Il ruolo dell'ETL tradizionale nei Big Data - manichini

Gli strumenti ETL combinano tre funzioni importanti (estrazione, trasformazione, caricamento) necessarie per ottenere dati da un ambiente di Big Data e metterlo in un altro ambiente di dati. Tradizionalmente, ETL è stato utilizzato con l'elaborazione batch in ambienti di data warehouse. I data warehouse forniscono agli utenti aziendali un modo per consolidare le informazioni per analizzare e generare report sui dati rilevanti per il loro focus aziendale. Gli strumenti ETL vengono utilizzati per trasformare i dati nel formato richiesto dai data warehouse.

La trasformazione viene effettivamente eseguita in una posizione intermedia prima che i dati vengano caricati nel data warehouse. Molti fornitori di software, tra cui IBM, Informatica, Pervasive, Talend e Pentaho, forniscono strumenti software ETL.

ETL fornisce l'infrastruttura sottostante per l'integrazione eseguendo tre importanti funzioni:

• Estrai: Leggi i dati dal database di origine.

• Trasforma: Converti il ​​formato dei dati estratti in modo che sia conforme ai requisiti del database di destinazione. La trasformazione viene eseguita utilizzando le regole o unendo i dati con altri dati.

• Carica: Scrive i dati nel database di destinazione.

Tuttavia, ETL si sta evolvendo per supportare l'integrazione su molto più dei tradizionali data warehouse. ETL può supportare l'integrazione tra sistemi transazionali, archivi di dati operativi, piattaforme BI, hub MDM, cloud e piattaforme Hadoop. I fornitori di software ETL stanno estendendo le loro soluzioni per fornire l'estrazione, la trasformazione e il caricamento di grandi quantità di dati tra Hadoop e le piattaforme di gestione dati tradizionali.

ETL e strumenti software per altri processi di integrazione dei dati come la pulizia, la profilazione e l'auditing dei dati lavorano su diversi aspetti dei dati per garantire che i dati siano considerati attendibili. Gli strumenti ETL si integrano con strumenti di qualità dei dati e molti strumenti incorporati per la pulizia dei dati, la mappatura dei dati e l'identificazione della discendenza dei dati. Con ETL, estrai solo i dati necessari per l'integrazione.

Gli strumenti ETL sono necessari per il caricamento e la conversione di dati strutturati e non strutturati in Hadoop. Gli strumenti ETL avanzati possono leggere e scrivere più file in parallelo da e verso Hadoop per semplificare il modo in cui i dati vengono uniti in un processo di trasformazione comune. Alcune soluzioni incorporano librerie di trasformazioni ETL predefinite per i dati di transazione e interazione eseguiti su Hadoop o un'infrastruttura di rete tradizionale.

La trasformazione dei dati è il processo di modifica del formato dei dati in modo che possa essere utilizzato da diverse applicazioni.Ciò può significare una modifica dal formato in cui i dati sono archiviati nel formato richiesto dall'applicazione che utilizzerà i dati. Questo processo include anche mappatura istruzioni in modo che alle applicazioni venga detto come ottenere i dati di cui hanno bisogno per elaborare.

Il processo di trasformazione dei dati è reso molto più complesso a causa della crescita sbalorditiva nella quantità di dati non strutturati. Un'applicazione aziendale come la gestione delle relazioni con i clienti ha requisiti specifici per la modalità di archiviazione dei dati. È probabile che i dati siano strutturati nelle righe e nelle colonne organizzate di un database relazionale. I dati sono semistrutturati o non strutturati se non seguono requisiti di formato rigidi.

Le informazioni contenute in un messaggio di posta elettronica sono considerate non strutturate, ad esempio. Alcune delle informazioni più importanti di un'azienda sono in forme non strutturate e semi-strutturate come documenti, messaggi di posta elettronica, formati di messaggistica complessi, interazioni con il servizio clienti, transazioni e informazioni provenienti da applicazioni pacchettizzate come ERP e CRM.

Gli strumenti di trasformazione dei dati non sono progettati per funzionare correttamente con i dati non strutturati. Di conseguenza, le aziende che hanno bisogno di incorporare informazioni non strutturate nel processo decisionale dei processi aziendali hanno dovuto affrontare una quantità significativa di codice manuale per realizzare l'integrazione dei dati richiesta.

Data la crescita e l'importanza dei dati non strutturati per il processo decisionale, le soluzioni ETL dei principali fornitori stanno iniziando ad offrire approcci standardizzati per trasformare i dati non strutturati in modo che possano essere integrati più facilmente con i dati strutturati operativi.