ETL significa extracción, transformación y carga. Ha sido el método estándar para transferir datos a almacenes de datos durante décadas. La extracción obtiene los datos de los sistemas de origen. La transformación los limpia, valida y adapta al esquema de destino. La carga los escribe en el almacén de datos. La transformación se realiza antes de la carga, en un servidor de procesamiento independiente. El almacén recibe datos limpios y estructurados.

Las herramientas ETL han evolucionado. Inicialmente, el ETL se codificaba manualmente en SQL y scripts. Herramientas comerciales como Informatica y DataStage añadieron interfaces gráficas y programación. Opciones de código abierto como Apache NiFi y Talend ampliaron el acceso. El patrón sigue siendo el mismo: extraer, transformar y cargar. El ETL sigue siendo la opción adecuada cuando el sistema de destino no puede gestionar cargas de trabajo de transformación, cuando es necesario reducir el volumen de datos antes de la carga o cuando los requisitos normativos exigen que los datos confidenciales se transformen antes de salir de un entorno controlado. También es común en entornos heredados donde el almacén de datos es un dispositivo tradicional con capacidad de procesamiento limitada. El auge de los almacenes de datos en la nube y el ELT redujo el dominio del ETL, pero no lo eliminó. Muchas organizaciones utilizan ambos: ETL para sistemas heredados y datos confidenciales, y ELT para flujos de trabajo nativos de la nube. El patrón no está obsoleto; es una opción entre varias.

Características de ETL

• Transformación previa: los datos se limpian antes de cargarlos.
• Procesamiento independiente: transformación en un servidor dedicado.
• Volumen reducido: solo los datos necesarios llegan al almacén.
• Establecido: décadas de herramientas y prácticas
• Compatible con sistemas heredados: funciona con almacenes tradicionales.

ETL es el patrón clásico. Todavía funciona. No siempre es la mejor opción, pero rara vez se equivoca.