La economía del dato ha convertido la información en un activo empresarial, y los activos se gestionan con criterio: se protegen, se mantienen y se ponen a producir. El marco DAMA-DMBOK lo representa como una rueda de once áreas de gestión del dato con el gobierno en el centro, coordinándolas. Este artículo no repasa el marco entero, sino el recorrido que hace que el gobierno deje de ser un documento de políticas y se convierta en algo útil: empezar por el modelado, asegurar la calidad, proteger y garantizar la disponibilidad, publicar productos de datos y, por último, extenderlo a la inteligencia artificial.
Primero, el modelado: la estructura de la confianza
No se puede tener un buen gobierno sin un buen modelado. El modelo de datos define la semántica (qué significa cada concepto) y la estructura (cómo se relacionan los conceptos entre sí). Cuando falta, aparecen los síntomas conocidos: tres informes con tres cifras de clientes distintas, campos con el mismo nombre y contenidos diferentes, integraciones que se rompen con cada cambio.
Un modelado riguroso aporta:
- Consistencia en toda la organización: el mismo concepto se representa igual en todos los sistemas.
- Comprensión compartida del significado de los datos entre negocio y tecnología.
- Base para la calidad: las reglas de calidad se escriben sobre entidades y atributos bien definidos.
- Primer paso hacia el linaje: si se sabe qué es cada entidad, se puede seguir su recorrido.
Por eso conviene estandarizar el diseño desde el principio, con una herramienta de modelado corporativa y unas convenciones comunes (nombres, tipos, claves, dominios de valores). Es una inversión poco vistosa, pero condiciona todo lo demás.
La calidad como corazón del valor
Sobre un modelo sólido, la calidad se gestiona con tres piezas que trabajan juntas:
| Pieza | Qué aporta |
|---|---|
| Seis dimensiones | Completitud, precisión, integridad, consistencia, unicidad y conformidad: el vocabulario común para medir |
| Monitorización y remediación | El gobierno define las reglas; el sistema las vigila de forma continua, avisa al propietario del dato y corrige de forma automática o asistida |
| Linaje | Saber quién transformó el dato, cómo y cuándo permite encontrar la causa raíz de un error y superar auditorías |
El cambio de fondo es pasar de revisar la calidad de vez en cuando a detectarla y corregirla de forma ágil, cerca del momento en que se produce el problema. Así se reducen los riesgos operativos y las decisiones se toman sobre datos en los que se puede confiar.
Lo gobernado es también lo protegido
DAMA dedica un área a la seguridad, y conviene leerla junto a la continuidad de negocio. Son dos caras de la resiliencia, pero no son lo mismo.
La seguridad protege la confidencialidad y la integridad con políticas que define el gobierno:
- Control de acceso con permisos y roles granulares.
- Cifrado de los datos en reposo y en tránsito.
- Anonimización o seudonimización para cumplir el RGPD y otras normas.
- Auditoría continua de accesos y cambios.
La continuidad (plan de continuidad de negocio y recuperación ante desastres) protege la disponibilidad:
- RTO (Recovery Time Objective): el tiempo máximo aceptable para recuperar el servicio.
- RPO (Recovery Point Objective): la pérdida máxima de datos tolerable, medida en tiempo.
- Planes de contingencia documentados y, sobre todo, probados.
- Copias de seguridad automatizadas, periódicas y verificadas.
El gobierno del dato aporta aquí lo que la tecnología no puede decidir sola: qué datos son críticos, quién es su propietario y qué RTO y RPO necesita cada uno. Sin esa clasificación, se protege todo igual, lo que suele significar proteger mal lo importante.
Herramientas: el catálogo como punto único de verdad
El catálogo de datos centraliza la información necesaria para descubrir, entender y confiar en los activos: reglas de calidad, linaje, propietarios y políticas de uso. Alrededor de él se suelen combinar dos tipos de herramientas:
- Modelado: para diseñar y estandarizar la arquitectura de datos. Es el mejor punto de partida porque fija los cimientos.
- Gobierno operacional: plataformas de metadatos, calidad y linaje que monitorizan y hacen cumplir las reglas en el día a día.
El criterio de selección no debería ser la lista de funciones, sino la integración: que el modelo, el catálogo y las reglas de calidad hablen entre sí y no obliguen a mantener la misma información en varios sitios.
