Gobierno del dato: qué es, roles y cómo organizarlo

El gobierno del dato, también llamado gobernanza de datos o data governance, establece quién puede decidir sobre los datos de una organización, qué reglas deben cumplirse y cómo se comprueba su aplicación. Su finalidad es que la información pueda encontrarse, comprenderse, protegerse y utilizarse con responsabilidades claras.

Ese gobierno se concreta en decisiones cotidianas: quién aprueba la definición de cliente activo, qué área resuelve una discrepancia, bajo qué condiciones se comparte un conjunto de datos o cómo se comunica un cambio que afecta a varios informes.

Esta guía explica cómo organizar el modelo de gobierno, asignar funciones, documentar información y poner en marcha controles útiles. Está dirigida a responsables de negocio, datos y tecnología que necesitan mejorar la confianza en la información sin convertir cada solicitud en un proceso innecesariamente lento.

Contenido de la guía

¿Qué resuelve el gobierno del dato?

Los problemas de información suelen cruzar fronteras organizativas. Ventas puede contar clientes por contrato y finanzas por entidad facturada. Ambos resultados pueden ser correctos dentro de su contexto, pero una comparación conjunta necesita definiciones y criterios explícitos.

El gobierno permite acordarlos, asignar autoridad para mantenerlos y resolver las excepciones. La definición de data governance de IBM relaciona esta disciplina con políticas, estándares y procedimientos sobre recopilación, propiedad, almacenamiento y uso de los datos.

Un marco útil ayuda a reducir discusiones recurrentes sobre cifras, localizar responsables y decidir qué información es adecuada para cada necesidad. Para una introducción divulgativa, la analogía de una pizzería aplicada al gobierno del dato muestra cómo se relacionan funciones, reglas y resultados.

Gobierno del dato y gestión de datos

La gestión de datos abarca las prácticas y capacidades para administrar información durante su ciclo de vida. Dentro de ese ámbito, el gobierno determina responsabilidades y criterios de decisión que deben reflejarse en las actividades operativas.

La política puede establecer quién debe aprobar un acceso; el proceso de gestión tramita la solicitud y los sistemas aplican los permisos. Ambas dimensiones necesitan coordinarse. La explicación de qué es data management y cómo se relaciona con el gobierno desarrolla esta relación.

Gobierno y calidad del dato

El gobierno asigna quién acuerda la calidad necesaria, quién responde por un problema y qué prioridad tiene su resolución. Los controles de calidad comprueban condiciones como integridad, exactitud o actualización según el uso.

Un dato puede ser suficiente para observar una tendencia y no serlo para ejecutar una operación individual. Por eso las expectativas deben expresarse en contexto. La relación entre gobierno del dato y calidad de datos desarrolla estos criterios.

¿Cómo elegir el modelo de gobierno del dato?

El modelo operativo describe cómo se reparten las decisiones y el trabajo. Debe ajustarse al tamaño de la organización, sus dominios y las capacidades disponibles. Los nombres de los modelos pueden variar; lo importante es definir la autoridad y la coordinación.

  • Centralizado. Concentra decisiones y estándares en un equipo común. Puede facilitar coherencia cuando los dominios necesitan apoyo o existen procesos compartidos.
  • Distribuido. Sitúa más decisiones cerca de los equipos que producen y utilizan los datos. Requiere acuerdos para los intercambios que cruzan dominios.
  • Federado. Combina criterios comunes con responsabilidad local. Debe precisar qué decisiones conserva el ámbito corporativo y cuáles corresponden a cada dominio.

Antes de elegir, resulta útil probar el modelo con un desacuerdo concreto. Si dos áreas proponen definiciones distintas para un indicador, ¿quién decide, a quién consulta y cómo se comunica el resultado? Si esa respuesta no está clara, el organigrama todavía no resuelve el problema.

La estrategia de datos permite identificar las decisiones prioritarias. La arquitectura de datos debe reflejar las reglas de acceso, intercambio y operación acordadas.

Un plan de gestión de datos puede organizar las actividades necesarias para ejecutar esos acuerdos y mantenerlos a lo largo del tiempo.

Roles y responsabilidades sobre los datos

Asignar una función requiere identificar qué puede decidir la persona, sobre qué información y con qué recursos. Un nombre en una hoja de cálculo no demuestra que exista una responsabilidad efectiva.

