Apa Itu ETL?

ETL adalah proses Extract, Transform, Load: mengambil data dari sumber, mengubahnya sesuai aturan, lalu memuatnya ke sistem tujuan. Pada implementasi sehari-hari, ETL menjadi relevan karena keputusan dalam pengumpulan, transformasi, analisis, visualisasi, dan tata kelola data sering melibatkan beberapa data, kanal, atau komponen sekaligus.

Penerapannya perlu diuji terhadap event, metric dan dimension. Hasilnya kemudian dapat dinilai melalui data completeness, accuracy dan freshness. Jika definisi, data, dan ruang lingkup tidak konsisten, tim mudah mengambil kesimpulan yang terlihat benar tetapi tidak relevan dengan tujuan.

1. Untuk ETL, tentukan konteks penggunaan ETL dan keputusan apa yang perlu dibantu oleh istilah ini.
2. Identifikasi komponen yang terlibat, misalnya event, metric, dan dashboard.
3. Terapkan pada ruang lingkup yang jelas dan dokumentasikan asumsi agar tim memakai definisi yang sama.
4. Evaluasi dampaknya menggunakan indikator seperti data completeness dan accuracy.

• Menghubungkan pekerjaan teknis atau operasional dengan hasil yang dapat dipahami oleh pemilik bisnis.
• Membuat definisi dan ruang lingkup ETL lebih konsisten ketika digunakan oleh beberapa tim.
• Membuat hasil ETL dapat ditinjau bersama indikator seperti data completeness, accuracy, dan freshness.
• Mengurangi pekerjaan ulang akibat keputusan yang tidak terdokumentasi atau definisi yang berbeda.

Salah satu konteks praktis ETL adalah saat dataset besar perlu diringkas tanpa kehilangan konteks penting. Gunakan SQL query untuk menyamakan konteks, data, dan keputusan yang akan diambil. Hasilnya dapat ditinjau melalui data completeness dan accuracy.

Contohnya, dashboard menampilkan banyak angka tetapi pengguna tidak tahu tindakan apa yang perlu diambil. Tim mendokumentasikan kondisi awal dalam dashboard, menerapkan ETL pada ruang lingkup terbatas, lalu membandingkan accuracy dengan decision impact. Hasil dan alasan perubahan dicatat pada data model sebelum pendekatan diperluas.

• Menerapkan ETL tanpa menjelaskan tujuan, baseline, dan keputusan apa yang akan dipengaruhi.
• Mengubah terlalu banyak faktor sekaligus sehingga penyebab peningkatan atau penurunan hasil tidak diketahui.
• Tidak menentukan pemilik tindakan sehingga temuan berhenti sebagai laporan tanpa perbaikan.
• Memulai dari tool atau fitur sebelum menjelaskan masalah dan hasil yang ingin dicapai.