Extract, transform, load (ETL)
Concept
A data integration pattern that extracts data from sources, transforms (cleans and shapes) it and loads it into a target such as a data warehouse. The variant ELT loads the data before transforming it.
| Type | Concept |
|---|---|
| Wikipedia | en.wikipedia.org/wiki/Extract,_transform,_load |
Articles about Extract, transform, load (ETL) (8)
- Azure Data Factory или Microsoft Fabric Pipelines: что стоит изучать?
· Mirko Peters
Сравнение Azure Data Factory и Microsoft Fabric Pipelines. Узнайте, какой инструмент интеграции данных выбрать, в чём их ключевые различия и какие рекомендации даёт Microsoft. - Знакомство с Microsoft Fabric Data Factory: объяснение основных концепций
· Mirko Peters
В современном быстро меняющемся цифровом мире организации получают огромные объёмы информации из множества разрозненных источников. Чтобы эффективно использовать эти данные, нужен - Dataflows в Fabric: подробное руководство
· Mirko Peters
Dataflows в Fabric — ответ Microsoft на задачу перемещения, очистки и преобразования данных в современных аналитических средах. По сути, dataflows дают организациям повторно исполь - Надёжность аналитики на живых данных: причины, риски и решения
· Mirko Peters
Узнайте, почему аналитика на живых данных становится ненадёжной и как архитектура, поведение обновления, качество данных, мониторинг и управление помогают повысить доверие к ней. - Azure Data Factory vs Microsoft Fabric Pipelines: Which Should You Learn?
· Mirko Peters
Compare Azure Data Factory and Microsoft Fabric Pipelines. Learn which data integration tool to choose, key differences, and Microsoft's latest guidance. - Getting Started with Microsoft Fabric Data Factory: Core Concepts Explained
· Mirko Peters
In today's fast-paced digital landscape, organizations are flooded with vast amounts of information from multiple disparate sources. Successfully harnessing this da… - Fabric Dataflows Explained
· Mirko Peters
Fabric dataflows are Microsoft’s answer to the challenge of moving, cleaning, and shaping data across modern analytics environments. At their core, dataflows … - Live Data Analytics Reliability: Causes, Risks and Fixes
· Mirko Peters
Learn why live data analytics become unreliable and how architecture, refresh behavior, data quality, monitoring, and governance improve trust.
Community wiki
Short info above, community knowledge below: add practical tips, examples or corrections. New contributions are reviewed first; trusted members publish directly.
Experts and companies for this topic
Nobody has listed this topic yet. Add it to your profile.
Sources
- Wikipedia: en.wikipedia.org/wiki/Extract,_transform,_load
- Feed for this topic (RSS): entity/etl/feed.xml
- Articles on this topic: 8
Maintained by Mirko Peters (Microsoft MVP) · Last updated: