ELT（Extract, Load, Transform）

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したデータを、変換せずにいったんデータレイクやクラウドDWHに格納（Load）し、格納先の計算資源を使ってSQLなどで変換（Transform）する方式。生データが残るので後から別の目的で変換し直せ、MPPやストレージとコンピュートの分離による拡張性を生かせる。格納前に変換するETLと処理の順序が逆になる。

データを格納する前にスキーマ（構造の定義）を決め、それに合うよう変換・検証してから書き込む方式。リレーショナルデータベースやデータウェアハウスで採られ、データの品質と問合せの性能を確保しやすいが、新しい種類のデータを取り込むにはスキーマの設計変更が要る。

データを、固有の識別子とメタデータを付けたオブジェクトという単位で、階層構造を持たない平坦な領域に格納するストレージ。HTTPベースのAPIでアクセスし、容量を大規模に拡張しやすいため、クラウドでの画像・動画、バックアップ、データレイクの保管に使われる。

複数のシステムやデータソースに分散したデータを集め、形式や意味をそろえて一貫した形で利用できるようにすること。ETLやELTによる一括連携、APIやデータ仮想化による参照などの方式があり、コード体系の統一や名寄せが課題になる。

構造化データだけでなく、ログ、画像、文書などの半構造化データや非構造化データも、元の形式のまま大量に蓄積する保存基盤。利用時にスキーマを適用するスキーマオンリードを採り、機械学習や探索的な分析に向くが、メタデータ管理が不十分だと中身の分からないデータスワンプになる。

複数の業務システムから集めたデータを、分析しやすいよう統合・整理して時系列で蓄積する、意思決定支援のためのデータベース。サブジェクト（主題）指向、統合されている、時系列で保持する、更新・削除しない（不揮発）という特徴をもち、格納前にETLで変換するスキーマオンライトを採る。

データレイクとデータウェアハウスの特徴を1つの基盤に統合したデータ基盤のアーキテクチャ。安価なオブジェクトストレージに多様な形式のデータを置いたまま、トランザクション管理やスキーマの適用、高速なSQL分析を可能にし、BIと機械学習を同じデータで行えるようにする。