La diferencia está en el orden, y el orden importa
ETL (Extract, Transform, Load) transforma los datos antes de cargarlos en el destino. ELT (Extract, Load, Transform) los carga crudos y los transforma dentro del destino. Parece un matiz, pero cambia dónde vive la lógica, quién la mantiene y cómo escala.
Cuándo tiene sentido ETL
ETL encaja cuando el destino tiene capacidad de cómputo limitada, cuando necesitas aplicar reglas de calidad y limpieza antes de que el dato entre, o cuando trabajas con fuentes sensibles que deben filtrarse o anonimizarse antes de aterrizar. Es el patrón clásico de los Data Warehouse tradicionales.
Cuándo tiene sentido ELT
ELT brilla con destinos potentes (data warehouses en la nube) y grandes volúmenes: cargas rápido y transformas con la potencia del propio motor, versionando la lógica como consultas. Te permite guardar el dato crudo y rehacer transformaciones sin volver a extraer.
El criterio que casi nadie menciona: gobierno
Más allá de lo técnico, la decisión afecta el gobierno del dato. ELT concentra la transformación en un solo lugar auditable y versionable; ETL la reparte en procesos que hay que documentar. Si nadie va a mantener la lógica, ELT con transformaciones declarativas suele envejecer mejor.
Conclusión
No es una guerra de bandos. Muchos pipelines modernos combinan ambos: ELT para el grueso del volumen y ETL para reglas sensibles previas a la carga. Elige según el volumen, la potencia del destino, la sensibilidad del dato y —sobre todo— quién va a mantener la transformación.