ETL・ELTとは
ETL・ELTとは、社内外の複数のシステムからデータを取り出し（Extract）、分析しやすい形に整え（Transform）、分析用の保存先に取り込む（Load）ための処理の方式です。
平たく言えば「バラバラの場所にあるデータを、集計できる一か所に、使える形で集める作業」のことです。販売管理システムの受注データ、CRMの顧客データ、広告管理画面の費用データなどを、そのままでは突き合わせられないため、項目名や形式をそろえてデータウェアハウス（DWH）などへ集めます。
名称は三つの工程の頭文字です。ETLは「抽出→変換→取り込み」の順、ELTは「抽出→取り込み→変換」の順で処理します。どちらも目的は同じで、違いは「どこで変換するか」にあります。
ETLとELTの違いと仕組み
ETLは、取り込む前に専用の処理サーバーやツールでデータを加工します。保存先には整った状態のデータだけが入ります。ELTは、元データをいったんそのままDWHへ入れ、DWHの計算能力を使ってSQLなどで加工します。クラウドDWHの処理性能が上がったことで、ELTを採用する場面が増えています。
| 観点 | ETL | ELT |
|---|---|---|
| 変換する場所 | 取り込み前の処理サーバー・ツール | 取り込み後のDWH内 |
| 保存先に入るデータ | 加工済みのデータ | 生データと加工済みデータの両方 |
| 向いている場面 | 保存先の容量や処理能力が限られる、個人情報を事前に除きたい | クラウドDWHを使う、後から集計方法を変えたい |
| 変更のしやすさ | 変換ロジックの修正には処理の作り直しが必要になりやすい | 生データが残るため、SQLの修正で再集計しやすい |
| 注意点 | 変換で捨てた情報は後から取り戻せない | 生データの保管と権限管理を丁寧に行う必要がある |
どちらの方式でも、実際には次の要素を設計します。
- 取得元と取得方法：API、データベース接続、CSV出力など
- 取得頻度：日次、毎時、ほぼリアルタイムなど、意思決定に必要な鮮度
- 変換ルール：日付形式の統一、顧客IDのひも付け、重複の除去、通貨や税込税抜の統一
- 差分の扱い：全件を毎回取り直すか、更新分だけ取るか
- 失敗時の動き：途中で止まったときの再実行方法と通知先
実務での使い方・具体例
たとえば、ECと実店舗を持つ架空の小売企業が「チャネル別の顧客の買い回り」を見たいとします。ECの受注はカートシステム、店舗の売上はPOS、会員情報は別の会員システムにあります。
ELTで進めるなら、三つのシステムから毎晩データを抽出してDWHにそのまま取り込み、DWH上で「会員IDで受注とPOS売上をひも付ける」「返品を差し引く」「税抜金額にそろえる」といった変換をSQLで行います。翌朝にはBIツールのダッシュボードが更新され、担当者はExcelでの手作業の突き合わせから解放されます。
一方、医療や金融のように取り扱いの厳しい情報を含む場合は、氏名や連絡先を取り込み前に除外・匿名化するETL的な処理を挟むことがあります。実務では両者を組み合わせることも珍しくありません。
導入を進めるときは、次の順番で考えると手戻りが少なくなります。
- 最初に見たい指標を三つ程度に絞り、それぞれの計算式と定義を書き出す
- 指標の計算に必要なデータが、どのシステムのどの項目にあるかを一覧にする
- 各システムからの取得方法（API・CSV・データベース接続）と更新頻度を決める
- 変換ルール（ひも付けのキー、除外条件、金額の扱い）を事業側と合意する
- 小さく動かし、手作業の集計結果と数字が一致するかを突き合わせて検証する
特に5の突き合わせは省略されがちですが、ここで差異の原因を一つずつ潰しておくと、公開後に「ダッシュボードの数字は信用できない」と言われる事態を避けられます。
よくある誤解と注意点
- 「ELTの方が新しいので常に優れている」わけではない：データ量、扱う情報の機密性、チームのSQLの習熟度で向き不向きが変わります。
- 変換ルールは技術ではなく事業の定義で決まる：「売上」に返品やキャンセルを含めるかは、事業側が決めることです。定義があいまいなまま作ると、部署ごとに数字が合わない状態が続きます。
- ツールを入れれば終わりではない：取得元のシステムの項目追加や仕様変更で処理は壊れます。監視と保守の担当を最初に決めておくことが大切です。
- 最初から全データを集めようとしない：見たい指標から逆算し、必要なテーブルだけで始めた方が早く価値が出ます。
関連用語
- DWH（データウェアハウス）：ETL・ELTで集めたデータを保管・分析する場所
- データパイプライン：ETL・ELTを含む、データが流れる一連の仕組み
- データマート：目的別に切り出した分析用データ
- データクレンジング：変換工程で行う表記揺れや重複の整理
- BigQuery：ELTでよく使われるクラウドDWHの例
関連記事：複数システムのデータを集約する：ETLとデータ基盤の作り方
Otsumuに相談できること
「どの指標を見るためにどのデータを集めるか」が決まれば、ETL・ELTの設計はぐっと進めやすくなります。Otsumuでは、KPI改善コンサルティングで見るべき指標と定義を整理し、必要に応じてダッシュボード開発としてデータ取得から可視化までの仕組みを一緒に作ります。
既存のExcel集計をどこから自動化すべきか迷っている段階でもかまいません。まずは30分の無料相談で、現在のデータの置き場所と見たい数字をお聞かせください。
執筆：Otsumu株式会社 ／ 編集日 2026.10.01