あるデータエンジニアリングチームが、Azure Data Lake Storage Gen2 に格納された生ログデータ（JSON 形式・日次）を変換し、Azure Synapse Analytics の専用 SQL プールにロードするパイプラインを設計している。ELT アプローチを採用する場合の正しい処理フローはどれか。
- A. オンプレミスサーバーでデータを変換してから Azure にアップロードし、SQL プールに直接インポートする（変換→移動→ロード）
- B. データを Cosmos DB に格納し、Synapse Link 経由で SQL プールに自動同期させてから変換する
- C. データを ADLS Gen2 に移動し、変換処理をオンプレミスの ETL ツールで実行してから SQL プールにロードする
- D. 生データを SQL プールに直接ロードした後、SQL プール内の計算能力を使って変換処理を行う（ロード→変換）
解答と解説を見る
正解: D
ELT（Extract・Load・Transform）は、データをまず変換せずにターゲットのデータウェアハウスにロードし、その後ターゲット側の計算能力（SQL プールなど）を使って変換処理を行うアプローチである。クラウドのスケーラブルな計算リソースを活用できるため、ETL より大規模データに適している。選択肢 A と C はどちらもデータをロード前に変換する ETL アプローチであり、ELT ではない。特に選択肢 A はクラウド外での変換をはさんでおり、クラウドの計算能力を活用していない。選択肢 B は Synapse Link を使ったアーキテクチャの説明として不完全であり、ELT の定義にも当てはまらない。ELT は「変換をターゲット側で行う」点が ETL との本質的な違いである。