Questão de Banco de Dados — Arquitetura de Banco de Dados — FGV 2026

Data Lake e Data Warehouse: schema-on-read vs schema-on-write

Gabarito: letra A (V – V – F). As duas primeiras afirmativas estão corretas: Data Lakes usam schema-on-read (dados brutos, sem estrutura rígida na ingestão) e Data Warehouses usam schema-on-write (dados transformados e estruturados antes da carga). A terceira é falsa, pois Data Lakes também armazenam dados estruturados, não apenas não estruturados.

O tema central é a diferença entre duas arquiteturas de armazenamento analítico: o Data Lake e o Data Warehouse. A distinção fundamental está no momento em que o esquema é aplicado aos dados — na escrita ou na leitura. Essa diferença define todo o fluxo de ingestão, armazenamento e consulta.

Data Lake é um repositório centralizado que armazena dados em seu formato bruto (raw), sem exigir que eles sejam transformados ou estruturados no momento da ingestão. O conceito de schema-on-read significa que o esquema é aplicado apenas quando os dados são lidos/consultados, permitindo flexibilidade total: você pode armazenar dados estruturados (tabelas relacionais), semiestruturados (JSON, XML) e não estruturados (texto, imagens, áudio) sem pré-processamento. Isso é ideal para cenários de Big Data, onde a variedade e o volume de dados são enormes e nem sempre se sabe de antemão como eles serão usados.

Data Warehouse é um repositório centralizado que armazena dados já processados e estruturados conforme um esquema definido previamente. O conceito de schema-on-write significa que o esquema é aplicado no momento da escrita (carga), ou seja, os dados precisam ser transformados, limpos e modelados antes de serem armazenados. Isso garante consistência e qualidade, mas reduz a flexibilidade: qualquer mudança no esquema exige reprocessamento dos dados.

A pegadinha da banca está na terceira afirmativa: ela tenta fazer o candidato acreditar que Data Lakes são exclusivos para dados não estruturados. Na prática, Data Lakes aceitam qualquer tipo de dado — estruturado, semiestruturado e não estruturado — justamente por não impor esquema na ingestão. A exclusividade é do Data Warehouse, que exige dados estruturados.

Guarde a fronteira: schema-on-read = flexível, dados brutos, qualquer formato vs schema-on-write = rígido, dados transformados, estruturados. É exatamente nessa fronteira que as alternativas se dividem.

Afirmativa 1 — ✅ Verdadeira

A afirmativa está correta. Data Lakes fundamentam-se no conceito de schema-on-read, permitindo o armazenamento de dados em formato bruto sem estrutura rígida na ingestão. Isso é a definição clássica de Data Lake: um repositório que aceita dados em qualquer formato, sem pré-processamento, aplicando o esquema apenas na leitura. A flexibilidade é a característica central dessa arquitetura.

Afirmativa 2 — ✅ Verdadeira

A afirmativa está correta. Data Warehouses operam sob o modelo de schema-on-write, exigindo que os dados sejam transformados e estruturados conforme um esquema definido antes da carga. Esse é o processo de ETL (Extract, Transform, Load): os dados são extraídos das fontes, transformados (limpeza, padronização, modelagem) e só então carregados no DW. Isso garante qualidade e consistência, mas sacrifica a flexibilidade.

Afirmativa 3 — ❌ Falsa

A afirmativa está incorreta. Data Lakes não são repositórios exclusivos para dados não estruturados. Eles aceitam dados estruturados, semiestruturados e não estruturados — justamente por não impor esquema na ingestão. A banca tenta confundir o candidato ao afirmar que Data Lakes são "tecnicamente incompatíveis" com dados estruturados de sistemas transacionais, o que é falso: um Data Lake pode armazenar dados de bancos relacionais (estruturados) sem qualquer problema, apenas sem a modelagem prévia que um DW exigiria.

Gabarito: letra A (V – V – F).