La différence la plus évidente entre ETL et ELT si situe au niveau de l'ordre des opérations. ELT copie ou exporte les données à partir des emplacements source, mais au lieu de les charger dans une zone de transit pour la transformation, il charge les données brutes directement dans le magasin de données cible pour les transformer selon les besoins.

Bien que les deux processus exploitent une variété de référentiels de données, tels que des bases de données, des entrepôts de données et des datalakes, chaque processus a ses avantages et ses inconvénients. ELT est particulièrement utile pour les jeux de données non structurés et volumineux, car le chargement peut se produire directement à partir de la source. ELT peut être plus idéal pour la gestion du Big Data, car il ne nécessite pas beaucoup de planification préalable pour l'extraction et le stockage des données. Le processus ETL, en revanche, nécessite plus de définition au départ. Des points de données spécifiques doivent être identifiés pour l'extraction ainsi que toutes les « clés » potentielles à intégrer dans des systèmes sources disparates. Même une fois ce travail terminé, les règles métier doivent être élaborées pour les transformations de données. Ce travail peut généralement avoir des dépendances sur les exigences en matière de données pour un type donné d'analyse de données, ce qui déterminera le niveau de récapitulation que les données doivent avoir. Alors que le processus ELT est devenu de plus en plus populaire avec l'adoption des bases de données cloud, il a ses propres inconvénients en tant que processus plus récent, ce qui signifie que les meilleures pratiques sont encore en train d'être établies.

Le moyen le plus simple de comprendre le fonctionnement du processus ETL est de comprendre ce qui se passe à chaque étape du processus.

Extraction

Lors de l'extraction des données, les données brutes sont copiées ou exportées des emplacements source vers une zone de transfert. Les équipes de gestion des données peuvent extraire des données à partir de diverses sources de données, qui peuvent être structurées ou non. Ces sources incluent, mais ne sont pas limitées à :

• Des serveurs SQL ou  NoSQL
• Les systèmes CRM et ERP
• Les fichiers plats
• Les courriers électroniques
• Les pages Web

Transformer

Dans la zone de transfert, les données brutes font l'objet d'un traitement de l'information. Ici, les données sont transformées et consolidées pour leur cas d'utilisation analytique prévu. Cette phase peut impliquer les tâches suivantes :

• Filtrer, nettoyer, dédupliquer, valider et authentifier des données.
• Effectuer des calculs, des traductions ou des récapitulations sur la base des données brutes. Ceci peut  inclure la modification des en-têtes de ligne et de colonne pour plus de cohérence, la conversion de devises ou d'autres unités de mesure, la modification de chaînes de texte, etc.
• Mener des audits pour assurer la qualité et la conformité des données
• Supprimer, crypter ou protéger les données régies par l'industrie ou les régulateurs gouvernementaux
• Formater les données dans des tables ou des tables jointes pour les mettre en corrélation avec le schéma de l'entrepôt de données cible.

Chargement

Dans cette dernière étape, les données transformées sont déplacées de la zone de transfert vers un entrepôt de données cible. En règle générale, cela implique un chargement initial de toutes les données, suivi d'un chargement périodique des modifications de données incrémentielles et, moins souvent, d'actualisations complètes pour effacer et remplacer les données dans l'entrepôt. Pour la plupart des organisations qui utilisent ETL, le processus est automatisé, bien défini, continu et piloté par lots. En règle générale, le processus ETL a lieu pendant les heures creuses, lorsque le trafic sur les systèmes sources et l'entrepôt de données est au plus bas.

ETL et ELT ne sont que deux méthodes d'intégration de données, d'autres approches sont également utilisées pour faciliter les flux de travail d'intégration de données. Notamment :

• La Capture de données modifiées (CDC) identifie et capture uniquement les données source qui ont changé et déplace ces données vers le système cible. La CDC peut être utilisée pour réduire les ressources nécessaires lors de l'étape « extraction » du processus ETL ; elle peut également être utilisée indépendamment pour déplacer des données qui ont été transformées en un datalake ou un autre référentiel en temps réel.
• La réplication de données copie les modifications des sources de données en temps réel ou par lots dans une base de données centrale. La réplication données est souvent répertorié comme une méthode d'intégration de données. En fait, elle est le plus souvent utilisée pour créer des sauvegardes pour la reprise après incident.
• La virtualisation des données utilise une couche d'abstraction logicielle pour créer une  vue unifiée, intégrée et entièrement utilisable des données, sans copier, transformer ou charger physiquement les données source sur un système cible. La fonctionnalité de virtualisation données permet à une organisation de créer des entrepôts de données virtuels, des datalakes et des datamarts à partir des mêmes données source pour le stockage de données sans les frais et la complexité liés à la création et à la gestion de plateformes distinctes pour chacun. Bien que la virtualisation des données puisse être utilisée parallèlement au processus ETL, elle est de plus en plus considérée comme une alternative au processus ETL et aux autres méthodes d'intégration de données physiques.
• Le Stream Data Integration (SDI) est exactement ce à quoi cela ressemble : il consomme en permanence des flux de données en temps réel, les transforme et les charge sur un système cible pour analyse. Le mot clé ici est en continu. Au lieu d'intégrer des instantanés de données extraites de sources à un moment donné, SDI intègre les données en continu au fur et à mesure qu'elles deviennent disponibles. SDI permet à un magasin de données d'alimenter l'analyse, l'apprentissage automatique et les applications en temps réel pour améliorer l'expérience client, la détection des fraudes, etc. 

Les solutions ETL améliorent la qualité en effectuant un nettoyage des données avant de charger les données dans un référentiel différent. Le processus ETL, une opération par lots chronophage, est plus souvent recommandé pour créer des référentiels de données cibles plus petits qui nécessitent des mises à jour moins fréquentes, tandis que d'autres méthodes d'intégration de données, notamment le processus ELT (extraction, chargement, transformation), la capture de données modifiées (CDC) et la virtualisation des données, sont utilisés pour intégrer des volumes de données de plus en plus importants qui modifient ou diffusent des flux de données en temps réel.

Dans le passé, les organisations écrivaient leur propre code ETL. Il existe désormais de nombreux outils ETL commerciaux et open source et des services cloud parmi lesquels choisir. Les fonctionnalités typiques de ces produits incluent les éléments suivants :

• Automatisation complète et facilité d'utilisation : les principaux outils ETL automatisent l'ensemble du flux de données, des sources de données à l'entrepôt de données cible. De nombreux outils recommandent des règles pour extraire, transformer et charger les données.
• Une interface visuelle par glisser-déposer : cette fonctionnalité peut être utilisée pour spécifier des règles et des flux de données.
• Prise en charge de la gestion de données complexes : cela inclut une assistance pour les calculs complexes, les intégrations de données et les manipulations de chaînes.
• Sécurité et conformité : les meilleurs outils ETL chiffrent les données en mouvement et au repos et sont certifiés conformes aux réglementations sectorielles ou gouvernementales, telles que HIPAA et GDPR.

En outre, de nombreux outils ETL ont évolué pour inclure la capacité ELT et prendre en charge l'intégration de données en temps réel et en continu pour les applications d'intelligence artificielle (IA).

L'avenir de l'intégration - API utilisant EAI

Les interfaces de programmation d'applications (API) utilisant l'intégration d'applications d'entreprise (EAI) peuvent être utilisées à la place du processus ETL pour une solution plus flexible et évolutive qui inclut l'intégration des  flux de travail . Alors que le processus ETL est toujours la  principale ressource d' intégration de données , EAI est de plus en plus utilisée avec des API dans les paramètres Web.