses rapides et fiables à des questions métier spécifiques à l'aide des données qui sont déjà dans un format exploitable.