Comparativa

Herramientas ETL
JORGE BUSTILLOS
2014

Tabla contenidos

Introduccin

Para que se utilizan

herramientas ETL?
Por qu utilizar herramientas
ETL?

Herramientas ETL

Comparacin

Tabla comparativa

Costo total de dominio

Riesgos

Facilidad de Uso

Pentaho Kettle

Soporte

Talend

Implementacin

Informatica PowerCenter

Velocidad

Inabplex Inaport

Calidad de la data

IBM Cognos Data Manager

Monitoreo

Oracle Warehouse Builder

Conectividad

Microsoft Integration Services

Introduccin
Para que se utilizan herramientas ETL?
Por qu utilizar herramientas ETL?

Para que se utilizan

herramientas ETL?

Extraer data de varias fuentes de informacin (Legacy

DB).

Enviar data a:

Un sistema optimizado de manejo de transacciones (nuevo

gestor BD).

Un sistema optimizado de reporte.

Un sistema de anlisis.

Sincronizar informacin de distintas bases de datos.

Depurado de informacin para remover errores

Cargar informacin a un Data Warehouse

Por qu utilizar herramientas

ETL?

Las herramientas ETL ahorran tiempo y dinero cuando

se tiene que desarrollar un Data Warehouse al reducir la
cantidad de Sistemas de Conversin personalizados a
desarrollar para migrar o concentrar al informacin.

Ahorra la dificultad para el DBA de conectar entre

distintas marcas y tecnologas de Bases de Datos entre
si.

Permite a las organizaciones mover datos desde mltiples

fuentes, reformatearlos y limpiarlos, y cargarlos en otra
base de datos, data mart, o data warehouse para analizar,
o en otro sistema operacional para apoyar un proceso de
negocio.

Herramientas ETL

Pentaho Kettle

IBM Cognos Data Manager

Talend

Oracle Warehouse Builder

Informatica PowerCenter

Inabplex Inaport

Microsoft Integration
Services

Pentaho Kettle

Se utiliza a travs de un acercamiento basado en meta

datos, y tiene posee una GUI para acelerar los procesos.

La compaa Pentaho empez operaciones en el ao

2001.

Tiene una comunidad activa de usuarios grande,

alrededor de 13,500 usuarios.

Funciona utilizando Java, presentando como ventaja el

ser una solucin multiplataforma.

Talend

Talend es una herramienta OpenSource para la

integracin de informacin.

Usa un enfoque hacia la generacin de cdigo para la

manipulacin de informacin y posee una GUI
implementada en Eclipse RC.

Lanz su primera versin en el ao 2006.

Genera cdigo en Java o Scripts en Pearl que pueden ser

implementados en servidores que lo soporten.

Cuenta con una gran variedad de testimonios por parte

de compaas importantes.

Informatica PowerCenter

Informatica tiene una muy buena suite empresarial de

integracin de datos.

Fue fundada en el ao de 1993.

Lder actual del sector Data Integration (Gartner

Dataquest).

Tiene alrededor de 2600 clientes, entre los cuales

figuran Bancos como Grupo BBVA, organizaciones
Gubernamentales, etc.

La compaa se enfoca meramente en soluciones para la

integracin de datos.

Inaplex Inaport

Fundado en Reino Unido desde el ao 2004 para

satisfacer la migracin de informacin hacia distintas
soluciones CRM y software contable como Sage y
Goldmine.

Microsoft Dynamics CRM

Sage CRM Solutions Family

SalesLogix

SageCRM

ACT! by Sage

GoldMine from FrontRange

GoldMine Corporate and Premium

IBM Cognos Data Manager

IBM Cognos Data Manager proporciona funciones

dimensionales de extraccin, transformacin y carga
(ETL) para conseguir una inteligencia empresarial de
alto rendimiento.

Se puede integrar con la GUI de IBM Data Manager

Designer para disear y crear prototipos

Se pueden ejecutar compilaciones y secuencias de

trabajos en sistemas remotos desde un sistema de
entorno de diseo de Data Manager.

