數位轉型趨勢下，企業蒐集的資料量體越來越大，來源、格式與應用也漸趨多元。因應此一趨勢，企業的資料架構與管理思維也不斷在演進。
以往各單位彼此獨立蒐集資料，為解決這種「資料孤島」的問題，開始有「資料倉儲」集中式儲存企業各個部門的資料。而隨著近年資料科學與大數據興起，資料集延伸，企業逐漸希望由大量未經處理的原始資料 (raw data) 開始著手，也因而有了「資料湖泊」的概念產生。
本文分別針對常見的資料倉儲 (Data Warehouse)、資料湖泊 (Data Lake) 與數位廣告應用常見的 DMP (Data Management Platform) 比較差異。
（延伸閱讀：Martech 必看！手把手教學帶您正確的建立行銷資料倉儲）
資料結構與格式
資料倉儲通常是為了預定好的分析或商業目的而設計；在固定的資料結構下，資料進入倉儲時已是處理後的結構化資料。相較之下，資料湖泊則不預先定義蒐集資料的目的，蒐集到的為原始資料 (raw data)。這些 raw data 格式可能為結構化或半結構化資料。廣告系統常用的 DMP 則擁有部分資料倉儲的特性，資料同樣有預定義的格式，由用戶的瀏覽行為偏好、廣告互動情形，萃取出用戶屬性，以優化廣告受眾鎖定。
資料來源與用途
若以資料來源區分，資料倉儲與資料湖泊掌握的主要是企業第一方資料，其中可能包含個人身分信息如：e-mail、會員 ID 等，若需處理特定資料分析題目，可能另外蒐集外部資料。DMP 則是以 cookie 或裝置為基礎去蒐集網路用戶資料，這些資料會橫跨不同網站，因此對於個資的掌握也較低。
會有這些不同的格式與來源，主要原因在於三者不同的使用目的。資料倉儲是企業為了特定分析目標而設計；設計架構前會先與企業溝通，經 ETL 後的資料可快速查詢使用，常應用在 BI、視覺化、營運分析等；因為資料已按業務邏輯整理好，它也能提供資料科學家分析前的一些基本探勘，作為了解業務營運的入口。
資料湖泊則不會預先定義蒐集資料的用途，原始資料直接進入資料湖泊，因此還需花較長時間清理、運算、探索等流程，才能提供商業洞察；但也因為這樣的特性，資料湖泊的應用情境相對廣泛彈性，除了分析報表應用之外，原始資料也更容易被用於 AI 與機器學習。
DMP 則著重在廣告活動上；DMP 蒐集用戶橫跨各網站的行為與偏好，企業則可藉由 cookie ID 或裝置 ID 將自己的資料與 DMP 的第三方資料結合或交換，並介接到廣告投放平台（DSP、SSP 等）。也因為這種去識別化的資料特性，DMP 較不會著重在「單一用戶」的行為，而是「一群受眾 (cookie)」的偏好與屬性。廣告交易市場上的買方與賣方，就能使用這樣的屬性去鎖定適合的受眾／優化站上版位投遞。
使用者
資料倉儲的各種視覺化圖表產出，經常被企業的營運部門或商業分析師使用，相較之下也易於解讀。資料湖泊內的原始資料，則是資料科學家或資料工程師們去進行探索、導入機器學習建立模型。資料湖泊的價值展現不在於其底層技術，而是由企業取用資料的技巧與資料科學家的能力予以附加。
以電商網站為例，它可能擁有：用戶行為、交易紀錄、物流紀錄、商品資訊、用戶基本資料等，這些資料若持續存在於資料庫內，隨著時間累積相當可惜。但若經由適當的探索與建模，上述資料可用在個人化商品推薦、銷量預測、物流最佳化、商品自動貼標等各種 AI 情境。
另外，自從數位行銷由版位購買演進至為受眾購買後，大部分的 DSP 或 SSP 業者會建立自有 DMP 或介接其他資料提供廠商以做到精準受眾購買。但這類型的廣告會基於 cookie 投遞，所以你可能遇過以下情境：分別在電腦與手機上看過某個購物網的商品，完成訂單後，卻仍在某個裝置上看到該商品的廣告；這就是基於 cookie 投遞廣告的缺點，因其無法識別這兩個裝置背後，其實是同一位消費者。而資料倉儲或湖泊使用 CRM 名單做配對，則可避免上述問題，投遞客製化的訊息或 e-mail 給特定用戶。
快速回顧
綜合以上，快速整理幾個差異：
| Data Warehouse | Data Lake | DMP | |
| 資料結構與格式 | 結構化，預先定義結構 | 結構化或半結構化（原始資料），不預先定義結構 | 結構化 |
| 資料範圍 | 較廣，涵蓋各部門 | 較廣，涵蓋各部門 | 以 cookie 為基礎的用戶行為 |
| 資料來源 | 企業內部為主 | 企業內部為主 | 第三方數據為主 |
| 主要用途 | 資料儲存、BI 與視覺化、營運分析 | 資料儲存、機器學習、AI、BI 與視覺化，靈活度較高 | 廣告投放、受眾鎖定優化 |
| 使用者 | 商業分析師、業務單位、資料科學家 | 資料科學家、資料工程師 | DSP / SSP 業者、媒體公司 |
參考資料來源
