---
title: "Gestión de metadatos: qué documentar de cada activo de datos y cómo mantener vivo el catálogo"
description: "Tipos de metadatos, cuáles deben ser obligatorios, atributos extendidos, linaje, roles y cómo escribir buenas descripciones para que el catálogo de datos sirva de verdad."
url: https://bidatia.com/ideas/gestion-de-metadatos-catalogo-de-datos
lang: es
date: 2026-09-22
updated: 2026-11-04
author: "Santos Vicente"
keywords: ["gestión de metadatos", "catálogo de datos", "linaje de datos", "microsoft purview", "dama-dmbok", "gobierno del dato", "glosario de negocio"]
publisher: Bidatia
---

# Gestión de metadatos: qué documentar de cada activo de datos y cómo mantener vivo el catálogo

> Tipos de metadatos, cuáles deben ser obligatorios, atributos extendidos, linaje, roles y cómo escribir buenas descripciones para que el catálogo de datos sirva de verdad.

## Resumen ejecutivo

- Los metadatos convierten un fichero en un activo gobernado: describen qué significa, de dónde viene, quién responde y cómo se trata.
- Cuatro tipos: de negocio, técnicos, operativos y de gobierno.
- Metadatos obligatorios para publicar: nombre, descripción, dominio, producto, propietario, sistema de origen, glosario, frecuencia, clasificación y datos personales.
- Atributos extendidos para lo que la herramienta no trae: clasificación, datos personales, tipo de dato, fuente de autoridad, criticidad y uso por sistemas de IA.
- Los metadatos se crean al entregar el activo, se validan, se publican y se revisan cada año; el linaje manual cubre lo que el escaneo automático no detecta.
- Incluye ejemplo de ficha completa, guía para el glosario de negocio, niveles de clasificación, metadatos para IA, implantación en tres fases e indicadores de cobertura.

Sin metadatos, un activo de datos es un fichero más. Con ellos, es un activo **gobernado**: se sabe qué significa, de dónde viene, quién responde de él, quién lo usa y qué restricciones tiene, y se le pueden aplicar políticas de calidad, seguridad y trazabilidad. El catálogo de datos es la herramienta donde viven esos metadatos; la gestión de metadatos es la disciplina que hace que el catálogo refleje la realidad.

## Los cuatro tipos de metadatos

Siguiendo DAMA-DMBOK, con una cuarta categoría para lo propio del modelo de gobierno de cada organización:

| Tipo | Qué describe | Ejemplos |
|---|---|---|
| De negocio | El significado funcional | Definición, términos del glosario, reglas, propietario, finalidad |
| Técnicos | La estructura y construcción | Esquema, tipos de dato, sistema de origen, procesos de carga, dependencias |
| Operativos | El comportamiento en explotación | Frecuencia de actualización, estado, calidad, incidencias, uso |
| De gobierno | Atributos propios del modelo | Clasificación, datos personales, criticidad, fuente de autoridad, uso por sistemas de IA |

## Metadatos obligatorios: lo mínimo para publicar

El error habitual es querer documentarlo todo desde el primer día. Funciona mejor un conjunto corto de metadatos **obligatorios** cuya ausencia bloquea la puesta en servicio:

- Nombre del activo, legible por personas.
- Descripción funcional.
- Dominio funcional y producto de datos al que pertenece.
- Propietario del dato.
- Sistema de origen.
- Términos del glosario vinculados.
- Frecuencia de actualización.
- Clasificación de la información y presencia de datos personales.

Con eso se responde a lo esencial: qué es, quién responde y cómo se trata.

## Atributos extendidos: lo que la herramienta no trae de serie

Herramientas como Microsoft Purview u OpenMetadata cubren bien los metadatos técnicos, pero no los propios de cada organización. Se añaden como campos personalizados, con valores controlados:

| Atributo | Valores | Carácter |
|---|---|---|
| Clasificación de la información | Pública / Uso interno / Confidencial / Restringida | Obligatorio |
| Datos personales | Sin datos personales / Ordinarios / Categorías especiales / Seudonimizados | Obligatorio cuando proceda |
| Tipo de dato | Maestro / Referencia / Transaccional / Analítico | Obligatorio |
| Fuente de autoridad | Sí (con fecha de aprobación) / No | Cuando proceda |
| Tipo de fuente | Aplicación de gestión / Fichero / SharePoint / Servicio web / Sensores | Obligatorio en fuentes integradas |
| Criticidad | Crítica / Alta / Media / Baja | Recomendado |
| Uso por sistemas de IA | Lista de sistemas | Obligatorio cuando proceda |

Dos ideas importantes. La clasificación automática de las herramientas (DNI, IBAN, correo…) es un **complemento**, no un sustituto: la clasificación oficial es la que aprueba el administrador del dato. Y el atributo **«Uso por sistemas de IA»** es cada vez más necesario: permite saber qué datos alimentan cada asistente o modelo y priorizar su calidad.

## El ciclo de vida de los metadatos

La regla de oro: **los metadatos se crean al entregar el activo, no después**. Cada producto de datos incorpora sus metadatos como requisito del desarrollo; así no se acumula deuda documental.

1. **Creación**, durante el desarrollo, a partir de los entregables: especificación de requisitos, diseño funcional (glosario y usuarios con acceso), diseño técnico (tablas y campos) e inventario de procesos (flujos y dependencias).
2. **Validación** por el administrador del dato antes de la puesta en servicio.
3. **Publicación** en el catálogo por el custodio, como parte de la lista de comprobación de publicación.
4. **Mantenimiento** en cada cambio relevante: esquema, propietario, usos o sensibilidad.
5. **Revisión anual**, sobre todo de los metadatos de gobierno (propietario, clasificación, criticidad), que se desactualizan sin que nadie lo advierta.

## Linaje: de dónde viene cada dato

Ningún activo está realmente gobernado si no se conoce su origen, sus transformaciones y sus usos. Las herramientas generan linaje automático solo para algunas fuentes; las transformaciones en código (scripts o cuadernos en Python) suelen requerir un procedimiento manual:

1. Inventariar el flujo completo, desde los sistemas de origen hasta los informes, modelos, API o sistemas de IA que lo usan.
2. Reunir las evidencias técnicas: código, esquemas y una ficha por proceso con de qué columnas sale cada resultado.
3. Traducirlo a pares origen-destino, por activo y, si es viable, por columna.
4. Dar de alta en el catálogo lo que no detecte el escaneo y crear las relaciones de linaje manuales.
5. Describir en lenguaje claro la finalidad del flujo y sus reglas.
6. Validarlo funcionalmente y aprobar la cobertura antes de publicar.
7. Mantenerlo con cada cambio.

## Quién hace qué

| Rol | Qué hace con los metadatos |
|---|---|
| Propietario del dato | Conoce las definiciones de su dominio, aporta criterio y escala discrepancias |
| Administrador del dato | Valida definiciones, descripciones y glosario, y aporta el contexto del sistema de origen |
| Custodio del dato | Carga y actualiza los metadatos en el catálogo, incluidos linaje y atributos extendidos |
| Arquitecto de datos | Define los estándares de catalogación, los atributos extendidos y las listas controladas |
| Responsable de gobierno del dato | Garantiza el marco, supervisa los mínimos y elabora los informes |

## Cómo escribir buenas descripciones

**Tablas.** Describir la finalidad y el contenido sin repetir el nombre. Mal: «Contiene las vías». Bien: «Callejero oficial del municipio, con el código INE de cada vía y su tramo de numeración». Mejor no citar tablas de origen, que cambian y dejan la descripción obsoleta.

**Campos.** Una descripción explicativa, si forma parte de la clave primaria y un tipo de dato coherente con el contenido: un código postal es texto, no número, o perderá el cero inicial.

