La fase de transformación, el momento en que se lleva  cabo la conversión de los datos, persigue prepararlos para llegar a la fase carga en condiciones óptimas. Se trata de minimizar el riesgo y, por ello, la ejecución de todos los pasos que comprende esta etapa se considera de importancia crítica. Contar con las garantías necesarias implica evitar:

- Faltas de precisión.

- Incorrecciones, lagunas y duplicidades.

- Errores de otros tipos.

La migración de datos puede venir motivada por la fusión de dos empresas, por el paso de un sistema antiguo a uno más moderno o por el inicio de una relación de outsourcing, entre otras. Sea cual sea el origen de la necesidad, la finalidad es siempre poder disponer del valor que los datos encierran, en condiciones de integridad, veracidad y completitud, para que su usabilidad no se vea perjudicada por el traslado sino, en todo caso, enriquecida.

La compañía IDC, especializada en investigación y análisis de mercado, ha publicado un informe sobre la relevancia del Big Data en la industra del petróleo y gas en Norteamérica. La conclusión del estudio muestra los motivos por los que la tecnología Big Data & Analytics será una de las prioridades de inversión en el sector.

El estudio Big Data en números 2014, realizado por Online Business School (OBS), recoge el vasto crecimiento del tráfico de datos generado, principalmente, por las tres tecnologías que han supuesto la puntilla para el nacimiento de la disciplina del Big Data: los dispositivos móviles con conexión a internet y el internet de las cosas, el comercio electrónico y las redes sociales.

El cruce y el análisis de datos masivos han permitido desarollar una herramienta de ayuda para los médicos a la hora de tomar decisiones personalizadas para cada paciente a la hora de establecer los parámetros de tratamientos oncológicos. El descubrimiento completo del genoma humano conlleva que grandes y pequeños laboratorios hayan logrado regular de forma individualizada los tratamientos de algunas enfermedades.

Los grandes conjuntos de datos que se generan a gran velocidad, por múltiples canales y en distintos formatos presentan dificultades a la hora de trabajar con ellos. Big Data ha irrumpido en el sector de la tecnología y la información como la mejor solución para recogerlos, almacenarlos, buscarlos, compartirlos, analizarlos, visualizarlos, procesarlos y entenderlos.

El emparejamiento de datos, también conocido como data matching, busca efectuar una comparación de los datos que serán objeto de la migración con otros, recogidos en una base de datos de conocimiento. Para llevar a cabo este cotejo es necesario definir de forma previa un porcentaje de aceptación que se considere válido. Tomándolo como referencia, podrá establecerse una política de emparejamiento que marque las directrices a seguir en este proceso.

La importancia de esta técnica es crucial para la calidad de los datos. En otras palabras, aplicar el matching es necesario, no sólo para obtener un buen resultado en la migración de datos, sino también para poder confiar en la consistencia e integridad de los mismos, ya finalizado el proyecto de migración de datos.

Todo proyecto de Data Warehouse tiene su particular entidad a la hora de gestionar los datos. Esta cualidad se les reconoce en base a su capacidad para dar respuesta a:

- Las consultas estratégicas de la compañía.

- A las necesidades de información crítica para la toma de decisiones.

- Al potencial integrador que deben presentar, para poder permitir que la visión única sea una realidad, garantizando una única versión de la verdad.

Lograr esta altura en el análisis estratégico organizacional está en dependencia de la gestión de los datos y por ello ha de ser tomado como una prioridad a la hora de definir e implementar un proyecto de Data Warehouse, sea cual sea el sector o la actividad de la empresa que se halla en la antesala de su puesta en marcha.

El procesamiento de grandes volúmenes de datos no estructurados con la tecnología de Big Data repercutirá de forma positiva principalmente a dos niveles, respondiendo de forma eficiente a las necesidades y preocupaciones de la administración y de los ciudadanos:

Las empresas fluyen, adaptándose lo más rápido que les es posible a este entorno de Big Data, que multiplica el volumen de datos que se adquieren, reduce los tiempos de respuesta esperados y convierte el procesamiento de datos en una de las claves de BI actual. En este medio tan heterogéneo, donde confluyen los datos históricos de la empresa, con registros en tiempo real e información proveniente de las redes sociales; la estandarización es indispensable.

Hablar de estandarización en lo referente a una migración de datos supone ahondar en el conocimiento del dato, desde la óptica de la lógica y minimizando su parte abstracta para facilitar su traslado en condiciones de control.

La inteligencia de negocio es una de las claves de gestión de datos en los proyectos de Data Warehouse. A la hora de definir los conceptos de business analytics o business intelligence, puede resultar interesante centrarse en la definición de inteligencia, que no es sino "la capacidad de comprender las interrelaciones de los hechos presentados en tal forma como para orientar la acción hacia una meta deseada".

Ahora bien, partiendo de la base que ya se dispone de un repositorio de información, estructurado para una lectura rápida y sencilla orientada a la toma de decisiones; la capa de explotación debe permitir entender los conceptos y métodos de forma que sea posible mejorar los procesos de análisis estratégico, toma de decisiones y emprendimiento de acciones empresariales mediante el uso de sistemas basados en hechos de apoyo.