Inicio › Tecnología › Proceso ETL
Un proceso ETL (Extract, Transform, Load) es el patrón clásico de integración de datos qué extrae información desde distintas fuentes —bases de datos operacionales, APIs, ficheros—, la transforma aplicando limpieza, normalización, deduplicación y reglas de negocio, y finalmente la carga en un destino como un data warehouse. Herramientas como Apache Airflow, Talend o dbt orquestan estos pasos, y en los últimos años ha ganado terreno la variante ELT (Extract, Load, Transform), qué carga los datos en bruto primero y transforma después dentro del propio motor analítico, aprovechando la potencia de cómputo de plataformas como Snowflake o BigQuery.
Es el proceso de sacar datos de varios sitios (una tienda online, un CRM, una hoja de cálculo), limpiarlos y ordenarlos, y meterlos todos juntos en un único sistema donde luego se pueden analizar. Es como fusionar varios archivos desordenados en uno solo bien organizado.
Una empresa con datos de ventas en su ERP, de marketing en una plataforma de anuncios y de atención al cliente en un helpdesk puede montar un pipeline ETL con Airflow qué cada noche extraiga los tres orígenes, unifique los formatos de fecha y moneda, y los cargue en un data warehouse común para qué el equipo de análisis trabaje sobre una única fuente de verdad.
En ETL la transformación ocurre antes de cargar los datos, fuera del destino final; en ELT los datos en bruto se cargan primero y la transformación se ejecuta después dentro del propio almacén analítico, aprovechando su capacidad de cómputo paralelo.
Las herramientas de orquestación como Airflow permiten definir reintentos, alertas y dependencias entre tareas, de modo qué un fallo en la transformación no cargue datos incompletos y quede registrado para su revisión.
Tradicionalmente sí, con ejecuciones programadas, pero existen variantes de "ETL en streaming" qué aplican la misma lógica de extracción-transformación-carga sobre flujos continuos en vez de ejecuciones periódicas.