**Indicadores.** Toda descripción responde a cinco preguntas:

| Elemento | Ejemplo: tiempo medio de concesión de licencias de obra menor |
|---|---|
| Qué se mide | Días desde la solicitud completa hasta la notificación de la resolución. Indica la agilidad del servicio |
| Cómo se mide | Suma de días naturales entre ambas fechas dividida entre las licencias resueltas en el periodo |
| Unidad | Días naturales |
| Umbrales | Objetivo: 30 días o menos. Más de 45 días: alerta |
| Interpretación | Cuanto menor, mejor. Un aumento sostenido indica falta de recursos o un cuello de botella |

## Cómo saber si funciona

Cuatro indicadores de cobertura, que se pueden obtener de la propia herramienta de catálogo mediante su API y revisar en el comité de gobierno del dato:

- Porcentaje de activos con los metadatos obligatorios completos.
- Porcentaje con clasificación y datos personales identificados.
- Porcentaje con términos del glosario vinculados.
- Porcentaje con propietario formalmente asignado.

## Un ejemplo de ficha completa

Así quedaría la ficha de un dataset en el catálogo:

| Metadato | Valor |
|---|---|
| Nombre | Callejero oficial |
| Descripción | Vías del municipio con su código INE, tipo de vía, tramos de numeración y distrito. Es la referencia para validar direcciones en todos los sistemas |
| Dominio / producto | Población y territorio / Datos de referencia territoriales |
| Propietario | Responsable del área de estadística |
| Administrador | Técnico de cartografía |
| Sistema de origen | Aplicación de gestión territorial |
| Términos del glosario | Vía pública, Distrito, Tramo |
| Frecuencia | Semanal |
| Clasificación | Pública |
| Datos personales | Sin datos personales |
| Tipo de dato | Referencia |
| Fuente de autoridad | Sí (aprobada por el comité de gobierno del dato) |
| Criticidad | Alta |
| Uso por sistemas de IA | Asistente de atención (validación de direcciones) |

Con esta ficha, cualquiera sabe qué es, si puede usarlo, a quién preguntar y qué sistemas se verían afectados si cambia.

## El glosario de negocio: la otra mitad del catálogo

El catálogo describe activos; el **glosario** define conceptos. Sin glosario, dos áreas pueden llamar «cliente activo» a cosas distintas y sus informes nunca cuadrarán. Para construirlo:

1. **Empezar por los conceptos que más discusiones generan**: cliente, contrato, expediente, empleado activo, fecha de alta.
2. **Una definición por término, en lenguaje claro**, validada por todos los dominios que lo usan.
3. **Enlazar cada término con los datasets** que lo implementan: así se ve qué tablas responden a cada concepto.
4. **Términos propios por subdominio** cuando sea necesario, heredando los comunes del dominio.
5. **Un responsable por término**, normalmente el propietario del dominio, que aprueba los cambios.

## Clasificación de la información: los niveles

La clasificación es obligatoria y se traduce en controles reales, no es un ejercicio documental:

| Nivel | Ejemplos | Tratamiento |
|---|---|---|
| Pública | Datos abiertos, indicadores publicados, normativa | Sin restricciones |
| Uso interno | Documentación operativa, indicadores internos | Solo personal de la organización |
| Confidencial | Datos de clientes o ciudadanos concretos, contratos en licitación | Acceso por rol y necesidad de conocer, con registro de accesos |
| Restringida | Salud, menores, víctimas, configuraciones de seguridad | Acceso mínimo, controles reforzados y auditoría |

El cifrado no es un nivel, sino un control que se aplica a los activos confidenciales o restringidos según el análisis de riesgos. Y cada dataset indica además si contiene datos personales y de qué tipo, porque eso condiciona la base jurídica, la conservación y la necesidad de evaluación de impacto.

