ETL (Extract, Transform, Load) 是数据仓库中确保来自不同来源的原始数据得以集成、标准化和存储以供分析的基础过程。它就像一个管道，连接操作性系统（如数据库或应用程序）与数据仓库的结构化环境。没有 ETL，数据仓库将缺乏进行报告和决策所需的连贯、可靠的数据。例如，一家电子商务公司可能会使用 ETL 从交易数据库中提取订单数据、从 Web 服务器提取用户活动日志，以及从第三方工具提取客户支持工单，并将它们整合到单个数据仓库中以获取业务洞察。
转换 (Transformation) 阶段是 ETL 增加重要价值的地方。原始数据常常包含不一致、重复或格式不匹配的问题，这些问题使得数据无法用于分析。ETL 应用规则来清洗和重塑这些数据。例如，日期可以标准化为 ISO 格式 (YYYY-MM-DD)，来自不同系统的产品代码可以映射到统一的模式，或者收入数字可以从多种货币转换为美元。转换还包括聚合——例如计算每日销售总额——或连接相关数据集（例如，将客户 ID 与其购买历史关联起来）。这一步骤确保数据仓库包含符合业务逻辑的“可信”数据，从而实现准确的报告。
最后，加载 (Loading) 涉及将转换后的数据高效地插入数据仓库。ETL 工具优化此过程以处理大量数据，通常在非高峰时段使用批处理，以避免影响源系统。例如，夜间 ETL 作业可能会将数百万条记录加载到星型模式中，其中事实表（例如销售交易）链接到维度表（产品、客户）。ETL 还管理增量更新——仅追加新的或更改的数据——以保持数据仓库最新，而无需重新处理整个数据集。此外，ETL 通过跟踪随时间的变化（例如，维护价格调整记录）支持历史数据保留。这种结构化的加载过程确保数据仓库对于查询保持高性能，并能随着数据需求的增长而扩展。