Nhiều ứng viên trả lời chung chung "Data Lake lưu dữ liệu thô, Data Warehouse lưu dữ liệu đã xử lý" mà không giải thích được lý do kiến trúc đằng sau — nhà tuyển dụng dùng câu hỏi này để phân biệt ai hiểu bản chất, ai chỉ học thuộc định nghĩa.
"Khi nào chọn Data Warehouse, khi nào chọn Data Lake?" — Data Warehouse phù hợp khi đã biết rõ câu hỏi phân tích cần trả lời (báo cáo doanh thu, dashboard KPI) và dữ liệu có cấu trúc ổn định. Data Lake phù hợp khi cần lưu trữ đa dạng nguồn (log, ảnh, JSON từ API...) trước khi biết chính xác sẽ phân tích thế nào — ưu tiên linh hoạt hơn tốc độ truy vấn.
"ETL và ELT khác nhau thế nào, liên quan gì tới 2 mô hình này?" — ETL (Extract-Transform-Load) biến đổi dữ liệu trước khi lưu, phù hợp Data Warehouse truyền thống. ELT (Extract-Load-Transform) lưu dữ liệu thô trước, biến đổi sau khi cần — phù hợp Data Lake và các công cụ warehouse hiện đại (Snowflake, BigQuery) có sức mạnh tính toán đủ để transform ngay trong warehouse.
Nói Data Lake "rẻ hơn" hoặc "hiện đại hơn" nên luôn tốt hơn — thực tế nhiều tổ chức vẫn cần Data Warehouse cho các use case đòi hỏi độ tin cậy và tốc độ truy vấn cao, ổn định. Câu trả lời tốt luôn có yếu tố "tuỳ use case", không tuyệt đối hoá 1 phía.
Nếu từng làm việc với cả 2 mô hình, hãy kể cụ thể: dữ liệu nào đi vào Data Lake trước (raw log, event tracking), quy trình transform để đẩy phần cần thiết vào Data Warehouse phục vụ báo cáo, và lý do tách 2 tầng thay vì dùng 1 hệ thống duy nhất.