  • Patrocinador ejecutivo. Respalda las prioridades y resuelve conflictos que superan la autoridad de los equipos participantes.
  • Data owner. Responde por decisiones sobre un dominio o activo dentro del alcance acordado, como definiciones, usos y prioridades de corrección.
  • Data steward. Coordina el trabajo cotidiano de documentación, seguimiento y gestión de incidencias conforme al modelo definido.
  • Equipo técnico o custodio. Implementa y opera los mecanismos de almacenamiento, integración, permisos y protección que le corresponden.
  • Consumidor de datos. Utiliza la información bajo las condiciones acordadas y comunica limitaciones o errores detectados.
  • Funciones de control. Seguridad, privacidad y otras áreas especializadas participan según las necesidades y obligaciones del uso.

Los títulos pueden combinarse en organizaciones pequeñas. La condición es que se mantenga claridad sobre decisiones y ejecución. La figura del data owner tampoco equivale automáticamente al responsable del tratamiento de datos personales definido por la normativa.

El análisis de la función del data owner en una organización orientada a datos desarrolla su papel. Su contribución depende del respaldo y de los mecanismos de coordinación, además del nombramiento.

¿Cómo documentar una responsabilidad útil?

Para cada activo prioritario, la documentación recoge quién decide, qué cuestiones cubre su autoridad, quién mantiene la información y cómo se tramita una excepción. Incluye un contacto operativo y una vía para escalar desacuerdos. Estas asignaciones requieren revisión cuando cambian los equipos o los procesos.

¿Qué debe incluir una política de gobierno del dato?

Una política de gobierno del dato recoge los criterios que orientan decisiones sobre la información. Debe indicar a qué activos y usos se aplica, quién tiene autoridad para aprobarla y cómo se resuelven las situaciones que no encajan en la regla general.

La política se concreta mediante estándares y procedimientos. El estándar establece una condición comprobable, como que cada indicador publicado tenga una definición y un responsable. El procedimiento describe cómo se solicita, revisa y registra su publicación. Distinguir estos niveles evita mezclar principios generales con instrucciones técnicas que cambian con frecuencia.

  • Alcance: dominios, activos, equipos y usos incluidos.
  • Autoridad: decisiones que corresponden a cada función y mecanismo de escalado.
  • Definiciones: términos de negocio y referencias aceptadas.
  • Condiciones de uso: acceso, intercambio, conservación y restricciones aplicables.
  • Calidad y cambios: criterios de aceptación, incidencias y comunicación a consumidores.
  • Excepciones y revisión: justificación, aprobación, caducidad y evidencia de seguimiento.

Ejemplo de una regla verificable

Una regla como «los informes deben utilizar datos fiables» expresa una intención, pero no permite comprobar su cumplimiento. Una formulación operativa puede exigir que un indicador de ingresos identifique su fuente, periodo de actualización, tratamiento de devoluciones, responsable y limitaciones conocidas antes de publicarse para uso compartido.

La prueba consiste en revisar una muestra del indicador y comprobar que esas condiciones están presentes y se aplican. Si falta una definición o existe una excepción, el registro debe permitir conocer quién la resuelve y qué uso sigue autorizado mientras tanto.

Un catálogo de datos organiza información sobre los activos disponibles y sus condiciones de uso. Los metadatos describen características como estructura, significado, origen, responsable y actualización.

El catálogo debe ayudar a responder qué información existe, si resulta adecuada y cómo solicitar acceso. Para un conjunto prioritario, resulta útil documentar:

  • Finalidad y consumidores previstos.
  • Definiciones y reglas de interpretación.
  • Responsable y contacto de soporte.
  • Fuentes y frecuencia de actualización esperada.
  • Condiciones de acceso y limitaciones de uso.
  • Controles de calidad y problemas conocidos.

La guía de tipos y gestión de metadatos permite profundizar en estas descripciones. Un glosario de negocio complementa el inventario técnico al acordar el significado de los términos utilizados por distintas áreas.

La captura automática de columnas y tipos acelera parte del trabajo. El significado de un indicador o la idoneidad para un uso concreto necesita validación de quienes conocen el proceso.

Convertir documentación en conocimiento reutilizable

Cuando una duda se resuelve solo por conversación, otros equipos pueden repetir el mismo trabajo. Registrar el criterio acordado y relacionarlo con los activos ayuda a reutilizarlo. La conexión entre gestión de datos y gestión del conocimiento desarrolla esta necesidad.

La prioridad corresponde a los activos utilizados en decisiones relevantes. Documentar todo con el mismo detalle puede consumir recursos sin mejorar los recorridos que más lo necesitan.

Una referencia para evaluar la madurez de los datos

La guía del modelo de madurez de datos ayuda a situar el punto de partida y las capacidades que necesitan desarrollarse.

