数据虚拟化通过解决传统批处理数据移动不切实际或效率低下的场景来补充 ETL。 ETL（提取、转换、加载）流程旨在将数据从源系统移动并重构到集中式存储库（如数据仓库）中。 另一方面，数据虚拟化提供对数据的实时或近实时访问，而无需物理复制数据。 它们共同实现了一种混合方法，其中 ETL 处理结构化的历史数据以进行分析，而虚拟化支持对实时或分布式数据的敏捷访问。 这种组合优化了数据集成工作流程中的性能、成本和灵活性。
例如，考虑这样一种场景：企业需要每日销售报告和对实时客户支持数据的临时访问。 ETL 可以每晚处理历史销售数据并将其加载到仓库中，从而确保报告的一致性。 同时，当用户请求最新见解时，数据虚拟化可以直接从 CRM 系统查询实时客户支持票证。 这避免了将 CRM 数据复制到仓库中，降低了存储成本，并确保了新鲜度。 开发人员可以使用 ETL 进行可预测的、可重复的转换，并依靠虚拟化来进行动态或时间敏感的查询。
另一个关键好处是减少了对单片 ETL 管道的依赖。 在集成新的数据源时，由于测试和依赖关系，修改 ETL 工作流程可能需要数天或数周的时间。 数据虚拟化允许立即合并临时或实验性数据源。 例如，在营销活动期间，开发人员可能会虚拟化来自短期第三方 API 的数据，以分析其与 ETL 处理的销售数据一起产生的影响。 这避免了使用瞬态源来膨胀 ETL 管道。 此外，虚拟化可以动态地屏蔽敏感数据，从而补充 ETL 在清理和构建数据以供长期使用方面的作用。 通过结合使用这两种工具，团队可以在可伸缩性和敏捷性之间取得平衡。