ETL是數據抽取（Extract）、清洗（Cleaning）、轉換（Transform）、裝載（Load）的過程。是構建數據倉庫的重要一環，用戶從數據源抽取出所需的數據，經過數據清洗,最終按照預先定義好的數據倉庫模型，將數據加載到數據倉庫中去。
ETL是將業務系統的數據經過抽取、清洗轉換之后加載到數據倉庫的過程，目的是將企業中的分散、零亂、標准不統一的數據到一起，為企業的決策提供分析依據。ETL是BI項目中一個重要環節。通常情況下，在Bi項目中ETL會花掉整個項目的1/3的時間，ETL設計的好壞直接關系到BI項目的成敗。
ETL的設計分三個部分：數據抽取、數據的清洗轉換、數據的加載。在設計ETL的時候我們也是從這三部分出發，數據的抽取式從各個不同的數據源抽取到ODS(OperationDataSore,操作型數據存儲中-這個過程也可以做一些數據的清洗和轉換），在抽取的過程中需要挑選不同的抽取方法，盡可能的提高ETL的運行效率。ETL三個部分中，花費時間最長的是“T”(Transform,清洗，准換）部分，一般情況下這部分工作量是整個ETL的2/3。數據的加載一般在數據清洗完了之后直接寫入DW(Data Warehousing數據倉庫）中去。
下面看以流程圖：
ETL的實現有多種方法，常用的有三種。一種是借助ETL工具實現，一種是SQL方式實現，另外一種是ETL工具和SQL相結合。前兩種方法各有各自的優缺點，借助工具可以快速的建立ETL工程，屏蔽了復雜的編碼任務，提高了速度，降低了難度，但是缺少靈活性。SQL的方法優點是靈活，提高了ETL運行效率，但是編碼復雜，對技術要求高。第三種是綜合了前面兩種的優點，會極大提高ETL的開發速度和效率。
數據抽取
這一部分需要在調研階段做大量的工作，首先要搞清楚數據是從幾個業務系統中來，各個業務系統的數據庫服務器運行的是何種DBMS，是否存在手工數據，手工數據存量有多大，是否在非結構化的數據等等。等收集完這些信息之后可以進行數據抽空設計。
1、對於與存放DW的數據庫系統相同的數據源處理方法。
這一類數據源在設計上比較容易。一般情況下，DBMS(SQL Server,Oracle)都會提供數據庫連接功能，在DW數據服務器和原業務系統之間建立的連接關系就可以寫Select語句直接訪問。
2、對於與DW數據庫系統不同的數據源的處理方法
對於這一類數據源，一般情況下也可以通過ODBC的方式建立數據庫連接——如SQL Server和Oracle之間。如果不能建立數據庫連接，可以有兩種方式完成，一種是通過工具將數據源導出成.Txt或者是.xls文件，然后再將這些源系統文件導入到ODS中。另外一種方法是通過程序接口來完成。
3、對於文件類型數據源（.txt,.xls）,可以培訓業務人員利用數據庫工具將這些數據導入到指定的數據庫，然后從指定的數據庫中抽取。或者可以借助工具實現，如SQL Server2005的SSIS服務的平面數據源和平面目標等組件導入ODS中去。
4、增量更新的問題
對於數據量大的系統，必須考慮增量抽取。一般情況下，業務系統會記錄業務發生的時間，我們可以用來做增量的標志，每次抽取之前先判斷ODS中記錄最大的時間，然后根據這個業務系統抽取大於這個時間的所有的記錄。利用業務系統的時間戳，一般情況下，業務系統沒有或者部分由時間戳。
數據清洗和數據轉換
一般情況下，數據倉庫分為ODS,DW連部分。通常的做法是從業務系統到ODS做清洗，將臟數據和不完整的數據過濾掉，在ODS到過程中轉換，進行一些業務規則的計算和聚合。
ODS介紹，數據倉庫體系結構中的一個可選部分，ODS具備數據倉庫的部分特征和OLAP系統特征，它是“面向主題的，集成的，當前或接近當前的，不斷變化的”數據，它的主要作用：