Linaje y trazabilidad desde el origen hasta el consumo

El linaje de datos describe relaciones entre fuentes, transformaciones y destinos. La trazabilidad permite reconstruir el recorrido y las decisiones o ejecuciones relevantes con la evidencia disponible.

Para investigar un indicador, conviene conocer sus fuentes, transformaciones, filtros y momento de actualización. Para evaluar un cambio, interesa identificar qué informes, procesos o productos podrían verse afectados.

El nivel de detalle debe corresponder al uso. Una relación entre sistemas ayuda a entender dependencias generales; analizar cómo se calcula un importe puede requerir información de tablas, campos y reglas.

La documentación de captura de metadatos y conexiones de linaje en Microsoft Purview muestra mecanismos para incorporar esa información. La cobertura depende de las fuentes y conexiones compatibles; un gráfico parcial debe identificarse como tal.

El análisis de los metadatos y la trazabilidad en la integración de datos explica su contribución. La relación con los flujos de integración de datos es esencial para mantener el linaje cuando cambian las transformaciones.

Una comprobación práctica del linaje

La comprobación puede partir de un indicador utilizado por negocio y seguir una muestra hasta el origen. El registro distingue los pasos documentados, los que pueden verificarse y aquellos donde falta contexto. Las lagunas se convierten en tareas con responsable y prioridad; un diagrama no demuestra por sí solo que el recorrido esté completo.

Datos maestros y MDM para compartir entidades coherentes

Los datos maestros describen entidades relevantes que se utilizan en varios sistemas, como clientes, productos o proveedores. El Master Data Management, o MDM, organiza procesos y capacidades para mantener y compartir una representación coherente de esas entidades.

La definición de MDM de IBM relaciona esta práctica con integración, conciliación y mantenimiento de información compartida. El problema aparece, por ejemplo, cuando dos registros representan al mismo cliente pero sus códigos no permiten reconocerlo.

Antes de implantar una herramienta, deben acordarse los identificadores de la entidad, las fuentes que aportan cada atributo y el proceso para resolver discrepancias. Una dirección de envío y una dirección fiscal pueden ser distintas sin que ninguna sea incorrecta.

El modelo también establece quién autoriza una fusión de registros, cómo se corrige una asociación equivocada y cómo se comunican los cambios a los sistemas consumidores. Un dato maestro coherente necesita ese proceso durante toda su vida.

El caso de MDM para conectar datos entre sistemas empresariales publicado por Bismart ilustra este trabajo. Su aplicación debe valorarse según las entidades y condiciones de la organización.

Acceso y protección de la información

El gobierno debe convertir las condiciones de uso en decisiones y controles aplicables. Para cada activo sensible, debe quedar identificado quién necesita acceso, para qué actividad, quién lo aprueba y cuándo debe revisarse o retirarse.

Es necesario distinguir el permiso para descubrir que existe un conjunto de datos del permiso para consultar su contenido. Una descripción de catálogo también puede requerir protección si revela información sensible.

Las medidas de seguridad y protección de datos deben seleccionarse según el riesgo y probarse en su configuración concreta. Clasificación, control de acceso, cifrado y recuperación cumplen funciones distintas y necesitan responsables.

Gobierno del dato y protección de datos personales

Cuando se tratan datos personales, el marco debe incorporar las obligaciones aplicables al tratamiento. La AEPD resume principios como licitud, finalidad, minimización, exactitud, limitación de conservación y seguridad en su guía de principios de protección de datos.

En la operación, esto requiere saber por qué se utiliza la información, qué datos son necesarios y cómo se aplican las condiciones de acceso y conservación. La aprobación interna de un data owner no sustituye el análisis correspondiente de las obligaciones y del uso permitido.

La AEPD aclara que los datos seudonimizados siguen siendo datos personales cuando pueden atribuirse a una persona con información adicional. Por tanto, sustituir identificadores no permite presumir que han desaparecido las obligaciones de protección.

Una herramienta de catálogo, una clasificación o un proceso ETL no determinan por sí solos el cumplimiento. Es necesario comprobar el tratamiento completo y la efectividad de los controles.

¿Cómo organizar un programa de gobierno del dato?

El punto de partida es un problema que afecte a una decisión o proceso relevante. Puede ser un indicador discutido, una solicitud de acceso sin responsable o una duplicidad que obliga a corregir información manualmente.

