que.nom.es

ETL (Extract, Transform, Load): definición y cómo funciona

Integración de datos basico También llamado: Extract Transform Load, extracción transformación carga
ETL: los datos se extraen de las fuentes, se transforman en un motor intermedio y solo después se cargan, ya limpios, en el data warehouse.
ETL: los datos se extraen de las fuentes, se transforman en un motor intermedio y solo después se cargan, ya limpios, en el data warehouse.

ETL (Extract, Transform, Load)

¿Qué es?

ETL son las siglas de Extract, Transform, Load (extraer, transformar, cargar). Es el patrón clásico de integración de datos: el proceso de tomar datos de uno o varios sistemas operativos (ERP, CRM, ficheros, APIs), aplicarles las transformaciones necesarias para que sean coherentes y útiles, y cargarlos en un destino analítico (típicamente un data warehouse).

¿Para qué sirve?

Es la pieza que conecta los sistemas que producen datos con los sistemas que los analizan. Sin ETL, los analistas tendrían que consultar directamente cada sistema operativo, sin un modelo unificado y sin garantías de coherencia.

Las transformaciones típicas en un ETL incluyen:

  • Limpieza de datos (corregir formatos, eliminar duplicados, manejar nulos).
  • Normalización (unificar codificaciones, monedas, unidades).
  • Enriquecimiento (cruzar con catálogos maestros).
  • Modelado dimensional (preparar tablas de hechos y dimensiones).
  • Aplicación de reglas de negocio (clasificaciones, agregaciones).

Ejemplo

Una cadena de retail con tiendas físicas y e-commerce:

  1. Extract: cada noche se extraen ventas del POS de tiendas, pedidos del e-commerce y movimientos de almacén.
  2. Transform: se unifican formatos de fecha, se cruza el SKU del POS con el catálogo del e-commerce (que usa códigos distintos), se calcula margen.
  3. Load: el resultado se carga en una tabla de hechos fact_ventas del data warehouse.

A la mañana siguiente, el cuadro de mando del director comercial muestra ventas combinadas tienda+online sin que él tenga que hacer nada.

ETL vs ELT

La diferencia clave: dónde se hace la transformación.

  • ETL: transformación antes de cargar. Habitual cuando el destino es caro/limitado en cómputo (data warehouses tradicionales on-prem).
  • ELT: transformación después de cargar, dentro del propio destino. Habitual con data warehouses cloud potentes (Snowflake, BigQuery, Redshift), donde tiene sentido aprovechar su capacidad SQL.

En 2026, ELT es el patrón dominante en stacks modernos. ETL sigue vigente en arquitecturas legacy y casos donde la transformación requiere lógica externa al SQL.

Tecnologías de referencia

  • ETL clásico: Informatica PowerCenter, IBM DataStage, Talend, Pentaho Data Integration (Kettle).
  • ELT moderno: dbt (transformación), Airbyte / Fivetran (extracción y carga).
  • Plataformas de orquestación: Apache Airflow, Dagster, Prefect.

Más información

Contenido elaborado con asistencia de inteligencia artificial — Equipo Editorial Dataprix. Verifica la información antes de tomar decisiones.