ETL Extraer Transformar Y Cargar 1

(Extraer,
Transformar y Cargar)
ETL

Que es ETL
Los procesos ETL son un término estándar que se utliza para referirse al  movimiento y
transformación de datos. Se trata del proceso que permite a las organizaciones mover datos
desde múltples fuentes, reformatearlos y cargarlos en otra base de datos  (denominada  data
mart o data warehouse) con el objeto de analizarlos. También pueden ser enviadosa otro
sistema operacional para apoyar un proceso de negocio.

El termino etl corresponde a las
siguientes silabas
◦ Extract: extraer.
◦ Transform: transformar.
◦ Load: cargar.

Fases de un proceso ETL
Las distntas fases o secuencias de un proceso ETL son las
siguientes:
◦ Extracción de los datos desde uno o varios sistemas
fuente.
◦ Transformación de dichos datos, es decir, posibilidad dereformatear y limpiar estos datos cuando sea necesario.
◦ Carga de dichos datos en otro lugar o base de datos,
un data mart o un data warehouse, con el objeto de
analizarlos o apoyar un proceso de negocio.

La limpieza de datos como etapa separada
la limpieza de datos se considera una etapa previa y separada de
los procesos ETL
Importancia de la etapa de limpieza
Asegura la calidad de los datos quevamos a procesar.
Evita la información no veraz o errónea.
Ahorra costes de espacio en disco al eliminarse la información duplicada.
Agiliza las consultas por la ausencia de datos repetdos o inservibles.
Ayuda a tomar decisiones estratégicas correctas.

Principios del proceso de
limpieza
Aplicar reglas de unificación de datos. Por ejemplo, poner en la fila correspondiente al sexo la
misma letraidentficatva, como podría ser “M” para masculino y “F” para femenino. En este
caso, también se tendrían que identficar o corregir posibles errores, como que algún usuario
haya puesto la “M” como mujer.
Validaciones de completitud. Como por ejemplo, comprobar que en todos los registros de datos
de los clientes de un banco esté introducida la dirección postal completa, saltando una alarma si
faltaalguno.
Estandarización de datos. El objetvo es que todos los datos del mismo tpo estén introducidos
de idéntca forma

¿Qué sistemas se pueden integrar en un proceso
ETL?
Los procesos ETL pueden incluir:
◦ Sistemas legacy. Es decir, legados, heredados o
antguos.
◦ Sistemas nuevos. Basados en Windows, Linux y
también en las redes sociales modernas:
Facebook, Twitter, Linkedin, etc.

Lossistemas legacy o heredados se caracterizan, generalmente, por: ser cerrados, no
permitr cambios y tener un difícil acceso (normalmente se necesita algún tpo
de driver especial). Son sistemas que procesan hacia dentro y, por lo tanto, no
permiten la agregación de una computadora que trabaje en paralelo.
Por el contrario, los sistemas nuevos o modernos (basados en Windows o Linux) son
abiertos, amplios einterconectados. Un ejemplo lo consttuiría una granja de
servidores Linux, la cual permite la interconexión de los distntos nodos  entre sí.

Beneficios de los procesos ETL
1.

Poder crear una Master Data Management, es decir, un
repositorio central estandarizado de todos los datos de la
organización. Por ejemplo, si tenemos un objeto cliente en una
base de datos de créditos y otro objeto cliente en labase de
datos de tarjetas de crédito, lo que haría el Master sería definir,
de forma concreta e inequívoca, un registro cliente único con su
nombre y apellidos para la organización.

2.

Posibilita a los directvos tomar decisiones estratégicas basadas
en el análisis de los datos cargados en las bases nuevas y
actualizadas: la dama mart o data warehouse.

3. Sirve para integrar sistemas. Lasorganizaciones crecen de forma orgánica y cada
vez se van agregando más fuentes de datos. Esto provoca que comience a surgir
nuevas necesidades, como por ejemplo integrar los datos de un banking on
line con los datos antguos de un sistema legacy.     
4. Poder tener una visión global de todos los datos consolidados en una data
warehouse. Por ejemplo, crear una estrategia de marketng basándose en...