ETL vs ELT em 2026: Arquitetura de Pipelines de Dados Explicada

A arquitetura de pipelines de dados representa um dos pilares fundamentais da engenharia de dados moderna, e a escolha entre ETL vs ELT determina não apenas o fluxo técnico das informações, mas também os custos operacionais, a escalabilidade e a agilidade das equipes de analytics. Em 2026, com a consolidação de data warehouses cloud-native e ferramentas de transformação como dbt, essa decisão arquitetural ganhou novos contornos que todo engenheiro de dados precisa compreender.

Fundamentos do ETL: Extract, Transform, Load

O padrão ETL (Extract, Transform, Load) surgiu em uma era onde o armazenamento era caro e o poder computacional dos data warehouses era limitado. Nesse modelo, um servidor intermediário extrai dados das fontes, aplica todas as transformações necessárias e só então carrega os dados já processados no destino final.

Essa abordagem possui vantagens claras quando há necessidade de mascaramento de dados sensíveis antes do armazenamento ou quando o volume de dados brutos excede a capacidade econômica do warehouse de destino.

# etl_pipeline.py
import pandas as pd
from sqlalchemy import create_engine

def extract(source_url: str) -> pd.DataFrame:
    """Extract raw data from source system."""
    return pd.read_csv(source_url)

def transform(df: pd.DataFrame) -> pd.DataFrame:
    """Clean and reshape data before loading."""
    # Remove rows with missing revenue
    df = df.dropna(subset=["revenue"])
    # Normalize currency to USD
    df["revenue_usd"] = df.apply(
        lambda row: row["revenue"] * get_exchange_rate(row["currency"]),
        axis=1
    )
    # Aggregate to daily granularity
    return df.groupby("date").agg({"revenue_usd": "sum"}).reset_index()

def load(df: pd.DataFrame, engine) -> None:
    """Write transformed data to the warehouse."""
    df.to_sql("daily_revenue", engine, if_exists="append", index=False)

# Pipeline execution: Extract -> Transform -> Load
engine = create_engine("postgresql://warehouse:5432/analytics")
raw = extract("s3://data-lake/sales/2026-04-13.csv")
cleaned = transform(raw)
load(cleaned, engine)

O código acima exemplifica um pipeline ETL clássico onde cada função representa uma etapa distinta. A transformação ocorre em memória no servidor de processamento antes que qualquer dado chegue ao PostgreSQL de destino.

Arquitetura ELT e o Paradigma Moderno

O ELT (Extract, Load, Transform) inverte a ordem das operações, aproveitando a capacidade computacional massiva dos data warehouses modernos como Snowflake, BigQuery e Databricks. Os dados são extraídos das fontes e carregados em estado bruto ou minimamente processado, com todas as transformações executadas posteriormente dentro do próprio warehouse.

Essa arquitetura se tornou predominante devido a três fatores convergentes: o custo decrescente de armazenamento cloud, a separação de compute e storage nos warehouses modernos, e o surgimento de ferramentas como dbt que tornaram as transformações SQL versionáveis, testáveis e documentáveis.

-- models/daily_revenue.sql (dbt model)
-- Transforms raw sales data inside the warehouse

WITH raw_sales AS (
    SELECT
        sale_date,
        revenue,
        currency,
        exchange_rate
    FROM {{ source('raw', 'sales_events') }}
    WHERE revenue IS NOT NULL
),

normalized AS (
    SELECT
        sale_date,
        revenue * exchange_rate AS revenue_usd
    FROM raw_sales
)

SELECT
    sale_date,
    SUM(revenue_usd) AS total_revenue_usd,
    COUNT(*) AS transaction_count
FROM normalized
GROUP BY sale_date

O modelo dbt acima realiza a mesma transformação do exemplo Python anterior, porém executando diretamente no warehouse. A vantagem imediata é que não há necessidade de mover dados para um servidor externo, eliminando gargalos de rede e aproveitando o processamento distribuído nativo.

Estruturação de Projetos dbt para Pipelines ELT

Um projeto dbt bem estruturado segue convenções que facilitam a manutenção e o entendimento do fluxo de dados. A organização em camadas staging, intermediate e marts reflete a progressão dos dados desde a ingestão bruta até os modelos consumidos por ferramentas de BI.

# dbt_project.yml - Modern ELT project configuration
name: analytics_pipeline
version: "1.0.0"

models:
  analytics_pipeline:
    staging:             # 1:1 mappings from raw sources
      +materialized: view
      +schema: staging
    intermediate:        # Business logic, joins, calculations
      +materialized: ephemeral
    marts:               # Final tables consumed by BI tools
      +materialized: table
      +schema: analytics

A camada staging contém mapeamentos diretos das fontes brutas, geralmente como views para evitar duplicação de dados. Os modelos intermediários aplicam lógica de negócio e são frequentemente efêmeros, existindo apenas como CTEs durante a execução. Já os marts representam as tabelas finais otimizadas para consumo analítico.

Comparação Arquitetural: ETL versus ELT

A tabela abaixo apresenta as principais dimensões de comparação entre as duas arquiteturas.

