Datos y análisis · revisado en julio de 2026
ETL
ETL (Extraer, Transformar, Cargar) es el proceso de mover datos desde sus fuentes hacia un destino analítico, limpiándolos y dándoles forma por el camino. Es la base de casi todo pipeline de datos: primero se extraen los datos crudos, luego se transforman (se limpian, combinan, agregan) y finalmente se cargan en un almacén donde pueden analizarse.
df = pd.read_csv("ventas.csv") # Extraer
df["fecha"] = pd.to_datetime(df["fecha"]) # Transformar
df.to_sql("ventas", con=engine, if_exists="append") # CargarPreguntas frecuentes
¿En qué se diferencia ETL de ELT?
En ETL los datos se transforman antes de cargarlos al destino final. En ELT se cargan primero en bruto y la transformación ocurre después, dentro del propio almacén de datos, aprovechando su poder de cómputo — un patrón cada vez más común con almacenes en la nube.
¿Qué herramientas se usan para construir un pipeline ETL?
Depende de la escala: para pipelines simples basta con scripts de Python y pandas; para pipelines productivos se usan orquestadores como Airflow o Dagster, que programan y monitorean cada paso.
¿Un ETL corre una sola vez?
No. La mayoría de los pipelines ETL corren en un horario recurrente (por ejemplo cada noche) o de forma incremental, procesando solo los datos nuevos desde la última corrida.