ETL frente a ELT
El orden de las siglas
ETL extrae de los orígenes, transforma en una capa intermedia y carga ya modelado en el destino. ELT extrae y carga primero, dejando la transformación como último paso ejecutado por el propio almacén.
Dónde vive la lógica
En ETL la lógica vive en herramientas de pipeline y código del ingeniero; el destino recibe tablas depuradas. En ELT la lógica se traslada a modelos, casi siempre en SQL, dentro de un almacén elástico que escala el cómputo.
Motor y coste
- ETL abarata el almacén pero exige infraestructura de transformación aparte.
- ELT aprovecha motores columnares masivos y cobra el cómputo dentro del almacén.
- El coste real depende de cuánto transformes y con qué frecuencia cambie la regla.
Flexibilidad al cambio
Cargar primero datos crudos deja explorar y retransformar sin volver al origen: si aparece una nueva necesidad, derives columnas sobre lo ya cargado. ETL, al modelar antes, es más rígido ante lo no previsto.
Gobernanza del dato
Si el analista domina SQL y quiere iterar, ELT le da rienda suelta con herramientas de modelado. Si la regla de negocio es compleja y el origen delicado, ETL centraliza ese control en el pipeline.
Calidad y contrato
Cargar en bruto no exime de validar: conviene controles de calidad en la entrada y contratos de esquema para que el almacén no se convierta en un vertedero donde nadie entiende una columna.
Herramientas del oficio
El ecosistema separa movimiento de transformación: conectores o ingestas para la E, y motores de modelado que compilan dependencias para la LT de ELT. Muchas organizaciones conviven con ambas arquitecturas a la vez.
Errores frecuentes
- Creer que ETL queda obsoleto por moda, cuando sigue ganando donde la regla de negocio es compleja.
- Cargar en bruto sin validación ni contrato y convertir el almacén en un vertedero incomprensible.
- Decidir por siglas y no por coste: olvidar cuánto transforma cada organización y con qué frecuencia cambia la regla.
Ejemplo resuelto: elegir arquitectura para un e-commerce
Un comercio electrónico con almacén elástico y analistas que piden métricas nuevas cada semana debe decidir. El razonamiento:
- Clasificar el cambio: lo que más se añade son columnas derivadas sobre datos ya cargados.
- Mirar el origen: los datos llegan estables y el coste de volver a extraer cada vez sería alto.
- Aprovechar el motor: el almacén elástico escala el cómputo de la transformación sin infraestructura aparte.
- Adoptar ELT y derivar las métricas en SQL con herramientas de modelado.
- Poner controles de calidad y contrato en la entrada para que cargar crudo no degenere en desorden.
¿Para qué sirve en la realidad?
Casi toda plataforma que mide su operación, desde un comercio hasta una app de movilidad, decide dónde transformar. La elección condiciona el coste de cada nueva métrica y quién puede crearla sin pedir turno al equipo de datos.
Un equipo de analistas quiere incorporar con frecuencia nuevas métricas derivadas sin pedir cambios al pipeline de ingesta. La arquitectura más compatible suele ser:
En ELT la transformación se ejecuta dentro del propio almacén de destino.
ETL ELT
Ordena el flujo de trabajo de una arquitectura ELT:
Extraer
Cargar
Transformar
Consumir
Extract, transform, load
Definición y variantes de ETL y ELT en el movimiento y preparación de datos.
Une cada rasgo con la arquitectura que lo describe.
Dónde transformas lo cambia todo
# ETL frente a ELT ## ETL ### modela en tránsito ### lógica del ingeniero ### tablas depuradas ## ELT ### carga primero ### transforma dentro ### flexible al cambio ## Coste ### infra aparte contra cómputo elástico ### según cuánto transformes ## Control ### pipeline centraliza ### analista itera en SQL
ELT frente a ETL
Similitudes y diferencias entre ambas arquitecturas de integración de datos.
Tu empresa tiene un almacén elástico barato en cómputo pero analistas que no gestionan pipelines. ¿ETL o ELT? Justifica por coste, flexibilidad y quién controla la transformación.