  • Delimitación del caso. Se identifican consumidores, sistemas, datos y consecuencias del problema.
  • Asignación de autoridad. Se acuerda quién puede decidir y qué necesita consultar o escalar.
  • Reglas mínimas. Se documentan significado, condiciones de uso y calidad necesaria.
  • Controles en el proceso. Se aplican las reglas donde se producen, intercambian y utilizan los datos.
  • Pruebas de excepciones. Se comprueba cómo se actúa ante un cambio, un error o una solicitud no prevista.
  • Validación del resultado. Se verifica con los consumidores que el problema se ha reducido y se registra lo pendiente.
  • Ampliación del alcance. Se extienden los acuerdos reutilizables a otros activos y se revisan las condiciones particulares.

Un contrato de datos puede formalizar expectativas entre productores y consumidores: estructura, significado, actualización, calidad y gestión de cambios. La guía de data contracts y prevención de errores entre equipos desarrolla sus componentes.

Las normas deben tener una vía para gestionar excepciones justificadas. Cada excepción recoge la decisión, su responsable y cuándo se revisará; de lo contrario, una solución temporal puede convertirse en un uso indefinido.

Adaptar la implantación al punto de partida

El alcance debe ajustarse a los controles que la organización pueda mantener. Si todavía no hay definiciones compartidas ni responsables accesibles, una primera entrega puede centrarse en esos acuerdos antes de ampliar la automatización.

Recurso descargable: la guía del modelo de madurez de datos permite estructurar el diagnóstico y las capacidades que conviene desarrollar.

Una cultura de datos que sostenga los acuerdos

La guía para fomentar una cultura de datos aborda la participación de los equipos y la adopción de prácticas compartidas.

¿Cómo medir los resultados del gobierno del dato?

Las métricas deben mostrar si los acuerdos ayudan a utilizar los datos y a resolver problemas. Contar políticas o activos catalogados refleja actividad, pero necesita relacionarse con resultados de uso.

  • Responsabilidad. Proporción de activos prioritarios con un responsable que puede atender decisiones.
  • Comprensión. Capacidad de los consumidores para encontrar definiciones y reconocer limitaciones.
  • Resolución. Tiempo y recurrencia de incidencias que cruzan áreas.
  • Acceso. Tiempo para tramitar solicitudes y revisar permisos bajo los criterios definidos.
  • Cambios. Incidentes originados por modificaciones no comunicadas o no evaluadas.
  • Uso. Adopción de conjuntos y definiciones acordados en decisiones concretas.

La medición requiere definir el universo de cada indicador. Tener responsables en ocho de diez activos críticos no equivale a tenerlos en ocho activos elegidos sin un criterio común. También se documentan el periodo y el método de medición para comparar resultados.

La evaluación combina medidas de control con observaciones del negocio. Si disminuyen las discrepancias de una cifra, debe comprobarse si también se reduce el tiempo de preparación o revisión de la decisión que la utiliza.

Recurso descargable: la guía para fomentar una cultura de datos ayuda a situar la participación de las personas y la adopción de los acuerdos.

Herramientas y automatización del gobierno del dato

Las herramientas pueden facilitar descubrimiento, documentación, clasificación, linaje y seguimiento. Su evaluación parte de tareas que deben funcionar en el entorno real: encontrar un activo, identificar su responsable, valorar su uso y tramitar una incidencia o solicitud.

La revisión de herramientas de data governance y sus capacidades aporta una introducción. Su utilización como comparación actual requiere verificar versiones, conexiones, licencias y cobertura.

Microsoft Purview y el alcance del catálogo

La documentación actual de gobierno de datos con Microsoft Purview presenta Data Map y Unified Catalog. Es necesario distinguir entre metadatos y datos subyacentes: los roles del catálogo o del mapa no proporcionan por sí solos acceso al contenido de origen.

El artículo de Bismart sobre Microsoft Purview y su aplicación al gobierno de datos ofrece contexto sobre estas capacidades. La configuración debe contrastarse con la documentación vigente y las fuentes efectivamente compatibles.

Automatizar tareas manteniendo responsables

Una regla automática puede clasificar o detectar una anomalía. El modelo de gobierno debe establecer quién evalúa excepciones, quién modifica la regla y qué evidencia permite validar su funcionamiento.

Los análisis sobre automatización de tareas de gobernanza de datos y aplicaciones de IA a la gestión y el gobierno de datos exploran estas posibilidades. Una recomendación generada por IA necesita revisión acorde al riesgo de la decisión que apoye.

Aplicar las reglas al entorno Power BI

El gobierno corporativo debe reflejarse en los activos analíticos: responsables, definiciones, permisos y criterios de publicación. La guía de gobernanza de datos en Power BI desarrolla ese ámbito específico.

Recurso descargable: la guía para implementar un marco de data governance en Power BI desarrolla la aplicación de los acuerdos en ese entorno.

