Definición
ETL (extract, transform, load: extraer, transformar, cargar) es el proceso que saca datos de sus sistemas de origen, los limpia y convierte a un formato común y los carga en un data warehouse para su análisis. ELT invierte los dos últimos pasos: carga primero los datos en bruto en el almacén y los transforma allí, aprovechando la potencia de las plataformas de nube modernas. Ambos son la fontanería que hace posible que un panel de dirección muestre cifras coherentes de varias fuentes.
En una empresa, el ETL o ELT conecta el CRM, la facturación, la web, el producto y el soporte con el data warehouse, normalmente de forma automática cada hora o cada noche. Herramientas como Fivetran, Airbyte o Stitch se encargan de la extracción y carga con conectores listos para cientos de aplicaciones; dbt se ha convertido en el estándar para las transformaciones. Lo que hace 10 años exigía meses de programación hoy se configura en días.
El malentendido es pensar que la parte difícil es técnica. La parte difícil es definir las reglas de transformación: qué es un cliente, cuándo se cuenta una venta, cómo se trata una devolución. Si esas reglas no están acordadas por el negocio, el ETL produce cifras rápidas pero incorrectas. En 2026 la tendencia es el ELT con transformaciones versionadas como código y probadas automáticamente, igual que el software, para que un cambio en una definición no rompa los informes en silencio.
En la práctica
Cada noche, un proceso ELT copia los datos de facturación, CRM y uso de producto de un SaaS a su data warehouse y calcula el MRR, el churn y la activación: a las 8 de la mañana el equipo directivo tiene las cifras del día anterior sin que nadie toque una hoja de cálculo.
Por qué importa
El ETL es lo que hay entre tus sistemas y las cifras con las que decides. Si tus informes se montan a mano copiando exportaciones, tienes un proceso frágil, lento y propenso a errores que ya es barato automatizar.
Preguntas frecuentes
- ¿Qué diferencia hay entre ETL y ELT?
- En ETL los datos se transforman antes de cargarlos en el almacén, en un servidor intermedio. En ELT se cargan en bruto y se transforman dentro del almacén usando su propia potencia de cálculo. El ELT es hoy el enfoque dominante porque los data warehouses en la nube son baratos y potentes, y conservar los datos en bruto permite rehacer las transformaciones cuando cambian las reglas.
- ¿Qué herramientas de ETL se usan en 2026?
- Para extracción y carga, Fivetran y Airbyte (este último de código abierto) son las más habituales, con conectores para cientos de aplicaciones. Para transformación, dbt es el estándar. Las grandes nubes tienen sus propias opciones (AWS Glue, Azure Data Factory, Google Dataflow). Para una pyme, la combinación de un conector gestionado y dbt cubre casi todo.