步驟B-1：資料匯入(Data EL)

將完整的原始食材送到同一個地方，將資料送到同一個地方。

資料匯入、資料傳輸、資料運送，至今仍沒有一個廣為人使用的中文翻譯，最常使用的專有名詞單字是「ETL」，但實則裡面包含了三個動作：Extract(萃取)、Transform(轉置)、Load(載入)。

這三個單字和它的中文翻譯，彷彿令人敬而遠之的教課書名詞，每個字都看得懂都會念，但第一時間看到時，總是無法理解這些字組合起來，具體來說，到底在幹嘛？不信你可以試著查查看，看有沒有誰具體把Transform這步驟到底在幹嘛給清楚定義。

好吧，我們先很簡單的這樣想：

1. Extract(萃取)
只把需要的完整原始食材從生產地提取出來，例如你需要蘿蔔但不需要蘿蔔旁邊的雜草、需要豬但不需要豬的糞便，接著把豬從農場裡趕上載運車、把蘿蔔從農地裡拔起來。

2. Transform(轉置)
在把蘿蔔和豬送往市場的過程，一方面對這些蘿蔔和豬做了非常多的處理，包括清洗清潔、削皮切塊、還要把豬電宰支解出排骨(在載運車上？)……忙不忙？這是我最有意見、最不認同的一個階段。

3. Load(載入)
把已經可以用的食材，清洗切塊完蘿蔔和乾淨切好排骨，送進…某個地方。

上面的問題，在於ETL中間【Transform(轉置)】做的事情，和另外兩個動作(Extract, Load)相比，Transform要做的事情實在太多太搶鏡太有存在感了。明明是三個動作，Transform的複雜度卻遠高於另外二者。

這麼說吧！如果在車上就已經把豬處理到只剩下排骨，現在客人(老闆)突然說他不只要蘿蔔排骨湯，想加點豬頭皮和豬舌頭，我到哪去生給他？倉庫或市場裡也沒有，因為根本沒有載過來！難道得去載運的道路旁邊撿？這時候就會被大罵：「你為什麼只準備了豬排骨！你明明可以一起準備的，我又不是要吃魚！我的要求不合理嗎？」

資料領域同理，在這個階段若就只為了最初目標(以為只要做到就沒其他事的目標)，而處理出【只為了最初目標的資料】，那資料的彈性會變得非常低，也會受限於Transform(轉置)出的狹隘結果，一旦要延伸其他議題，就得必須重新來過(運送新資料進來)。

小馬經驗，真心真誠的建議，這才是正確的作法：
各產地-->E-->L-->Data Warehouse
送進Data Warehouse之前，不要T！

蘿蔔排骨湯
農地和農場-->只需要拔蘿蔔和趕豬上車-->不做任何處理送進…-->同一集中地
資料領域
散落各地資料-->把完整且相關的原始資料-->不做任何處理送進…-->資料倉儲(Data Warehouse)

太好了！我們首先確定了第一個專有名詞(寫到現在三千字了才第一個……)：

EDW, Enterprise Data Warehouse, 企業級資料倉庫(資料倉儲)
又稱
EDB, Enterprise Data Base, 企業級資料庫

事實上，若單純看【Transform(轉置)】這個字眼，它所做的事情非常單純，就是欄列位的轉置：

左邊是原始資料長相，右邊是必要的轉置處理(原因很基本在此就不細談,處理的工具和方式也很多種)。因此在我看法，【Transform(轉置)】不應該當作眾多資料處理手法的代名詞，就像是你不會把所有種類的馬都叫做斑馬一樣。

所以容小馬修正一下大家慣用的ETL，僅保留EL，如下圖所示，我們正在討論左邊兩個箭頭。

B-1.資料匯入(Data EL)：
在找到所有原料所在之後，只載運完整的原始食材，將其運送到集中地，以利後續處理。
在找到所有原始資料之後，提取完整的原始資料(E)，將原料運送(L)到同一存放位置(Data Warehouse)。

接下來，我要清楚區別【資料清洗(Data Cleansing)】和【資料採礦(Data Mining)】這兩種最容易被誤用及混淆的專有名詞。