ETL

Un ETL es el trabajo de mudanza de los datos. Nacen en un lugar donde son útiles para operar —el sistema de ventas, la app, el CRM— y tienen que llegar a otro donde sean útiles para analizar. En el camino casi nunca están listos: vienen con fechas en tres formatos, nombres duplicados y columnas que solo entiende quien escribió el sistema.

Las tres letras son las tres etapas.

Extract: sacarlos sin romper nada

Te conectas a la fuente y te llevas los datos. La regla de oro es no estorbarle al sistema del que estás leyendo: si tu consulta tumba la base de producción a las 9 de la mañana, no importa qué tan bonito quedó el dashboard.

-- Extracción incremental: solo lo que cambió desde la última corrida.
-- Traerte la tabla completa cada noche funciona hasta que ya no.
SELECT *
FROM ventas
WHERE actualizado_en >= :ultima_corrida;

Transform: dejarlos usables

Aquí se va la mayor parte del trabajo y del tiempo. Limpiar nulos, unificar formatos, deduplicar, cruzar con catálogos, calcular las métricas que el negocio sí entiende.

Load: dejarlos donde se consultan

Escribes el resultado en el destino, normalmente un data warehouse. Lo importante aquí es que la carga sea idempotente: si corres el mismo proceso dos veces por un reintento, el resultado debe ser idéntico, no el doble de filas.

Cuándo ETL y cuándo ELT

ETL transforma antes de cargar. Tiene sentido cuando el destino es caro o lento, o cuando por regulación no puedes ni depositar el dato crudo.

Hoy, con almacenes que escalan el cómputo por separado, lo común es ELT: cargas crudo primero y transformas ya adentro. Ganas poder volver al dato original cuando la lógica cambia, que cambia siempre.