## Metadatos y fuentes integradas

Cuando se incorpora una fuente nueva a la plataforma de datos, el catálogo debe recoger también:

- el **tipo de fuente** (aplicación de gestión, fichero, gestor documental, servicio web, sensores);
- el **patrón de integración** (carga por lotes, flujo de eventos, consulta bajo demanda, replicación de cambios);
- el **acuerdo de acceso al dato** con el responsable del sistema de origen: qué datos, con qué frecuencia, qué esquema, qué sensibilidad y qué pasa cuando cambia la fuente;
- el **linaje completo** hasta los productos que la usan.

Así, cuando un sistema de origen cambia, se sabe en minutos qué informes y modelos se verán afectados.

## Metadatos para la inteligencia artificial

Los sistemas de IA, sobre todo los que buscan en documentos propios (RAG), dependen de metadatos que antes eran opcionales:

- **Vigencia del documento**: un asistente que cita una normativa derogada da respuestas erróneas con total seguridad.
- **Clasificación y permisos**: determinan qué puede ver el asistente y para quién responde.
- **Fuente de autoridad**: qué documento manda cuando dos dicen cosas distintas.
- **Uso por sistemas de IA**: para priorizar la calidad de esos activos y evaluar el impacto de los cambios.

## Cómo implantarlo por fases

1. **Fase 1: lo mínimo en lo crítico.** Metadatos obligatorios y clasificación en los datasets más usados y en los que alimentan sistemas de IA.
2. **Fase 2: glosario y linaje.** Términos clave del negocio y linaje de los productos de datos principales, incluido el manual donde el automático no llega.
3. **Fase 3: atributos extendidos y automatización.** Criticidad, fuentes de autoridad, indicadores de cobertura obtenidos por API y revisión anual.

Cada fase se cierra con los indicadores de cobertura, no con la herramienta instalada.

## Errores frecuentes

- **Documentar después**: la documentación posterior nunca llega o llega desactualizada.
- **Copiar el nombre técnico como descripción**: «TB_CLI_001: tabla de clientes» no ayuda a nadie.
- **Confiar solo en el escaneo automático**: detecta tablas, no significados.
- **Catálogo sin dueño**: si nadie revisa los metadatos de gobierno, en un año el propietario de la mitad de los activos ya no trabaja allí.
- **Querer catalogarlo todo a la vez**: es mejor un 100 % de lo crítico que un 30 % de todo.

En Bidatia implantamos catálogos de datos con Microsoft Purview y OpenMetadata, y diseñamos el modelo de metadatos que los hace útiles. Para el marco de roles y órganos, consulta [gobierno del dato: perfiles y organización](/ideas/gobierno-del-dato-roles-y-organizacion).

## Preguntas frecuentes

### ¿Qué diferencia hay entre metadatos de negocio y técnicos?
Los de negocio explican qué significa el dato y cómo se usa: definición, glosario, propietario, finalidad. Los técnicos describen cómo está construido: esquema, tipos, sistema de origen, procesos de carga y dependencias. Un catálogo útil necesita ambos.

### ¿Qué metadatos deberían ser obligatorios?
Un conjunto corto: nombre, descripción funcional, dominio, producto de datos, propietario, sistema de origen, términos del glosario, frecuencia de actualización, clasificación de la información y datos personales. Si faltan, el activo no se publica.

### ¿Basta con la clasificación automática de la herramienta de catálogo?
No. Detecta tipos de datos comunes como DNI, IBAN o correo electrónico, pero su cobertura es limitada. La clasificación oficial la aprueba el administrador del dato y la automática sirve de complemento.

### ¿Cuándo hay que documentar el linaje a mano?
Cuando la herramienta no lo genera sola, que suele ocurrir con transformaciones en código (scripts o cuadernos en Python) y con el enlace entre los sistemas de origen y las capas de la plataforma de datos. Debe hacerse antes de poner el producto en producción.

### ¿Qué herramientas de catálogo de datos se usan más?
Entre las más extendidas están Microsoft Purview, en entornos Microsoft y Fabric, y OpenMetadata, de código abierto. Lo importante no es la herramienta, sino el modelo de metadatos y los roles que la mantienen.