[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"general-list":3,"footer-feature-tags":4,"slate-glossary-term-data-lake":66},true,[5,14,20,29,34,40,46,52,56,62],{"id":6,"name":7,"hex":8,"translations":9,"count_pages":13},8,"Компания","#f40925",{"ru":10,"en":11},{"name":7},{"name":12},"Company",9,{"id":15,"name":16,"hex":17,"translations":18,"count_pages":6},26,"Главная страница",null,{"ru":19},{"name":16},{"id":21,"name":22,"hex":23,"translations":24,"count_pages":28},2,"Проекты","#3027ff",{"ru":25,"en":26},{"name":22},{"name":27},"Project",15,{"id":30,"name":31,"hex":17,"translations":32,"count_pages":21},33,"ИИ",{"ru":33},{"name":31},{"id":35,"name":36,"hex":17,"translations":37,"count_pages":39},34,"Комментарии",{"ru":38},{"name":36},4,{"id":41,"name":42,"hex":17,"translations":43,"count_pages":45},25,"Задачи",{"ru":44},{"name":42},24,{"id":47,"name":48,"hex":17,"translations":49,"count_pages":51},27,"Рабочие пространства",{"ru":50},{"name":48},3,{"id":45,"name":53,"hex":17,"translations":54,"count_pages":6},"Kanban-доска",{"ru":55},{"name":53},{"id":57,"name":58,"hex":17,"translations":59,"count_pages":61},23,"Диаграмма Ганта",{"ru":60},{"name":58},1,{"id":28,"name":63,"hex":17,"translations":64,"count_pages":61},"Календарь",{"ru":65},{"name":63},{"detail":67,"more":143},{"id":68,"slug":69,"translations":70,"category":84,"tags":92,"letter":102,"og_image":17,"cover":17,"author_name":17,"author_position":17,"author_avatar":17,"faqs":103,"related":117,"views_count":140,"helpful_yes_count":106,"helpful_no_count":106,"created_at":141,"updated_at":142,"published_at":17},307,"data-lake",{"ru":71},{"title":72,"short_definition":73,"tldr":74,"full_explanation":75,"when_to_apply":76,"when_not_to_apply":77,"examples":78,"tips":79,"synonyms":80,"translation_en":81,"seo_title":82,"seo_description":83},"Озеро данных (Data Lake)","Хранилище сырых данных в исходных форматах: логов, файлов, выгрузок — без жёсткой схемы.","Озеро данных — это место, куда складывают сырые данные в исходных форматах: логи, выгрузки, файлы, события. В отличие от хранилища, у озера нет строгой схемы: это скорее оптовый склад данных, к которому потом подключают разных потребителей. Часто озеро и хранилище живут рядом: озеро дёшево хранит всё подряд, хранилище — структурированные витрины для аналитики.","\u003Cp>Концепция озера данных появилась как ответ на ограничения классических хранилищ, для которых схему данных нужно придумывать заранее. В озеро сначала кладут всё как есть, а уже потом решают, что и как анализировать.\u003C\u002Fp>\u003Ch3>Что обычно хранится\u003C\u002Fh3>\u003Cul>\u003Cli>Сырые события из продукта в формате JSON.\u003C\u002Fli>\u003Cli>Журналы работы систем и снимки баз данных.\u003C\u002Fli>\u003Cli>Выгрузки из внешних систем без обработки.\u003C\u002Fli>\u003Cli>Файлы для ML: изображения, аудио, видео, тексты.\u003C\u002Fli>\u003C\u002Ful>\u003Ch3>Современная архитектура\u003C\u002Fh3>\u003Cul>\u003Cli>Сами файлы лежат в дешёвом облачном хранилище: S3, GCS, Yandex Object Storage.\u003C\u002Fli>\u003Cli>Поверх них — открытые форматы (Parquet, ORC) и слой метаданных (Apache Iceberg, Delta Lake).\u003C\u002Fli>\u003Cli>Аналитические движки (Athena, Presto, Trino, Spark) умеют запрашивать данные прямо из озера.\u003C\u002Fli>\u003Cli>Такую связку называют озером-хранилищем, по-английски lakehouse: гибрид озера и классического хранилища.\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Много разнородных данных, в том числе неструктурированных\u003C\u002Fli>\u003Cli>Хочется сохранять историю в исходном виде «на всякий случай»\u003C\u002Fli>\u003Cli>Нужны и аналитика, и ML на одних и тех же данных\u003C\u002Fli>\u003C\u002Ful>","\u003Cul>\u003Cli>Маленький проект с парой источников — достаточно одного хранилища, отдельное озеро строить незачем\u003C\u002Fli>\u003C\u002Ful>","\u003Cp>Финтех-компания собирает события из мобильного приложения, банкоматов, веб-кабинета и партнёрских каналов. Все сырые события через Kafka попадают в озеро данных на S3 в формате Parquet. На основе озера живут и витрины в хранилище для BI, и наборы признаков для ML-моделей. Если возникает новый аналитический вопрос, который не покрыт текущими витринами, аналитик идёт прямо в озеро и собирает нужную выборку, не переделывая исходный конвейер загрузки.\u003C\u002Fp>","\u003Cp>Озеро очень быстро превращается в болото, если в нём нет каталога данных и владельцев. Прежде чем сгружать туда сырьё со всей компании, продумайте: кто отвечает за каждый источник, как описаны схемы и кто чистит устаревшее. Описания источников и ответственных удобно держать в базе знаний Shtab, а доступ к разделам разграничивать правами и ролями. Без этого через год озеро станет непригодным для работы.