ELT

El ELT (del inglés extract, load, transform: extraer, cargar y transformar) es un enfoque de integración de datos que invierte el orden del proceso tradicional. En lugar de limpiar y dar forma a la información antes de guardarla, primero extrae los datos de las fuentes, los deposita crudos en el destino y recién entonces ejecuta las transformaciones adentro del propio almacén.

La analogía cotidiana ayuda: en vez de cocinar cada ingrediente antes de guardarlo en la heladera, guardás todo crudo y cocinás a demanda, según la receta de cada día. Ese cambio de secuencia se volvió viable con los data warehouse en la nube, que separan almacenamiento y cómputo y escalan de forma elástica, algo que las arquitecturas viejas no permitían.

Conviene fijar un límite desde el arranque: ELT es el proceso, no el lugar. No se confunde con el data warehouse (el destino estructurado) ni con el data lake (el repositorio de datos crudos). El ELT describe cómo se mueven y ordenan los datos hacia esos destinos, no el destino en sí.

El ELT nació como respuesta a un cambio de fondo en la infraestructura de datos. Durante décadas, transformar antes de cargar era una necesidad técnica: el almacén de destino era caro y limitado, así que había que llegar con los datos ya limpios y modelados. Cuando aparecieron los almacenes en la nube con cómputo elástico y procesamiento en paralelo, dejó de tener sentido montar un servidor intermedio de transformación. Cargar primero y transformar adentro se volvió más rápido, más flexible y, muchas veces, más barato.

Cómo funciona, paso a paso

1. Extraer: se recogen datos de las fuentes disponibles, bases relacionales, archivos, aplicaciones SaaS o flujos de eventos, sin procesarlos todavía.
2. Cargar: los datos crudos se depositan directamente en el data warehouse en la nube, sin pasar por un servidor de transformación aparte.
3. Transformar: las transformaciones ocurren dentro del destino, con SQL o herramientas que corren sobre el almacén, aprovechando su cómputo en paralelo. Se pueden repetir tantas veces como haga falta.

La diferencia clave con el enfoque clásico está en ese tercer paso: como el dato crudo queda guardado, rehacer una transformación no obliga a volver a extraer de la fuente.

Por qué le importa a una empresa de LATAM

Muchas empresas medianas de la región tienen los datos dispersos en varios sistemas, el punto de venta, el e-commerce, una planilla de mayoristas, un ERP viejo, y necesitan respuestas rápidas sin montar una infraestructura pesada ni un equipo de ingeniería grande. El ELT reduce el tiempo hasta el dato disponible: se carga primero y se transforma después, según la pregunta de negocio del momento. Al conservar el dato crudo, permite rehacer las transformaciones cuando cambian las necesidades, algo que el enfoque ETL dificulta porque descarta lo que no modeló de entrada. Ordenar esos datos dispersos y dejarlos consultables en lenguaje natural es parte de lo que resuelve una capa de analítica como Metrix.

Diferencias con ETL y términos vecinos

El ETL transforma antes de cargar, sobre un servidor aparte, y suele preferirse cuando hay que enmascarar o filtrar datos sensibles antes de que lleguen al destino, por ejemplo por requisitos de cumplimiento. El ELT carga primero y transforma en el warehouse. No son rivales: conviven según el caso.

Tampoco hay que confundir el proceso con el destino: el data warehouse es el almacén estructurado donde aterrizan los datos, y el data lake es el repositorio de datos crudos. El ELT es el camino que los lleva y los ordena, no el edificio.

Errores comunes

• Creer que el ELT elimina la necesidad de gobernar y limpiar datos: solo cambia el momento en que se hace, no la obligación de hacerlo.
• Cargar datos sensibles crudos sin controles de acceso en el destino, un riesgo que el ETL mitigaba filtrando antes de cargar.
• Suponer que el ELT rinde igual en un entorno on-premise sin cómputo elástico: su ventaja depende justamente del procesamiento en paralelo de la nube.
• Confundir el proceso, el ELT, con el destino, el data warehouse o el data lake, y esperar que uno haga el trabajo del otro.

Bien aplicado, el ELT no es una moda técnica: es la forma natural de trabajar cuando el almacén de destino tiene músculo de sobra y el negocio necesita cambiar de pregunta sin reconstruir el pipeline cada vez.