本地 ETL 工具。这些工具托管在公司服务器上，可自动执行数据转换过程。这些工具具有成本效益，并且具有生成数据流的可视化表示、合并附加功能以及针对更大项目进行扩展的能力的额外优势。 基于云的 ETL 工具。与本地 ETL 工具一样，基于云的 ETL 工具可自动执行数据转换过程。然而，它们托管在云环境中，允许分析师从云源收集数据并将其加载到数据仓库中。 数据转换规则是指定要执行的某些更改以将数据的结构和语义从一个源转换为另一个源的指令。语义原则提供数据元素的定义，例如完整交易的特征。重塑规则定义如何将数据元素从一个源转移到另一个源。分类规则将数据源值与目标数据的值相关联。

 数据转换过程 数据转换过程包括3个主要步骤：提取、加载和转换，也称为ETL。以下是涉及的具体步骤： 数据发现。分析师使用数据分析工具识别数据，并决定将数据转换为他们确定的格式所需采取的后续步骤。 数据映射。分析师定义 巴西手机号码数据 如何修改、映射、过滤、连接和聚合各个数据字段。此步骤可能涉及缩小数据范围以使其更易于管理，例如消除不需要的特定字段、列或记录。 数据提取。在此步骤中，分析师从原始来源（例如数据库或 Web 应用程序中的客户日志文件）中提取数据。 数据加密。在许多涉及隐私问题的领域，个人数据必须进行加密。 代码生成和执行。在这一步中，分析师使用数据转换平台或工具生成代码来完成转换。 审查。最后，分析师检查格式是否正确。

除了这些标准步骤之外，分析师还可以实施自定义操作，例如按某些列过滤数据、添加更多信息、删除重复数据或将数据集连接在一起。完成此过程后，分析师将转换后的数据发送到其目标目的地，例如数据仓库或数据库。 不良数据阻碍良好决策 当今的业务环境涉及许多复杂的系统，一个系统上生成的数据可能无法在另一个系统上使用。数据转换通过转换数据以在目标系统中使用来解决这个问题。对于想要充分利用众多来源生成的大量数据的公司来说，这个过程是必要的。 如果没有数据转换，公司将陷入数据困境，其中包括： 错误、错误和重复信息 不正确或空值或敏感数据 未映射的数据 未汇总的原始数据 在这种情况下拥有数据会导致宝贵的信息资源未被开发，公司成功的机会也未被开发。