ETL- JA ELT- prosessien vertailu datavarastoinnin näkökulmasta

Abstract

Tässä työssä vertaillaan ETL- ja ELT-prosessien eroavaisuuksia datan varastoinnin näkökulmasta. ETL- ja ELT-prosessit ovat muodostuneet datavarastoinnin ja datan jälkikäytön kannalta keskeisiksi menetelmiksi, joiden avulla data saadaan varastoitua oikeassa muodossa analytiikkaa varten.

ETL on lyhenne sanoista extract, transform, load. Se kuvaa datantuomisprosessia, joka voidaan jakaa kolmeen vaiheeseen. Extract-vaiheessa data haetaan eri lähteistä, transform-vaiheessa dataa siivotaan ja muokataan oikeaan muotoon, ja load-vaiheessa data viedään lopulliseen datavarastoon jälkikäyttöä varten. ELT on lyhenne sanoista extract, load, transform. Siinä data haetaan eri lähteistä, ladataan ensin datavarastoon ja muokataan vasta tämän jälkeen datavaraston sisällä.

Datavarastointi tarkoittaa prosessia, jossa organisaation eri lähteistä peräisin oleva data kerätään yhteen keskitettyyn tietovarastoon analytiikkaa ja päätöksentekoa varten. Datavarastot on suunniteltu erityisesti datan jälkikäyttöä varten, ja niiden keskeinen tehtävä on mahdollistaa suurten datamäärien tehokas käsittely ja analysointi. ETL- ja ELT-prosessit ovat keskeisessä roolissa tässä kokonaisuudessa, sillä niiden avulla data siirretään, muokataan ja valmistellaan datavarastoon analytiikkaa varten.

ETL- ja ELT-prosessit eroavat toisistaan oleellisesti toimintaperiaatteiltaan. Tämän vuoksi niitä käytetään erilaisissa konteksteissa. Tutkimuksen tavoitteena on selvittää, missä tilanteissa ETL- tai ELT-prosessi on perusteltu valinta datavarastoinnissa. Tutkimus toteutettiin kirjallisuuskatsauksena, jossa analysoitiin aihetta käsitteleviä tieteellisiä lähteitä. Ja niiden perusteella analysoitiin kumpaakin prosessia, sekä sitä, missä tilanteissa ja minkälaisissa laskentaympäristöissä ja datavarastointitilanteissa niitä on perusteltua käyttää.

Tutkielman perusteella ETL-prosessi soveltuu erityisesti tilanteisiin, joissa datan laatu, eheys ja kontrolli ovat keskeisiä jo ennen datan tallentamista. Tällaisia ovat esimerkiksi järjestelmät, joissa virheellinen data voi aiheuttaa merkittäviä riskejä. ELT-prosessi puolestaan soveltuu paremmin moderneihin, skaalautuviin dataympäristöihin, joissa käsitellään suuria ja heterogeenisiä datamääriä ja joissa analytiikan tarpeet voivat muuttua nopeasti.

Keskeinen ero prosessien välillä liittyy siihen, missä vaiheessa datan muunnos suoritetaan ja miten datan kompleksisuutta hallitaan. ETL keskittää muokkauksen ennen tallennusta, kun taas ELT mahdollistaa joustavamman käsittelyn datavaraston sisällä. Näin ollen valinta ETL- ja ELT-prosessien välillä ei ole pelkästään tekninen, vaan liittyy laajemmin datavaraston arkkitehtuuriin, käyttötarkoitukseen ja organisaation tarpeisiin.