ELT

データを抽出していったんそのまま格納し、格納先の処理能力を使って変換する方式。変換してから格納するETLと順序が逆で、クラウドのデータ基盤やデータレイクで採られることが多い。

データソースから抽出（Extract）したデータを、変換せずにまずデータレイクやクラウド型のデータウェアハウスに格納（Load）し、格納先の処理能力を使って必要に応じて変換（Transform）する方式。ETLと処理の順序が逆で、大量のデータを速く取り込め、元のデータを残したまま用途に応じた加工ができる。

データ基盤やデータパイプラインを設計・構築・運用し、分析や業務に使えるデータを安定して供給する技術者。データの収集、変換、統合、品質の自動検査、性能と費用の最適化などを担い、データサイエンティストや業務部門が利用するデータを整える。

業務システムなどのデータソースからデータを抽出（Extract）し、形式の統一やクレンジングなどの変換（Transform）を行ってから、DWHなどの格納先に書き込む（Load）処理。格納前に変換するため格納先には整ったデータだけが入る一方、変換を担うETLツールやサーバが性能のボトルネックになりやすい。格納後に変換するELTと対比される。

データを格納する前にスキーマを定義し、それに合うように変換・検証したデータだけを書き込む方式。DWHやリレーショナルデータベースで採られ、データの品質や一貫性を保ちやすく問合せも速いが、事前の設計が必要で、新しい種類のデータや要件の変化への対応に手間がかかる。

データを保存するストレージと、問合せなどの処理を行う計算資源（コンピュート）を別々に構成し、それぞれを独立して拡張・縮小できるようにするデータ基盤の設計。データはオブジェクトストレージなどに置き、処理が必要なときだけ計算資源を割り当てるため、利用量に応じた課金や、複数の処理による同じデータの同時利用がしやすい。

データベースで発生した挿入・更新・削除の変更だけを検出し、他のシステムやデータ基盤へ逐次伝える仕組み。データベースのトランザクションログを読み取る方式が主流で、元のシステムへの負荷を抑えつつ、全件を転送し直さずに連携先を最新の状態に保てる。

データパイプラインの新設、処理ロジックの変更、障害による欠落などのときに、過去の期間を指定して処理をさかのぼって実行し、データを埋め直すこと。対象期間を日付などの単位に分割して実行し、処理がべき等であれば既存のデータを壊さずに再計算できる。