Análise de Custos e Performance

A decisão entre ETL e ELT também envolve considerações financeiras significativas. A tabela seguinte compara cenários típicos de implementação.

O Padrão Híbrido: ETLT e Pipelines Compostos

Na prática, muitas organizações adotam uma abordagem híbrida que combina elementos de ambas as arquiteturas. O padrão ETLT aplica transformações leves durante a extração, como mascaramento de PII, seguido de carregamento de dados semi-brutos e transformações pesadas no warehouse.

# hybrid_pipeline.py
# Light ETL at extraction + heavy ELT in warehouse

def extract_and_mask(source: str) -> pd.DataFrame:
    """Extract with minimal transformation: PII masking only."""
    df = pd.read_json(source)
    # Mask email addresses before loading
    df["email"] = df["email"].apply(lambda e: hash_pii(e))
    # Remove raw IP addresses
    df.drop(columns=["ip_address"], inplace=True)
    return df

def load_raw(df: pd.DataFrame, warehouse) -> None:
    """Load masked but otherwise raw data to warehouse."""
    df.to_sql("raw_user_events", warehouse, if_exists="append", index=False)

# Heavy transformations happen in dbt inside the warehouse
# See: models/marts/user_engagement.sql

Essa abordagem preserva os benefícios do ELT (flexibilidade, escalabilidade, iteração rápida) enquanto endereça preocupações de segurança e compliance que impediriam o carregamento de dados verdadeiramente brutos.

Qualidade de Dados e Testes em Pipelines ELT

Uma vantagem significativa do ecossistema ELT moderno é a capacidade de implementar testes de qualidade de dados como parte do pipeline de transformação. O dbt permite definir expectativas sobre os dados que são validadas a cada execução.

# models/staging/stg_orders.yml
version: 2

models:
  - name: stg_orders
    description: "Cleaned orders from raw source"
    columns:
      - name: order_id
        tests:
          - unique           # No duplicate orders
          - not_null         # Every row has an ID
      - name: order_total
        tests:
          - not_null
          - dbt_utils.accepted_range:
              min_value: 0   # No negative totals
              max_value: 100000
      - name: customer_id
        tests:
          - not_null
          - relationships:   # Foreign key integrity
              to: ref('stg_customers')
              field: customer_id

Esses testes declarativos garantem integridade referencial, unicidade de chaves e validação de ranges, detectando anomalias nos dados antes que afetem dashboards e análises downstream.

Critérios de Decisão para Arquitetura de Pipelines

A escolha entre ETL, ELT ou abordagens híbridas depende de múltiplos fatores organizacionais e técnicos.

Cenários favoráveis ao ETL tradicional:

• Orçamento restrito para armazenamento cloud
• Requisitos rígidos de compliance que proíbem dados brutos no warehouse
• Fontes de dados com volume extremamente alto e baixo valor analítico
• Infraestrutura on-premises sem acesso a warehouses cloud-native

Cenários favoráveis ao ELT moderno:

• Necessidade de iteração rápida em modelos de dados
• Equipes de analytics que preferem SQL sobre Python
• Uso de warehouses cloud com separação de compute e storage
• Requisitos de auditoria que exigem preservação de dados brutos

Cenários favoráveis ao ETLT híbrido:

• Combinação de dados sensíveis e não sensíveis
• Migração gradual de pipelines ETL legados
• Múltiplas equipes com diferentes níveis de acesso aos dados

Tendências e Evolução da Arquitetura de Dados

O ecossistema de data engineering continua evoluindo rapidamente. Algumas tendências relevantes para 2026 incluem a consolidação de plataformas unificadas que combinam ingestão, transformação e orquestração, a adoção crescente de streaming ELT para casos de uso em tempo real, e a integração de governança de dados como componente nativo dos pipelines.

A distinção entre ETL e ELT está se tornando menos relevante à medida que as ferramentas modernas abstraem a complexidade subjacente. O foco está migrando para a modelagem semântica dos dados, a qualidade e observabilidade dos pipelines, e a capacidade de servir múltiplos casos de uso a partir de uma única fonte de verdade.

Conclusão

A arquitetura de pipelines de dados em 2026 oferece mais opções e flexibilidade do que nunca. Os pontos principais a considerar são:

• ETL permanece relevante para cenários com restrições de compliance ou infraestrutura on-premises
• ELT é a escolha predominante para organizações cloud-native que priorizam agilidade e escalabilidade
• ETLT híbrido combina o melhor dos dois mundos, aplicando transformações leves na extração e pesadas no warehouse
• Ferramentas como dbt revolucionaram a qualidade e testabilidade das transformações de dados
• A decisão deve ser guiada por requisitos de negócio, compliance, custos e capacidades da equipe
• Não existe resposta universal: a melhor arquitetura é aquela que atende aos requisitos específicos da organização

O domínio dessas arquiteturas e suas nuances representa uma competência essencial para engenheiros de dados que desejam projetar sistemas robustos, escaláveis e economicamente viáveis.