\u003C\u002Fp>","озеро данных, Data Lake, озеро-хранилище, lakehouse","Data Lake","Озеро данных (Data Lake): что это и зачем | Глоссарий Shtab","Озеро данных — хранилище сырья в исходных форматах, без жёсткой схемы. Разбираем, чем оно отличается от хранилища, как устроено и когда его стоит строить.",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":88},11,"analytics-data","#06b6d4",{"ru":89},{"title":90,"description":91},"Аналитика и данные","Понятия и инструменты работы с данными: виды аналитики, статистические основы, A\u002FB-тестирование, продуктовые метрики, дашборды и BI, инфраструктура данных, качество и управление данными.",[93],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":99},44,"data-engineering","tool","#0F9488",102,{"ru":100},{"title":101},"Инфраструктура данных","О",[104,111],{"id":105,"order":106,"translations":107},1144,0,{"ru":108},{"question":109,"answer":110},"Чем озеро данных отличается от хранилища?","\u003Cp>В хранилище данные уже структурированы и приведены к нужной схеме: оно оптимизировано под быстрые запросы на SQL. В озере данные лежат как есть и стоят дёшево, но запросы к ним обычно медленнее и требуют более продвинутых инструментов. В современных архитектурах два подхода постепенно сливаются в один — отсюда и появилось понятие озера-хранилища.\u003C\u002Fp>",{"id":112,"order":61,"translations":113},1145,{"ru":114},{"question":115,"answer":116},"Что такое озеро-хранилище (lakehouse)?","\u003Cp>Это попытка совместить плюсы озера — дешёвое хранение, любые форматы, данные для ML — с плюсами классического хранилища: структурой, транзакциями ACID и языком SQL. Строится поверх облачного хранилища через форматы вроде Apache Iceberg и Delta Lake. Сейчас это самое популярное направление в развитии аналитических архитектур.\u003C\u002Fp>",{"related":118},[119,126,133],{"id":120,"slug":121,"translations":122},306,"data-warehouse",{"ru":123},{"title":124,"short_definition":125},"Хранилище данных (Data Warehouse)","Специализированная база данных, в которой собраны и согласованы данные из разных источников для аналитики.",{"id":127,"slug":128,"translations":129},305,"etl-elt",{"ru":130},{"title":131,"short_definition":132},"ETL и ELT (загрузка и преобразование данных)","Два подхода к переносу и подготовке данных: ETL — извлечение, преобразование, загрузка; ELT — извлечение, загрузка, преобразование.",{"id":134,"slug":135,"translations":136},308,"data-pipeline",{"ru":137},{"title":138,"short_definition":139},"Пайплайн данных","Последовательность шагов, по которой данные двигаются от источника до конечного потребителя — отчёта, модели или системы.",101,"2026-05-11T20:16:07.282477+03:00","2026-05-11T20:16:07.282493+03:00",[144,167,187],{"id":145,"slug":146,"translations":147,"category":152,"tags":155,"letter":165,"cover":17,"updated_at":166,"published_at":17},313,"arpu",{"ru":148},{"title":149,"short_definition":150,"translation_en":151},"ARPU и ARPPU (средняя выручка на пользователя)","ARPU — средняя выручка на пользователя. ARPPU — средняя выручка на платящего пользователя.","ARPU and ARPPU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":153},{"ru":154},{"title":90,"description":91},[156],{"id":157,"slug":158,"kind":159,"hex":160,"order":161,"translations":162},45,"product-analytics","metric","#5e79ec",103,{"ru":163},{"title":164},"Продуктовая аналитика","A","2026-05-11T20:16:09.534333+03:00",{"id":168,"slug":169,"translations":170,"category":175,"tags":178,"letter":185,"cover":17,"updated_at":186,"published_at":17},304,"bi",{"ru":171},{"title":172,"short_definition":173,"translation_en":174},"Business Intelligence (бизнес-аналитика)","Совокупность процессов и инструментов сбора, хранения и визуализации данных для принятия деловых решений.","Business Intelligence (BI)",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":176},{"ru":177},{"title":90,"description":91},[179,182],{"id":94,"slug":95,"kind":96,"hex":97,"order":98,"translations":180},{"ru":181},{"title":101},{"id":157,"slug":158,"kind":159,"hex":160,"order":161,"translations":183},{"ru":184},{"title":164},"B","2026-05-11T20:16:06.204990+03:00",{"id":188,"slug":189,"translations":190,"category":195,"tags":198,"letter":202,"cover":17,"updated_at":203,"published_at":17},312,"dau-wau-mau",{"ru":191},{"title":192,"short_definition":193,"translation_en":194},"DAU, WAU, MAU (активная аудитория за день, неделю и месяц)","Количество уникальных активных пользователей за день, неделю и месяц соответственно.","DAU \u002F WAU \u002F MAU",{"id":85,"slug":86,"hex":87,"icon":17,"order":85,"translations":196},{"ru":197},{"title":90,"description":91},[199],{"id":157,"slug":158,"kind":159,"hex":160,"order":161,"translations":200},{"ru":201},{"title":164},"D","2026-05-11T20:16:09.166914+03:00"]