本案例依原書 Exhibit 1.1：Data warehouses and data lakes 整理。
作者比較 Data Lake 與 Data Warehouse 的目的、資料型態、使用者與彈性，並提醒 Data Lake 雖靈活，但成本與治理要求更高。
Data Warehouse 是整合來自多來源的 Current／Historical Data，通常先定義用途再結構化載入；Data Lake 則保留所有資料、支援多種型態與使用者，較能快速適應變化。
| 面向 | Data Warehouse | Data Lake |
|---|---|---|
| Data Scope | 已定義用途的資料 | 保留所有資料 |
| Structure | Highly transformed／structured | Raw／structured + unstructured |
| Timing of Use Definition | Use defined before load | 可先存後用 |
| User | Reporting／KPI-oriented operational users | Operational users + Data Scientists |
| Change Adaptability | 較低 | 較高 |
| Cost／Complexity | 較結構化、易於既定報告 | Software、Servers、Data Management 成本較高 |
建立 Use Case、Data Type、User Type、Latency、Governance、Cost Matrix，依需求選擇 Lake／Warehouse 或混合架構。
原書沒有提供 Lake／Warehouse 建置成本、查詢速度或 ROI 數字，因此不做量化比較。
Data Lake 不是天然「更好」。若多數使用者只是需要 Standard Reports／KPIs，Data Warehouse 可能更符合需求；若探索大量異質資料，Data Lake 更具彈性。
請依原書 Data Lake vs Data Warehouse 比較，針對某組織的資料需求判斷較適合的架構。若未提供資料型態、使用者與治理需求，請標記需補資料。