数据仓库和数据湖，是大数据架构的两种设计取向。数据湖优先的设计，通过开放底层文件存储，给数据入湖带来了最大的灵活性。而数据仓库优先的设计，更加关注的是数据使用效率、大规模下的数据管理、安全/合规这样的企业级成长性需求。灵活性和成长性，对于处于不同时期的企业来说，重要性不同。随着用户业务的逐渐清晰与沉淀，用户面临着数据湖和数据仓库架构的融合，依托于阿里云数据仓库（MaxCompute、Hologres、ADB等产品）和数据湖构建产品，帮助用户打造湖仓一体的数据系统，让数据和计算在湖和仓之间自由流动，从而构建一个完整的有机的大数据技术生态体系。

用户大量不同类型数据存储在OSS中，希望能对数据做各种多种维度的分析查询，如实时数据分析、OLAP查询，并将对应的结果反馈到业务系统中。同时用户希望能方便的对接云上多种计算引擎，在数据查询时能够直接进行，不需要提取全部数据到查询系统。

大数据是AI的基础，AI也是大数据的未来。数据湖可以很好的在经典机器学习场景和深度学习场景下服务用户：在机器学习场景下，用户面临数据量大，模型训练慢，算法效果差的问题，需要数据湖具备能够对接成熟的机器学习平台的能力。在深度学习时，用户需要能够动态的调整对GPU资源的使用，节约成本。

亚洲领先的某互动娱乐公司。

月活用户数破亿的某互联网新媒体平台。