Transformación de datos

La transformación de datos es el proceso de reestructurar datos de un formato a otro. Es un tipo de procedimiento de gestión de datos que implica tomar datos de una forma y convertirlos en otra distinta. Por lo general, los datos originales deben reorganizarse, reestructurarse o reformatearse de alguna manera para que se ajusten a la salida deseada. El objetivo de la transformación de datos es hacer que los datos del sistema sean utilizables, comprensibles y uniformes en todos los ámbitos.

La transformación de datos contiene dos actividades poco acopladas: la extracción de datos de una forma y la carga de los datos extraídos en otra forma. Por ejemplo, extraer datos de una base de datos relacional, como SQL, y luego cargarlos en una plataforma de análisis, como un clúster Apache Hadoop. El proceso de transformación de datos implica la aplicación de técnicas de mapeo, limpieza y enriquecimiento de datos.

El mapeo de datos es el proceso de especificar una correspondencia entre elementos de dos tipos de datos. El objetivo es garantizar que los elementos de los datos originales se correspondan correctamente con los del nuevo formato de datos. Este paso también incluye la creación de nuevos identificadores únicos, si es necesario. La depuración es el proceso por el que se garantiza que todos los elementos de los datos cumplen un conjunto predefinido de valores o integridad. Esto puede incluir la normalización de formatos, la eliminación de datos corruptos y la adición de elementos de datos que faltan. Por último, el enriquecimiento implica el uso de fuentes de datos adicionales para añadir más contexto y valor a los datos.

La transformación de datos es una parte importante de la gestión de datos y a menudo se utiliza para hacer que los datos existentes sean utilizables, comprensibles y uniformes. Se trata de un proceso complejo que a menudo requiere mapeo, limpieza y enriquecimiento de datos, todo lo cual puede ayudar a añadir valor a los datos recién transformados.