Data Manager Engine se tiene que instalar en un sistema

UNIX o Linux.

ORACLE DATABASE 11G

ORACLE WAREHOUSE BUILDER
ENTERPRISE ETL OPTION

La opcin empresarial ETL (Enterprise ETL Option) para

Warehouse Builder es una opcin que puede ser
adquirida con Oracle Warehouse Builder como parte de
la edicin empresarial del motor de base de datos.

Permite ejecutar cargas de datos usando mtodos

rpidos y eficientes tales como el Oracle Data Pump y
transportable tablespaces.

Permite prever el efecto que puedan tener los cambios

que se hagan en cualquier lugar de los metadatos del
sistema ETL

Es posible generar un modelo para configurar los

ambientes de desarrollo, pruebas y produccin a niveles
separados

Microsoft SQL Server Integration

Services

Puede extraer y transformar datos de diversos orgenes

como archivos de datos XML, archivos planos y orgenes
de datos relacionales y, despus, cargar los datos en
uno o varios destinos.

Se pueden realizar tareas de migracin fcilmente

usando tareas visuales.

Si se desea crear nueva funcionalidad, se pueden crear

scripts en c# o VB

Puede conseguir conectividad mediante CLI va DLLs

tipo ensamblador.

Comparacin

Tabla comparativa

Calidad de la data

Costo total de dominio

Monitoreo

Riesgos

Conectividad

Facilidad de Uso

Soporte

Implementacin

Velocidad

Tabla comparativa
TALEND
COSTO

RIESGO

FACILIDAD

SOPORTE

IMPLEMENTACIN

VELOCIDAD

CALIDAD DATA

MONITOREO

CONECTIVIDAD

KETTLE

POWERCENTER

INAPORT

DATA
MANAGER

ORACLE
WAREHOUSE

SERVER
INTEGRATION

Costo total de dominio

Significa el costo promedio de cierto producto. Desde

costo de orden, licencia, servicio, soporte,
entrenamiento, consultora y cualquier otro pago
adicional, que se tenga que realizar para el uso total.

Las herramientas OpenSource son naturalmente gratis

de utilizar, pero el soporte, entrenamiento y consultora
son los costos a considerar.

OpenSource

Propietario

Cdigo Propio

Riesgos

Siempre hay un riesgo cuando se habla de la

manipulacin de informacin almacenada.

Sin embargo tambin se tienen que considerar los

siguientes riesgos:

Exceder presupuestos.

Exceder tiempos.

Comprar licencias que no rediten su valor.

Falta capacitacin para uso de herramientas.

No cumplir con requerimientos o expectativas.

Facilidad de uso

Talend: Tiene una GUI pero se basa en un add-on para Eclipse RC.

Kettle: Tiene la GUI ms fcil de utilizar dentro de las alternativas

OpenSource.

PowerCenter: Tiene una GUI fcil de utilizar, pero requeriere

entrenamiento para aprovecharla.

Inaport: Se conecta directamente al CRM de importacin.

IBM: Se puede integrar con la GUI de IBM Data Manager Designer

pero este es un mdulo aparte.

Oracle: Fcil cuando se trata de informacin almacenada en bases

de datos Oracle, debido a las herramientas Data Pump y
transportable tablespaces, pero no ofrece mucha compatibilidad a
otras BD.

Microsoft: Se pueden realizar tareas de migracin fcilmente

usando tareas visuales.

Soporte

Talend: Soporte de paga en estados unidos.

Kettle: Soporte en EEUU, Reino Unido y consultoras

asociadas.

PowerCenter: Soporte mundial va web y consultora.

Inaport: Soporte mundial va web y consultora.

IBM: Soporte mundial contratando en paquete.

Oracle: Va soporte local Oracle Latinoamrica.

Microsoft: Soporte va plataforma TechNet.

