SQL

속도 vs 발견, 비용 vs 통제

웨어하우스는 알려진 질문에 대한 속도에 최적화되어 있다. 스키마가 미리 정의되고 데이터가 모델링되어 있어 쿼리가 빠르고 일관되게 응답하며, 대시보드·KPI·정기 리포트에 적합하다. 반면 데이터 레이크는 발견(discovery)에 최적화되어 있다 — 테이블을 미리 재설계하지 않고도 과거 데이터를 탐색하고 새 아이디어를 실험할 수 있다. 쿼리 성능은 들쭉날쭉할 수 있지만 유연성은 높게 유지된다. 하나의 시스템으로 두 패턴을 모두 처리하려 하면 대개 좌절로 끝난다.

비용 축에서 웨어하우스는 비용을 보장과 맞바꾼다 — 성능·인덱싱·신뢰성이 내장되어 있어 비용이 예측 가능하지만 사용량이 늘수록 더 비싸진다. 데이터 레이크는 설계상 스토리지 비용을 낮게 유지하지만, 그 대가로 나중에 데이터를 정제·검증·정리하는 데 더 많은 엔지니어링 노력이 필요하다. 즉 '저비용 스토리지'가 다운스트림 작업을 없애주지는 않는다 — 선택의 핵심은 저렴함 대 비쌈이 아니라 비용이 어디에서 드러나는가이다.

안정성 vs 변화, 신뢰 vs 소유권

웨어하우스는 안정적으로 유지되도록 설계된다 — 많은 다운스트림 소비자가 같은 데이터 모델에 의존하기 때문에 스키마는 천천히 바뀌고 업데이트는 신중히 계획된다. 데이터 레이크는 변화를 흡수하도록 만들어진다 — 새 필드, 진화하는 포맷, 불완전한 레코드가 수집을 막지 않고 들어올 수 있으며, 구조는 필요해질 때 적용된다.

신뢰와 소유권도 다르게 작동한다. 웨어하우스에서는 신뢰가 중앙집중화되어 있다 — 지표가 한 번 정의되어 여러 리포트에서 재사용되고, 문제가 생기면 누가 고칠지 명확하다. 데이터 레이크에서는 소유권이 분산되어 있다 — 여러 팀이 같은 원본 데이터를 서로 다른 목적으로 다루기 때문에, 일관성은 저절로 생기지 않고 컨벤션과 검증을 통해 만들어가야 한다. 이 차이는 데이터의 유용성이 아니라 책임(accountability)이 어떻게 강제되는가의 문제다.

알려진 질문 vs 신흥 유스케이스

웨어하우스는 질문이 잘 이해되어 있고 시간이 지나도 반복될 때 가장 잘 작동한다 — 데이터 모델이 안정된 비즈니스 로직을 반영한다. 데이터 레이크는 신흥 유스케이스를 지원한다 — 요구사항이 진화함에 따라 팀이 데이터를 먼저 확보하고 활용 방식을 나중에 결정할 수 있게 해준다. 이 마지막 차이가 왜 성장하는 데이터 플랫폼에서 두 시스템이 함께 존재하는 경우가 많은지를 설명한다 — 데이터 레이크는 원본과 신흥 요구를, 웨어하우스는 안정된 반복 질문을 각각 맡는 분업 구조가 자연스럽게 형성되기 때문이다.