---
title: "Data lake"
description: "Data lake to repozytorium przechowujące surowe dane w dowolnym formacie i skali. Sprawdź, jak działa jezioro danych i czym różni się od hurtowni."
url: "https://nodea.pl/pl/slownik-pojec/data-lake"
lang: "pl"
updated: "2026-07-13"
---

# Data lake

> Data lake (jezioro danych) to centralne repozytorium przechowujące surowe dane w oryginalnym formacie — ustrukturyzowane i nieustrukturyzowane — do późniejszej analizy w dowolnej skali.

**Data lake** (jezioro danych) to centralne repozytorium, które przechowuje dane w ich surowej, oryginalnej postaci — bez wcześniejszego narzucania schematu. Trafiają do niego zarówno dane ustrukturyzowane (tabele z baz danych), jak i półustrukturyzowane (JSON, logi, zdarzenia) oraz nieustrukturyzowane (dokumenty, obrazy, nagrania). Struktura i interpretacja są nakładane dopiero w momencie analizy — to podejście nazywane *schema-on-read*.

## Na czym polega architektura data lake?

Warstwą przechowywania jest zwykle tani, skalowalny magazyn obiektowy ([object storage](https://nodea.pl/pl/slownik-pojec/object-storage) typu S3) lub rozproszony system plików. Dane organizuje się w strefy: surową (*raw*), oczyszczoną (*curated*) i analityczną, przez które przepływają w procesach ELT — najpierw ładowanie, potem transformacja. Nad plikami pracują silniki zapytań i przetwarzania (Spark, Presto/Trino, silniki SQL-on-files), a katalog danych z metadanymi pozwala odnaleźć i zrozumieć poszczególne zbiory. Kluczowa różnica względem hurtowni danych: hurtownia wymaga zaprojektowania schematu przed zapisem i przyjmuje tylko dane przetworzone, jezioro przyjmuje wszystko od razu, przenosząc koszt porządkowania na etap odczytu. Coraz częściej oba podejścia łączy architektura *lakehouse*, dodająca do jeziora transakcyjność i kontrolę jakości znaną z hurtowni.

## Zastosowanie w praktyce

Jeziora danych są fundamentem projektów [big data](https://nodea.pl/pl/slownik-pojec/big-data) i uczenia maszynowego. Typowe scenariusze:

- **trenowanie modeli ML** — zespoły [data science](https://nodea.pl/pl/slownik-pojec/data-science) potrzebują surowych, historycznych danych, których hurtownia nie przechowuje;
- **analiza logów i telemetrii** — strumienie zdarzeń z aplikacji, serwerów i urządzeń IoT lądują w jeziorze tanio i bez utraty szczegółów;
- **archiwum analityczne** — pełna historia danych źródłowych dostępna na żądanie, np. do audytów;
- **integracja źródeł** — jedno miejsce łączące CRM, systemy transakcyjne i dane zewnętrzne przed dalszym przetwarzaniem.

Warunkiem sukcesu jest zarządzanie: katalog danych, właściciele zbiorów, kontrola dostępu i zasady jakości. Bez nich jezioro szybko zamienia się w „bagno danych” (*data swamp*), z którego nikt nie potrafi wyłowić wartości.

### Czym różni się data lake od hurtowni danych?

Hurtownia danych przechowuje dane oczyszczone i przekształcone pod z góry zdefiniowany schemat (schema-on-write), zoptymalizowane pod raportowanie. Data lake przyjmuje dane surowe, w dowolnym formacie, a strukturę narzuca dopiero przy odczycie (schema-on-read) — jest tańszy i elastyczniejszy, ale wymaga większej dyscypliny zarządzania.

### Czym jest data swamp?

To jezioro danych, które wymknęło się spod kontroli: brak katalogu, metadanych i zasad jakości sprawia, że nikt nie wie, co i skąd w nim leży, więc dane stają się bezużyteczne. Zapobiega temu governance — katalog danych, właściciele zbiorów i kontrola dostępu od pierwszego dnia.

## Powiązane

- [big data](https://nodea.pl/pl/slownik-pojec/big-data)
- [Data science](https://nodea.pl/pl/slownik-pojec/data-science)
- [baza danych](https://nodea.pl/pl/slownik-pojec/baza-danych)
- [Object storage](https://nodea.pl/pl/slownik-pojec/object-storage)
- [NoSQL](https://nodea.pl/pl/slownik-pojec/nosql)

---

Wersje językowe: [en](https://nodea.io/en/glossary/data-lake.md)  
Spis treści witryny: [llms.txt](https://nodea.pl/pl/llms.txt)