Gobernanza y catálogo de datos
Cuando una empresa crece, el mismo concepto (un "cliente activo") empieza a tener diez definiciones distintas en diez tableros. La gobernanza de datos fija quién decide, qué significa cada dato y con qué reglas se accede; el catálogo lo hace descubrible y navegable para todos.
Qué es un catálogo de datos
Un catálogo centraliza los metadatos: qué datasets existen, qué contienen, de dónde vienen, quién los posee y quién los consume. Convierte "preguntarle a Juan" en una búsqueda. Es la memoria organizacional de los datos.
Tres tipos de metadatos
- Técnicos: esquema, tipos, ubicación, tamaño, frecuencia de actualización.
- Operacionales: linaje, jobs que lo alimentan, frescura, incidentes.
- De negocio: diccionario, glosario, dueño, métricas y definiciones aprobadas.
Linaje y descubribilidad
El linaje muestra el flujo de cada campo entre orígenes, transformaciones y consumos. Es a la vez una brújula para encontrar la tabla correcta y un mapa de impacto para saber qué se rompe antes de modificar algo.
Dueños y diccionario
Gobernar es asignar responsabilidades: cada dataset crítico tiene un dueño de datos que responde por su definición y calidad, y un steward que lo mantiene. El diccionario guarda esa definición única y aprobada para que "ingreso" signifique lo mismo en toda la empresa.
Acceso y cumplimiento
El catálogo se integra con el control de acceso: políticas de clasificación (público, interno, sensible), enmascaramiento de datos personales y retención. Esto vincula la gobernanza con el cumplimiento legal (por ejemplo, derechos de supresión sobre datos personales).
| Componente | Resuelve | Consecuencia de omitirlo |
|---|---|---|
| Metadatos técnicos | qué hay y cómo es | tablas duplicadas e incógnitas |
| Diccionario y glosario | qué significa | métricas contradictorias |
| Linaje | de dónde viene y a dónde va | cambios que rompen sin aviso |
| Dueño asignado | quién responde | nadie arregla el dato |
| Clasificación y acceso | quién puede verlo | fugas de datos sensibles |
Errores frecuentes
- Un catálogo que nadie alimenta: metadatos obsoletos peores que ninguno.
- Confundir gobernanza con comité central que aprueba todo y nada avanza.
- Clasificar datos sin vincularlo a reglas de acceso reales.
Ejemplo resuelto: la misma métrica con tres valores
Ventas, Finanzas y Marketing reportan "ingresos" distintos. Secuencia para alinearse:
- Registrar las tres definiciones y sus orígenes en el catálogo.
- Seguir el linaje de cada versión para entender por qué divergen.
- Definir en el glosario la métrica aprobada y su cálculo.
- Asignar dueño responsable de la métrica oficial.
- Publicar la fuente única y descontinuar o renombrar las demás.
¿Para qué sirve en la realidad?
Un buen catálogo acorta el "time to trust": el analista encuentra la tabla correcta, entiende qué significa y sabe si puede usarla. La gobernanza deja de ser un freno y pasa a ser el suelo firme sobre el que cualquiera construye análisis.
¿Qué problema resuelve principalmente un catálogo de datos?
El linaje permite evaluar el impacto de un cambio antes de publicarlo.
La pieza de gobernanza que fija la definición única y aprobada de un término de negocio es el de datos.
Clasifica cada metadato según su tipo.
Técnico
De negocio
Une cada componente de la gobernanza con lo que resuelve.
Gobernanza y catálogo
Gobernanza y catálogo de datos
# Gobernanza ## Catalogo ### metadatos tecnicos ### metadatos de negocio ## Linaje ### origen y destino ### analisis de impacto ## Personas ### duenos y stewards ### glosario ## Politicas ### acceso y clasificacion ### retencion y cumplimiento
Gobernanza de datos con Unity Catalog (Databricks)
Documentación oficial de catálogo, linaje, permisos y clasificación de datos.
Gobernanza de datos (Wikipedia)
Panorama introductorio de roles, políticas y marcos de gobernanza.
Tu organización reporta la misma métrica con valores distintos en tres áreas. ¿Qué piezas de gobernanza y de catálogo propondrías primero, y cómo medirías que la "fuente única de verdad" realmente se adoptó?