Blogs

Patrones ETL vs ELT: cuándo transformar en origen o en destino

ETL vs ELT: dos patrones de integración de datos enfrentados, transformar antes o después de cargar en el destino

ETL transforma los datos antes de cargarlos en el destino; ELT los carga primero en crudo y los transforma después dentro del propio almacén analítico. La elección no es una cuestión de modernidad sino de tres variables: coste (dónde y cuántas veces se paga el cómputo de transformación), latencia (cuánto tarda el dato en estar disponible y en qué estado) y gobernanza (qué datos sensibles pueden o no aterrizar en crudo en la plataforma analítica).
La mayoría de las organizaciones maduras acaban operando un patrón híbrido EtLT: una transformación ligera en vuelo —enmascarado de PII, deduplicación, normalización de formatos— seguida de la transformación pesada en el destino, gobernada como código..

Noticias

Grupo PoolPlus, empresa referente en la distribución de productos, equipos y accesorios para piscinas, spas y centros de wellness, ha dado…
En un contexto en el que los departamentos financieros deben hacer más con menos recursos y bajo una creciente presión de control y…
Jumel Alimentaria, empresa líder en el sector agroalimentario y especializada en la fabricación de mermeladas, confituras, siropes y salsas…
Pentaho es una suite de software de Business Intelligence e integración de datos con versión Community (open source) y Enterprise (…
Gestión5, empresa especializada en el desarrollo de software sectorial, ha lanzado TPV5 XE, una solución diseñada para ofrecer una…

Software IT

Amazon Sagemaker Studio

Amazon SageMaker es una solución de aprendizaje automático que permite a científicos de datos y desarrolladores crear, entrenar e implementar modelos de aprendizaje automático. Es compatible con el aprendizaje por lotes y en línea, y viene con algoritmos preconstruidos para casos de uso comunes..

Informatica Data Governance and Catalog
Informatica Intelligent Data Management es una plataforma diseñada para unificar todas las disciplinas clave del ciclo de vida de los datos dentro de la empresa. Su arquitectura modular agrupa funciones de catálogo de metadatos, linaje de datos, calidad y gobernanza colaborativa, permitiendo a las organizaciones documentar, rastrear y controlar sus activos de información desde su origen hasta su consumo..

Amazon Aurora in RDS
Amazon Aurora representa un motor de base de datos relacional diseñado específicamente para entornos cloud, desarrollado por AWS. Combina el rendimiento y disponibilidad de sistemas empresariales comerciales con la simplicidad y economía de bases de datos open source.
La arquitectura de Aurora separa las capas de computación y almacenamiento, permitiendo escalado independiente de cada componente. Ofrece compatibilidad completa con MySQL y PostgreSQL, facilitando migraciones desde estas plataformas sin modificaciones en aplicaciones existentes..