ETL是｛Extract－抽取；Transformation－转换；Load－载入｝的缩写，把原始数据从各种数据源中抽取出来，然后经过各种转换，载入到
数据仓库或是数据中心或是可以分析、交互的平台当中。
ETL是一个桥梁，是多个数据库中的数据，并到数据中心的必经之路：
ETL是一个处理器，是各种各样的粗糙数据，变成可供分析的高质量数据的必经过程：
ETL是将业务系统的数据经过抽取、清洗转换之后加载到数据仓库的过程，目的是将企业中的分散、零乱、标准不统一的数据整合到一起，为企业的决策提供分析依据。 ETL是
BI项目重要的一个环节。 通常情况下，在BI项目中ETL会花掉整个项目的1/3的时间,ETL设计的好坏直接关接到BI项目的成败。
ETL的设计分三部分：数据抽取、数据的清洗转换、数据的加载。在设计ETL的时候我们也是从这三部分出发。数据的抽取是从各个不同的数据源抽取到ODS（Operational Data Store，操作型
数据存储）中——这个过程也可以做一些数据的清洗和转换)，在抽取的过程中需要挑选不同的抽取方法，尽可能的提高ETL的运行效率。ETL三个部分中，花费时间最长的是“T”(Transform，清洗、转换)的部分，一般情况下这部分工作量是整个ETL的2/3。数据的加载一般在
数据清洗完了之后直接写入DW（Data Warehousing，数据仓库）中去。
ETL的实现有多种方法，常用的有三种。一种是借助ETL工具（如Oracle的OWB、SQL Server 2000的DTS、SQL Server2005的SSIS服务、Informatic等）实现，一种是SQL方式实现，另外一种是ETL工具和SQL相结合。前两种方法各有各的优缺点，借助工具可以快速的建立起ETL工程，屏蔽了复杂的编码任务，提高了速度，降低了难度，但是缺少灵活性。SQL的方法优点是灵活，提高ETL运行效率，但是编码复杂，对技术要求比较高。第三种是综合了前面二种的优点，会极大地提高ETL的开发速度和效率。
（部分内容来源网络，如有侵权请联系删除）
