Índice de contenidos
Los procesos ETL son el conjunto de acciones que permiten extraer datos de diversas fuentes para, una vez limpiados, guardarlos de forma estandariza en una base de datos nueva y más fácil de gestionar. Se trata de un proceso que, hoy en día, es fundamental para muchas empresas, especialmente aquellas que presentan dificultades con los sistemas de almacenamiento debido a la ingente cantidad de datos e información que manejan.
Qué son los procesos ETL
Al hablar de procesos ETL se está haciendo referencia al conjunto de acciones que permiten extraer los datos de una o varias fuentes determinadas (generalmente las bases de datos originales de cada empresa), gestionar esos datos para que estén actualizados y no haya duplicaciones, y, finalmente, cargarlos en una base de datos nueva y que presente unos protocolos estandarizados y de uso simplificado que permita un acceso sencillo y ágil por parte de los usuarios.
De hecho, ETL son las iniciales de la expresión inglesa: Extract, Transform and Load (extraer, transformar y cargar). Estas son las tres fases en las que suelen dividirse todos los procesos ETL y, aunque puede haber variaciones entre un caso y otro, todo proceso ETL se basa en estas tres fases.
Fases de los procesos ETL
Las fases en las que se dividen los procesos ETL son extraer, transformar y cargar. Estas fases se realizan en el orden mencionado, y al final del proceso permiten disponer de una base de datos depurada, actualizada y de fácil acceso para los usuarios.
Fase 1: Extraer
La primera fase de los procesos ETL es la de la extracción de datos. Esta fase presenta el problema de que, en la mayoría de los casos, los datos que se tienen que extraer proceden de diferentes fuentes de origen. Esto, a su vez, presenta la problemática de que cada una de estas fuentes presenta una organización y almacenamiento de datos particular y con sus propios protocolos. Esto implica que la extracción de datos se tenga que realizar adaptando los datos extraídos de forma individualizada en cada fuente de origen, que se adapta a un formato estándar y uniformado para poder gestionar más adelante los datos resultantes.
Además, hay que tener en cuenta que, en esta fase de los procesos ETL, debido al elevado volumen de datos que suelen tener que extraerse de las fuentes originales, estas puedan fallar durante el proceso. Esto hace que el proceso de extracción se deba de realizar de manera programada, buscando las fechas y los horarios en los que la extracción de datos vaya a tener un menor impacto en el caso de que las bases de datos originales puedan fallar a causa del proceso.
Fase 2: Transformar
La segunda fase de los procesos ETL es la de transformar. Gracias a la fase de extracción ya se dispone de la “materia prima” con la que se va a trabajar, que son los datos extraídos de distintas fuentes y presentados de una forma unificada para poder trabajar sobre ellos. La fase de transformación se ocupa de convertir esos datos en los datos finales que pasarán a formar parte de la base de datos nueva, lo que implica descartar algunos de los datos obtenidos de la fase de extracción. Es decir, aunque se dispone de una gran cantidad de datos, por diversas razones, no todos esos datos son útiles, por lo que es necesario seleccionar aquellos que son adecuados y separarlos de los datos erróneos.
De esta forma, la fase de transformación se ocupa de eliminar aquellos datos que puedan ser irrelevantes, desfasados, incorrectos o duplicados. El resultado es un nuevo conjunto de datos que, habiendo pasado la criba de la fase de transformación, estarán listos para ser utilizados en la tercera y última fase del proceso: la de carga.
Fase 3: Cargar
La última fase de los procesos ETL es la de carga, y hace referencia a la subida de los datos obtenidos en la fase anterior a la base de datos o sistemas de almacenamiento de destino. Esta fase puede variar dependiendo de las necesidades de cada organización. En principio, los datos resultantes de la fase de transformación serán los datos de referencia utilizados por la compañía. Sin embargo, en muchos casos, es necesario establecer un historial que permita acceder a las versiones anteriores de las bases de datos.
Es decir, como lo más habitual es que la base de datos de destino del proceso ETL sea una de las que ya está usando la organización interesada, esta base de datos cuenta con versiones antiguas que conviene conservar. De esta manera, la carga se suele realizar en paralelo, de tal manera que la organización cuente con la versión original de la base de datos y con la versión actualizada resultante del proceso ETL ejecutado.
Usos y aplicaciones que tienen los procesos ETL
Los usos y aplicaciones que tienen los procesos ETL están directamente relacionados tanto con la propia usabilidad como con la eficiencia de las bases de datos. Hay que tener en cuenta que, actualmente, las bases de datos son uno de los elementos de trabajo fundamentales de muchas empresas, un recurso básico y necesario para el funcionamiento de sus procesos internos y respecto a sus clientes. Sin embargo, todo el potencial de las bases de datos dependen, en última instancia, de que estos datos sean correctos y que además sean accesibles.
Al hablar de datos correctos se hace referencia a que los datos estén debidamente actualizados, lo que implica que la información que aportan sea real y verdadera, lo que es fundamental para que puedan ser utilizados en los procesos propios de cada organización.
Por su lado, al hablar de que los datos sean accesibles, se hace referencia a que se pueda obtener la información de los datos de forma rápida y sencilla. De nada sirve disponer de datos correctos y debidamente actualizados y, cada vez que se necesita encontrar una información determinada, es necesario dedicar ingentes cantidades de tiempo a encontrar dicha información en la base de datos. Gracias a los procesos ETL, esta información no solo es correcta, sino que además se presenta de forma fácilmente accesible, ya que se almacena de forma unificada y estandariza, lo que agiliza los procesos de búsqueda.