Del dato al producto, y del producto al marketplace
El siguiente salto es tratar el dato como un producto. Un producto de datos debe ser confiable, descubrible, interoperable y valioso, y tiene un equipo de dominio que responde de su calidad y de su servicio continuo, igual que un equipo responde de una aplicación.
Sus principios:
- Orientado al consumidor: se diseña pensando en quién lo va a usar.
- Autónomo y descubrible: se encuentra y se entiende sin pedir ayuda.
- Con acuerdos de servicio definidos: frecuencia, disponibilidad, tiempos de respuesta.
- Con documentación completa.
El marketplace de datos es la tienda interna de autoservicio donde el negocio consume esos productos. Lo que le da valor es el filtro de entrada. Para publicar, un producto debería acreditar:
- Un nivel de calidad certificado según un umbral acordado y visible en una ficha de puntuación.
- Linaje documentado.
- Metadatos completos y enriquecidos.
- Planes de continuidad y recuperación activos.
Los beneficios son el autoservicio, la reducción de silos, la trazabilidad completa y la posibilidad de medir el uso y el valor interno de cada producto.
El siguiente paso: gobernar la IA
La IA solo es ética, precisa y confiable si los datos con los que se entrena y opera están bien gobernados. Un dato sesgado produce un modelo sesgado. El gobierno de la IA añade cuatro frentes sobre lo anterior:
- Calidad y sesgos: evaluar los conjuntos de entrenamiento para detectar y corregir sesgos que comprometan la equidad o la precisión.
- Trazabilidad del modelo: documentar el origen de los datos, las transformaciones, las versiones, los parámetros de entrenamiento y las métricas de rendimiento.
- Explicabilidad: que las decisiones del modelo puedan auditarse, entenderse y explicarse a una persona, algo clave para la confianza y para el cumplimiento normativo.
- Monitorización continua: vigilar el comportamiento en producción, detectar la deriva y mantener al día los indicadores de rendimiento y de sesgo.
Hay una lectura práctica: los casos de uso de IA son un buen catalizador para reforzar el gobierno del dato. Ponen nombre y urgencia a problemas de calidad y de trazabilidad que antes se aplazaban.
Por dónde empezar
Un plan de adopción razonable avanza en tres fases, cada una con su propio énfasis:
| Fase | Qué se hace | Énfasis |
|---|---|---|
| 1. Diseño y estructura | Marco de gobierno (roles, políticas, comités) y estandarización del modelado | Cimientos de calidad y comprensión compartida |
| 2. Implantación de pilares | Calidad, linaje y seguridad; primeros productos de datos con sus planes de continuidad | Demostrar valor tangible y resiliencia |
| 3. Expansión | Lanzamiento del marketplace y gobierno de la IA sobre los modelos existentes y futuros | Escalar con protección y avanzar hacia la IA responsable |
La primera decisión es sencilla: identificar los datos críticos, evaluar sus riesgos y empezar por modelarlos bien. En Bidatia acompañamos a las organizaciones en ese recorrido, desde la evaluación inicial hasta la puesta en marcha de los primeros productos de datos.
Preguntas frecuentes
¿Por qué empezar el gobierno del dato por el modelado?
Porque el modelo define qué significa cada dato y cómo se relaciona con los demás. Si dos áreas entienden «cliente» de forma distinta, ninguna regla de calidad ni ningún linaje lo arregla después. Un modelo común es la base de la comprensión compartida.
¿Qué diferencia hay entre seguridad y continuidad de los datos?
La seguridad se centra en la confidencialidad y la integridad: que solo acceda quien debe y que nadie altere el dato. La continuidad se centra en la disponibilidad: que los datos críticos se puedan recuperar en un tiempo (RTO) y con una pérdida máxima (RPO) aceptables.
¿Qué es un marketplace de datos?
Una tienda interna de autoservicio donde los usuarios de negocio encuentran y consumen productos de datos gobernados. Su valor está en el filtro de entrada: solo se publica lo que cumple los criterios de calidad, metadatos, linaje y continuidad.
¿Cómo se relaciona el gobierno del dato con el gobierno de la IA?
Un modelo de IA hereda los defectos de sus datos: un dato sesgado produce un modelo sesgado. Por eso el gobierno de la IA añade sobre el del dato la evaluación de sesgos, la trazabilidad del modelo, la explicabilidad y la vigilancia en producción.