一、ETL在数据仓库中的地位
ETL是数据仓库项目中最艰难且耗时最长的工作，ETL系统的设计和开发工作对商务智能项目的成败产生至关重要的影响，如果把数据仓库项目看成一座大厦的话，那么建筑图样规划就是数据仓库模型的设计过程，根据图样建造宫殿的过程就是ETL设计开发的过程，而那座美丽的宫殿就是数据仓库的成果。作为从事商务智能的专业人士，需要真真正正理解ETL理论方面的知识，而不仅仅停留在ETL工具的使用上，因为只有这样，才能更好地发挥它的作用。
二、ETL的一般过程
ETL是数据抽取（Extract）、转换（Transform）、加载（Load）的简写。
它的一般过程是指：将源数据抽取出来，中间经过数据的清洗、转换，最后加载到目标表中。
ETL过程一般都是批量操作的。
三、ETL的本质ETL的本质就是数据从源到目标的过程（即数据流动的过程）。
所以一般ETL工具都提供特定语言环境（javascript语言脚本和存储过程的调用功能）来实现高级转换功能。
四、影响ETL数据质量的关键因素
（一）、影响ETL数据质量的关键因素
1、可能会有一部分数据因为客观或者人为的原因导致数据格式混乱。
2、源系统设计存在不合理性。
3、在开发过程中，因为开发人员的错误或者设计人员对业务规则描述的问题，同样会导致数据质量出现问题。
（二）、保证数据质量的方法
1、保证数据源的质量。用户必须遵守在数据仓库项目中数据源的质量要求，对业务源数据进行仔细分析，以便对数据源的任何错误或不规范的地方有相应的处理方法，如对错误数据舍弃或者修改。
2、衡量数据质量的方法。在保证数据源的质量之后，在设计ETL的过程中，对每一个步骤都应该有一个衡量数据质量的方法，需要重视ETL的每一个过程。对于有误差的数据，需要追溯到根本原因，并且将数据仓库的模型与数据质量的验证方法统一起来，实现每一步的ETL过程都有验证数据质量的脚本。
3、规范业务流程。规范业务流程，保证ETL的正确性，避免误删数据或者重复加载业务数据。
（三）、衡量数据质量的方法
1、定义的数据是否和实际数值相同。
如果实际的数值修改了，存储和得到的数据也应该是最新的修改过的数据。
2、指标数据是否符合业务的规则。不包含在其业务中的信息不要加到该业务中。
3、数据是否和业务源数据中的信息保持一致。
该数据和原系统中公认的、权威性的信息必须保持一致，否则该数值可能是不正确的。
4、数据是否违背自然规律或者不符合常理。
如果数据与业务源数据系统中公认的、权威性的信息保持一致，但是却违背了自然规律或者不符合常理，同样应该分析该数据是否正确。
五、ETL的体系结构
六、ETL的难点
多个数据源数据不一致是一个难点和重点
七、主流ETL的工具
（一）选择ETL工具要考虑的问题
1、使用成本；
2、技术人员对此工具的熟练程度；