Gobierno de datos aplicado a Power BI

El recurso sobre un marco de Data Governance en Power BI desarrolla la aplicación del gobierno al entorno analítico.

Gobierno de los datos utilizados por inteligencia artificial

Los usos de IA requieren identificar fuentes autorizadas, condiciones de acceso y criterios de calidad y actualización. Esto incluye documentos y otros contenidos no estructurados, además de tablas y métricas.

Si una aplicación utiliza información derivada de documentos, debe quedar definido cómo se actualizan o retiran esas representaciones cuando cambia el original. La comprobación también debe confirmar que el acceso del usuario o del agente se respeta en el recorrido de recuperación y respuesta.

El gobierno del dato aporta responsabilidades y condiciones sobre la información. El gobierno de IA aborda además decisiones sobre sistemas, evaluaciones y actuaciones automatizadas. Ambos ámbitos deben coordinarse sin asumir que gobernar las fuentes resuelve todos los riesgos del sistema.

Recurso descargable: la guía para preparar los datos de tu empresa para la IA permite ordenar esta revisión de fuentes y condiciones de uso.

Datos preparados para su uso en inteligencia artificial

La guía de preparación de datos para IA permite revisar fuentes, condiciones de acceso y aspectos de calidad antes de ampliar su utilización.

Ejemplo de gobierno de un indicador compartido

El ejemplo considera una empresa en la que ventas y finanzas presentan cifras distintas de clientes activos. Este ejemplo es hipotético y no describe un resultado de cliente.

El equipo descubre que ventas cuenta contratos vigentes y finanzas cuenta entidades con facturación en un periodo. El problema requiere mantener el significado de cada medida y acordar cuál responde a cada pregunta.

La primera entrega identifica al responsable de las definiciones, documenta las reglas y las relaciona con sus fuentes. Se comprueba una muestra hasta el origen y se registra qué consumidores utilizan cada indicador.

Después se prueba un cambio de regla. Antes de publicarlo, se identifican los informes afectados, se consulta a sus responsables y se acuerda la fecha y forma de transición. Una incidencia tiene un contacto y una vía de resolución.

El resultado se evalúa observando si los equipos pueden explicar las cifras, elegir la medida adecuada y gestionar cambios sin reconstruir el acuerdo desde cero. También se registra el trabajo manual que sigue siendo necesario.

Preguntas frecuentes sobre gobierno del dato

¿Qué decisiones debe poder resolver un modelo de gobierno del dato?

Debe permitir identificar quién aprueba una definición, quién autoriza un uso, quién responde por una incidencia y cómo se evalúa un cambio. La documentación del modelo tiene que resolver esas preguntas para los activos incluidos en su alcance.

¿Qué diferencia hay entre data owner y data steward?

El data owner responde por decisiones dentro de un ámbito definido. El data steward coordina actividades de documentación y seguimiento según el modelo acordado. El reparto exacto debe quedar documentado y puede adaptarse a la organización.

¿Un catálogo garantiza que los datos estén gobernados?

No. El catálogo facilita descubrimiento y documentación. El gobierno requiere también autoridad, reglas, procesos de decisión y comprobación. Un activo descrito puede seguir teniendo responsabilidades o controles sin resolver.

¿El gobierno del dato exige centralizar toda la información?

No. Puede aplicarse en entornos centralizados o distribuidos. Deben quedar acordadas las condiciones de intercambio, las responsabilidades y los controles comunes que necesita cada uso.

¿Qué información debe acompañar a una solicitud de acceso?

La solicitud debe identificar al solicitante, el activo, la finalidad, el alcance del acceso y su duración prevista. El proceso necesita un aprobador, criterios de decisión y un registro que permita revisar o retirar el permiso cuando cambien las condiciones.

¿Cómo evitar que el gobierno del dato se vuelva burocrático?

La prioridad debe corresponder a activos y decisiones relevantes, con controles proporcionados y vías de excepción y escalado. La evaluación comprueba si disminuyen los problemas y el esfuerzo de resolverlos, además de registrar la documentación creada.

Recursos descargables para desarrollar el gobierno del dato

De los acuerdos a su aplicación

Una decisión con información discutida permite comprobar si el modelo funciona: deben estar identificados los datos, las personas con autoridad para acordar las reglas y la vía de resolución de una excepción. Ese recorrido ayuda a organizar un gobierno que pueda aplicarse y mantenerse.

El apoyo especializado para diseñar e implantar este trabajo se recoge en la página de consultoría de gobierno del dato de Bismart.