ELT significa extrair, carregar e transformar. Esta abordagem inverte a ordem tradicional do ETL. Os dados são extraídos das fontes e carregados diretamente para o sistema de destino no seu formato bruto. As transformações ocorrem dentro do destino, normalmente um data warehouse na cloud, utilizando o seu poder computacional. Esta abordagem popularizou-se à medida que os data warehouses na nuvem escalaram e os seus custos de processamento diminuíram. Porquê transformar os dados num servidor separado quando o próprio data warehouse pode fazê-lo de forma mais rápida e barata?

A ELT (Transformação ao Nível do Evento) apresenta vantagens. Os dados em bruto são preservados no data warehouse, permitindo que as transformações sejam novamente executadas sem necessidade de reextração das fontes. Novas transformações podem ser aplicadas retroativamente. O sistema de destino trata da maior parte do processamento, o que simplifica a arquitetura do pipeline. Ferramentas como o dbt trouxeram as práticas de engenharia de software para a transformação: controlo de versões, testes, documentação e código modular. A contrapartida é que o data warehouse precisa de ser robusto o suficiente para lidar tanto com o armazenamento como com a transformação. Isto também significa que os dados brutos, potencialmente sensíveis, permanecem no data warehouse antes da transformação. Os controlos de acesso devem protegê-los. A ELT não é universalmente melhor que a ETL. Para algumas cargas de trabalho, a transformação antes do carregamento reduz o volume de dados que chega ao data warehouse. Para outras, a flexibilidade da ELT é a melhor opção. A escolha depende das capacidades do sistema alvo e das preferências da equipa.

Características do ELT

• Carregar dados brutos — os dados chegam ao data warehouse sem serem alterados.
• Transformação no local — o data warehouse processa as transformações.
• Reprocessável — as transformações podem ser executadas novamente nos dados brutos.
• Tubagens mais simples — menos peças móveis
• Dependente do armazém — requer computação escalável.

ELT é o ETL invertido. O data warehouse realiza o trabalho. O pipeline apenas move os dados.