ELT staat voor extract, load, transform. Je haalt data uit je bronnen, laadt die in ruwe vorm in een centrale opslag, en vormt hem pas daarna om tot de schone tabellen die je rapporten gebruiken. De transformatiestap gebeurt binnen het warehouse, niet op een aparte server onderweg.
Stel je een verhuizing voor. De oude manier (ETL) is elke doos in de bus uitpakken en sorteren voordat je ook maar iets naar binnen draagt. ELT is precies omgekeerd: je draagt eerst alle dozen naar binnen en sorteert ze daarna in het nieuwe huis, waar je ruimte en gereedschap hebt. Omdat cloud-datawarehouses snel en goedkoop werden, is sorteren binnen het warehouse vaak beter dan onderweg. De ruwe dozen blijven ook bewaard, dus je kunt later opnieuw sorteren als je van gedachten verandert.
Dat is het echte voordeel ten opzichte van ETL: de ruwe data blijft behouden, dus als er een nieuwe vraag opkomt bouw je opnieuw op vanuit wat al geladen is in plaats van terug te gaan naar het oorspronkelijke systeem. De keerzijde is dat je een warehouse nodig hebt dat sterk genoeg is om het bewerken zelf aan te kunnen.
In de praktijk schrijf je de transformatiestap meestal in SQL en beheer je hem met een tool als dbt, waarmee analisten de data vormgeven zonder apart engineeringteam. Een gangbare stack koppelt Fivetran voor de load aan BigQuery voor de opslag. Het marketingteam krijgt een vers dashboard, en niemand raakte een regel pipelinecode aan om een nieuw veld toe te voegen.
Bij TopDevs kiezen we voor ELT als een klant een modern cloud-warehouse draait, zodat de ruwe data intact blijft en nieuwe rapporten gebouwd kunnen worden zonder iets opnieuw te importeren.
