Qu'est-ce qu'un ETL ?

L'ETL (Extract, Transform, Load) est un processus d'intégration de données qui permet le transfert de données brutes à partir d'un système source, la préparation des données pour une utilisation appropriée et l'envoi des données vers une base de données ciblée. Avant que les données ne soient envoyées, celles-ci sont transformées sur un serveur intermédiaire.

ETL : définition

Le processus ETL (Extract Transform Load) permet d'extraire les données brutes de la base de données, de les reconstruire et enfin de les charger dans un entrepôt de données. L’ETL existe depuis plusieurs années, mais a considérablement évolué pour répondre aux nouvelles demandes associées à l'essor du cloud, du logiciel en tant que service (SaaS) et du big data.

L'ETL d'aujourd'hui doit permettre, l'enrichissement des données et la prise en charge de milliards de transactions. Il prend également en charge les données structurées ou non structurées provenant de différentes sources (site web, cloud).

Le premier ETL est apparu dans les années 1970, lorsque de grandes entreprises ont commencé à agréger et à stocker différents types de données provenant de sources multiples. Les logiciels ETL ont été développés pour répondre au besoin d'intégrer ces diverses données. 

Lorsque les entrepôts de données ont émergé dans les années 1980, la plupart n'étaient compatibles qu'avec des ETL spécifiques. Par conséquent, les entreprises ont été obligées de les utiliser en grande quantité.

Au fil du temps, le nombre de sources de données et de types de données a augmenté avec le nombre de fournisseurs ETL. Cela a contribué à maintenir les prix bas jusqu'à ce que ces solutions soient disponibles pour la plupart des entreprises. Ainsi, ces outils ont contribué à l'émergence d'entreprises axées « data-driven ».

Comment fonctionne l’ETL ?

Comme nous l’avons vu précédemment, le rôle d’une solution ETL est de collecter les données pertinentes en provenance de plusieurs sources, de les transformer pour les rendre compatibles avec la Data Warehouse, et enfin de les charger dans la base de données.

Le fonctionnement de l’ETL se décompose en trois phases. La phase d’Extraction, la phase de transformation et la phase de chargement

L’extraction : L'objectif de l’ETL est de produire des données propres, accessibles et pouvant être utilisées efficacement dans l'analyse, l'informatique décisionnelle ou les opérations commerciales. Les données brutes peuvent être extraites de diverses sources. Spécifiquement : 

• Bases de données existantes
• Logs d'activité (trafic réseau, rapports d'erreurs, etc.)
• Comportement, performances et anomalies des applications
• Événements de sécurité

Les données extraites peuvent être stockées dans des emplacements tels qu’un data lake (outil permettant de stocker et de conserver un gros volume de données brutes pour une durée indéterminée ) ou un EDD (Entrepôt De Données). 

La transformation : La phase de transformation du processus ETL est l'une des opérations les plus importantes. Cette phase consiste à appliquer aux données brutes les règles internes de l'entreprise de manière à répondre aux exigences en matière de reporting. Les données brutes sont nettoyées et converties dans des formats de rapport appropriés (les données non-nettoyées rendent difficile l'application de règles de rapport en interne).

Le chargement : La dernière étape du processus ETL standard consiste à charger les données extraites et de les transformer dans un nouvel emplacement. En général, les entrepôts de données prennent en charge deux modes de chargement des données : chargement complet et chargement incrémentiel. 

Le traitement ETL (cycles de points ou programmes de cycle) peut être lancé à partir de la ligne de commande ou de l'interface graphique. Mais il y a certains éléments à considérer. Par exemple, la gestion des exceptions peut être un processus très fastidieux. Dans de nombreux cas, la génération d'extraits de données peut échouer si un ou plusieurs systèmes tombent en panne. Des données incorrectes dans un système  peuvent affecter les données extraites d'un autre système. La surveillance et le traitement des erreurs sont donc des tâches essentielles !

À quoi sert l’ETL ?

L’ETL a plusieurs cas d'utilisations. Son principal objectif est de transformer les données pour les transférer vers un entrepôt de données, mais ils peuvent également être utilisés pour transférer des données de systèmes anciens vers des systèmes modernes avec différents formats de données. À l'ère du big data, de l'internet des objets, des réseaux sociaux, de la vidéo ou encore de l'open data, l'ETL s'adapte également aux nouveaux types de données et de sources.

ETL VS ELT :

Ces dernières années, nous avons été témoins de l’explosion de nouveaux types de données tels que le Big data. La croissance de ces différents types et volumes de données a pour conséquences de complexifier l’architecture de l’entrepôt de données mais aussi de rendre plus fastidieux la collecte de toutes ces informations. L’un des enjeux des entreprises est la centralisation des données, c’est ici qu’intervient l’ETL mais également l’ELT (Extract, Load, Transform) qui s’apparente à une variation de celui-ci. Alors en quoi ces deux processus se différencient t-ils ?

La différence repose essentiellement sur trois points : 

• Un processus différent : En ce qui concerne l’ETL, la transformation se fait dans une zone de transit, par conséquent, le chargement ne se fait qu’après la structuration. À l'inverse, la transformation s'effectuera après le chargement durant le processus ELT, car il n’y a pas de serveur intermédiaire, c'est pourquoi les données sont directement chargées dans l’entrepôt cible.
• Un mode de stockage différent : L’ETL conserve toutes les données dans un entrepôt de données mais n’assure pas le support des data lakes contrairement à l’ELT qui lui stocke les données aussi bien dans un EDD que dans le data lakes. Il présente donc l’avantage de stocker un volume de données plus important !
• La sécurisation des données : La sécurité des données est un enjeu crucial dans le traitement des données. En ce sens, L’ETL y répond parfaitement puisqu’il permet d'assurer la sécurisation des échanges tout au long de l’intégration. Les données personnelles restent anonymes et la gouvernance est assurée dans un serveur transitoire. Contrairement à l’ELT qui n’assure pas ce rôle. Dans un processus ELT, l'absence de gouvernance peut être à l’origine de lacunes de sécurité !