Processus de récupération de données d'un système source — comme une base de données, un fichier, une API ou un site Web — pour un traitement, une transformation ou une analyse ultérieure.
L'extraction de données est la première étape de la plupart des flux de travail de données. Le « E » dans ETL (Extraire, Transformer, Charger) désigne cette étape. Les méthodes d'extraction varient selon la source : requêtes SQL pour les bases de données, appels API pour les services Web, téléchargements de fichiers pour les portails de données ouvertes et extraction Web pour les sites qui n'offrent pas d'exportations de données structurées.
L'objectif de l'extraction est d'obtenir des données de leur système source sous une forme utilisable, sans modifier la source. L'extraction doit être documentée afin que la provenance des données soit claire.
Exemple : Un analyste de données doit combiner des données d'évaluation foncière de trois bases de données provinciales. Il extrait les données de chaque base de données à l'aide de requêtes SQL, exporte les résultats sous forme de fichiers CSV, puis passe à l'étape de transformation — normalisation des formats et résolution des différences avant de charger le jeu de données combiné dans un environnement d'analyse.