Todo proyecto de datos debe responder una pregunta antes de escribir la primera línea de código: ¿los datos se transforman antes o después de llegar al destino? Esa es la diferencia entre ETL y ELT — y elegir mal cuesta tiempo y dinero.
ETL: transformar antes de cargar
En ETL (Extract, Transform, Load), los datos se extraen de las fuentes, se transforman en un área intermedia y solo entonces se cargan en el destino, ya limpios y en su forma final. Fue el enfoque clásico durante décadas, cuando el almacenamiento era caro y solo queríamos guardar lo esencial.
ELT: cargar primero, transformar después
En ELT (Extract, Load, Transform), los datos en bruto se cargan directamente en el destino (típicamente un data warehouse o lakehouse en la nube) y la transformación ocurre allí dentro, aprovechando la potencia de la plataforma. Es el enfoque que ganó fuerza con la nube, donde el almacenamiento es barato y el cómputo es elástico.
Las diferencias que cuentan
- Dónde transforma: ETL en un motor externo; ELT dentro del propio destino.
- Datos en bruto: ELT guarda el original — puedes volver atrás y re-transformar; ETL solo guarda el resultado final.
- Escala: ELT aprovecha la elasticidad de la nube; ETL depende de la capacidad del área intermedia.
- Flexibilidad: con ELT, nuevos requisitos reutilizan los datos ya cargados sin re-extraer de la fuente.
¿Cuál elegir?
Si estás en una plataforma cloud moderna (data warehouse o lakehouse), ELT suele ser la elección natural: más flexible, más escalable y preserva el histórico en bruto. ETL aún tiene sentido cuando hay reglas de limpieza/conformidad pesadas antes de que los datos puedan siquiera tocar el destino, o en sistemas legados on-premises.
En la práctica
La tendencia es clara: con almacenamiento barato y cómputo elástico, ELT se ha vuelto el estándar en la mayoría de proyectos nuevos. Pero el mejor pipeline es el que sirve tus requisitos — no el que está de moda. ¿Tu arquitectura actual está transformando en el lugar correcto?