（1）在業務系統和數據倉庫之間形成一個隔離層
（2）轉移一部分業務系統細節查詢的功能
（3）完成數據倉庫中不能完成的一些功能
一、數據清洗
數據清洗的任務是過濾那些不符合要求的數據，將過濾的結果交給業務主管部門，確認是否過濾還是由業務單位修正之后再進行抽取。不符合要求的數據主要有不完整的數據、錯誤的數據、重復的數據三大類
（1）不完整的數據：這一類數據主要是一些應該有的信息缺失，如果供應商名稱、分公司的名稱、客戶的區域消息缺失、業務系統中主表和明細表不匹配，對於這一類數據過濾出來，按缺失的內容分別寫入不同的Excel文件向客戶提交，要求在規定的時間內補全。補全才寫入數據倉庫。
（2）錯誤的數據：這一類錯誤產生的原因是業務系統不夠健全，在接受輸入后沒有進行判斷直接寫入后台數據庫造成的，比如數值數據輸成全角數字字符，字符串數據后面有一個回車操作，日期格式不正確、日期越界等。這一類數據也要分類，對於類似全角字符、數據前后有不可見字符的問題，只能通過寫SQL語句方法找出來，然后要求客戶在業務系統修正之后抽取。日期格式不正確的或者日期越界的這一類錯誤導致ETL運行失敗，這一類錯誤需要去業務系統數據庫用SQL的方式挑出來，交給業務主管部門要求限期修正，修正之后在抽取。
（3）重復的數據：對於這一類數據------特別是維表中出現這種情況——將重復數據記錄的所有字段導出來，讓客戶確認並整理。數據清洗時一個反復的過程，不可能在幾天內完成，只有不斷的發現問題，解決問題。對於是否過濾，是否修正一般要求客戶確認，對於過濾掉的數據，寫入Excel文件或者過濾數據寫入數據表，在ETL開發的初期可以每天向業務單位發送過濾數據的郵件，促使他們盡快的修正錯誤，同時可以作為將來驗證數據的依據。數據清洗需要注意的是不要將有用的數據過濾掉。對於每個過濾責認真驗證，並要客戶確認。
二、數據轉換
數據轉換的任務主要進行不一致的數據轉換、數據粒度的轉換，以及一些商務規則的計算。
（1）不一致數據的准換：這個過程是一個整合的過程，將不同業務系統的相同類型的數據統一，比如同一個供應商在結算系統的編碼是XX001,而在CRM中編碼是YY001,這樣在抽取過來之后統一轉換成一個編碼。
（2）數據粒度的轉換：業務系統一般存儲非常明細的數據，而數據倉庫中數據是用來分析的，不需要非常明細的數據。一般情況下，會將業務數據按照數據倉庫力度進行聚合。
（3）商務規則的計算：不同的企業有不同的業務規則，不同的數據指標，這些指標有的時候不是簡單的加加減減就能完成，這個時候需要在ETL中將這些數據指標計算好了之后存儲在數據倉庫中，以供分析使用。
三、ETL日志、警告發送
1、ETL日志
ETL日志分為三類。一類是執行過程日志，這一部分日志是在ETL執行過程中每執行一步的記錄，記錄每次運行每一步驟的起始時間，影響了多少行數據。流水賬形式。一類是錯誤日志，當某個模塊出錯的時候寫錯誤日志，記錄每次出錯的時間，出錯的模塊以及出錯信息等。第三類日志是總體日志，只記錄ETL開始時間、結束時間是否成功信息。如果使用ETL工具、ETL工具會自動產生一些日志，這一類日志也可以作為ETL日志的一部分。記錄日志的目的是隨時可以知道ETL運行情況，如果錯誤了，可以知道哪里出錯
2、警告發送
如果ETL錯誤了，不僅要形成ETL出錯日志，而且要向系統管理員發送警告。發送警告的方式多種，一般常用的就是給系統管理員發送郵件，並附上錯誤信息，方便管理員排查錯誤。
ETL是BI項目的關鍵部分，也是一個長期的過程，只有不斷的發現問題並解決問題，才能使ETL運行效率更高，為BI項目后期開發提供准確的數據。