Implementacin
TALEND

KETTLE

POWERCENTER

INAPORT

DATA
MANAGER

ORACLE
WAREHOUSE

SERVER
INTEGRATION

PLATAFORMA

Cualquier
compatible
con Java o
Perl

Cualquiera
compatible
con Java.

SERVIDOR
WINDOWS,
HP-UX, IBMUX, REDHAT,
SOLARIS

WINDOWS

WINDOWS
SERVER,
SOLARIS,
HP-UX, IBMUX, REDHAT

ORACLE
LINUX,
REDHAT,
SUSE
ENTERPRISE

WINDOWS
SERVER

RAM

512 MB

512 MB

1GB

50MB

1GB

2GB

2GB

CPU

1 GHZ

1 GHZ

4 + CORES
2GHZ

1GHZ

2GHZ x 2
cores

Vara

2.2GHZ 2
CORES

EXTRA

Se puede
conectar a
Schedulers
para
automatizar
cargas

Puede
utilizar
Slave
Servers

REQUIERE
.NET

Parte de
Cognos
Business
Intelligence

Ms
informacin

Velocidad

Talend: Ms lento que Pentaho Kettle y requiere configuracin

especfica y manual, con conocimiento previo de la data a utilizar.

Kettle: Ms rpido que Talend, sin embargo al requerir de Java

Database Connector disminuye la velocidad de transacciones.

PowerCenter: Herramienta ms rpida gracias a PushDown, sin

embargo los cambios son en momento y no permite hacer Rollback
a un estado anterior.

Inaport: Utiliza una conexin directamente proporcional a la

velocidad del CRM.

IBM: Muy rpido cuando se trabaja con DB2 sin embargo la capa de
compatibilidad disminuye la velocidad de conexin con distintos
manejadores de base de datos.

Oracle: La velocidad es proporcional al servicio Oracle en el cual

este trabajando.

Microsoft: La velocidad es proporcional al servicio MSSQL en el cual

este trabajando.

Calidad de Data

Talend: Ofrece herramientas para DQ dentro de la GUI, sentencias

SQL personalizables utilizando Java.

Kettle: Ofrece herramientas para SQ dentro de su GUI, sentencias

SQL personalizadas as como herramientas JavaScript y REGEX para
la depuracin de informacin.

PowerCenter: Ofrece DQ a travs de otro producto llamado

Informatica Data Quality.

Inaport: Debido a la restriccin del origen de informacin se pude

realizar tareas de DQ dentro de la misma.

IBM: Mediante Cognos Data Manager Packages se pueden incorporar

herramientas para DQ.

Oracle: Permite DQ mediante el uso de Oracle Warehouse Builder

Data Profiling Features.

Microsoft: Requiere del software SQL Server Data Quality Services

para ofrecer herramientas DQ.

Monitoreo

Talend: Tiene herramientas practicas de monitoreo y

registro histrico.

Kettle: Tiene herramientas practicas de monitoreo y

registro histrico.

PowerCenter: Tiene herramientas practicas y extensivas de

monitoreo y registro histrico.

Inaport: Tiene herramientas practicas de monitoreo y

registro histrico.

IBM: Maneja registro de histricos.

Oracle: Tiene herramientas practicas y extensivas de

monitoreo y registro histrico.

Microsoft: Tiene herramientas practicas y extensivas de

monitoreo y registro histrico.

Conectividad

Talend: Varias bases de datos, archivos planos, xml, Excel,

servicios web, necesita JDBC para conexin.

Kettle: Varias bases de datos, archivos planos, xml, Excel,

servicios web.

PowerCenter: Varias bases de datos, archivos planos, xml,

Excel, servicios web puede exportar como servicio web.

Inaport: Cualquier conexin ODBC, MSSQL, OUTLOOK, ACT,

EXCEL.

IBM: Cualquier conexin ODBC, DB2, para importacin a

DB2, cubos de informacin T1MAP.

Oracle: Solamente compatible con bases de datos Oracle

mismas que la instalada en el DataWarehouse

Microsoft: Bases de datos SQL SERVER, ACCESS, ADO.NET