Qu'est-ce qu'un lac de données (data lake) ?

Un lac de données est un dépôt fourre-tout pour les données brutes. Là où un entrepôt exige des tables propres et structurées, un lac accepte presque tout — extraits de bases de données, CSV, journaux JSON, PDF, images — et le stocke dans son format natif afin que rien ne soit jeté. Cette flexibilité est l'attrait, mais c'est aussi la faiblesse : un lac que personne n'a organisé devient un « marécage de données » dont il est difficile d'extraire des réponses, car il faut encore appliquer structure et sens avant de pouvoir l'interroger.

iDBQuery recoupe l'idée du lac mais l'aborde par le bout de la question plutôt que par celui du stockage :

• Il gère des données hétérogènes. iDBQuery se connecte aux bases de données et entrepôts structurés, aux feuilles de calcul et CSV, aux API REST, et même à des dossiers entiers de documents et de PDF — lisant les fichiers scannés par OCR.
• Il applique le sens automatiquement. Une couche sémantique lui apprend ce que signifient des tables et colonnes cryptiques, de sorte que vous n'avez pas à organiser à la main le tas brut avant de rien demander.
• Il répond en langage naturel, avec des citations. Plutôt que de vous laisser rédiger des requêtes sur un magasin tentaculaire, iDBQuery rédige le SQL, l'exécute sur un modèle unique et vivant de vos sources, et cite chaque chiffre jusqu'à sa source exacte.

Donc si un lac consiste à tout conserver, iDBQuery consiste à obtenir des réponses citées à travers tout — y compris les données documentaires et fichier désordonnées que les lacs servent souvent à héberger.