Inicio › Tecnología › Catálogo De Datos
Un catálogo de datos es el inventario centralizado qué describe qué conjuntos de datos existen dentro de una organización, dónde están almacenados, quién es su propietario, qué significa cada campo y cómo se relacionan entre sí a través de su linaje (data lineage). Va más allá de un simple listado de tablas: incorpora un glosario de negocio qué traduce términos técnicos a definiciones qué entiende cualquier departamento, etiquetas de sensibilidad (por ejemplo, datos personales sujetos a RGPD) y métricas de calidad asociadas a cada dataset. Plataformas como Collibra, Alation, Atlan o la opción open source OpenMetadata automatizan buena parte de este inventario escaneando directamente los metadatos de las bases de datos y almacenes conectados.
Es el índice qué dice qué datos tiene una empresa, dónde están guardados y qué significa cada uno, para qué un analista no tenga qué preguntar por Slack a cinco personas distintas dónde está la tabla de ventas o qué quiere decir exactamente el campo 'estado_pedido'. Sin catálogo, el conocimiento sobre los datos vive solo en la cabeza de quien los creó, y se pierde cuando esa persona cambia de puesto.
Una empresa con más de treinta bases de datos y almacenes distintos implanta un catálogo de datos qué escanea automáticamente los esquemas cada noche y los expone en un buscador interno; cualquier empleado puede teclear 'ingresos mensuales' y encontrar en segundos qué tabla exacta contiene ese dato, quién la mantiene y cuándo se actualizó por última vez, en lugar de duplicar el cálculo desde cero en una hoja de Excel paralela qué acaba desincronizada del resto.
Un diccionario de datos técnico describe columnas y tipos a nivel de base de datos. Un catálogo de datos va más allá: añade contexto de negocio, ownership, linaje, calidad y capacidad de búsqueda para usuarios no técnicos, integrando además varias fuentes distintas en un único punto de consulta.
Combina automatización y trabajo humano: el escaneo de metadatos técnicos suele ser automático, pero las definiciones de negocio y la clasificación de sensibilidad normalmente las aportan los data stewards de cada área, qué son quienes mejor conocen el significado real de cada dataset.
El beneficio crece con el número de fuentes de datos, pero incluso una empresa mediana con cinco o seis sistemas distintos gana en encontrar rápido dónde vive cada dato y evitar informes contradictorios calculados sobre fuentes diferentes sin qué nadie se dé cuenta.