Catálogo de datos: qué es y cuándo lo necesitas

En muchas empresas la situación es parecida: alguien necesita un dato, pregunta a tres compañeros, recibe tres respuestas distintas y acaba exportando algo desde el ERP sin saber si es la fuente correcta. Ese problema no se resuelve solo con más tecnología. Se resuelve con orden. Y el catálogo de datos es la pieza que estructura ese orden.

El concepto no es nuevo, pero durante años se asoció a proyectos caros y complejos que solo tenían sentido en grandes corporaciones. Hoy la realidad es otra: hay herramientas accesibles, enfoques iterativos y formas de empezar sin necesidad de catalogar todo desde el día uno.

Qué es un catálogo de datos

Un catálogo de datos es un registro centralizado donde se documentan los activos de datos de una organización. Para cada activo (una tabla, un informe, una API, un archivo), el catálogo recoge metadatos técnicos (tipo de campo, formato, frecuencia de actualización) y metadatos de negocio (qué representa, quién lo usa, para qué decisiones sirve, quién es responsable).

La diferencia clave con un simple diccionario técnico es que el catálogo está pensado para que lo usen personas de negocio, no solo ingenieros. Un buen catálogo permite buscar datos por nombre, por área funcional o por caso de uso, y ofrece suficiente contexto para saber si ese dato es fiable antes de utilizarlo.

• Metadatos técnicos: nombre, tipo, formato, ubicación, esquema, frecuencia de carga.
• Metadatos de negocio: descripción, definición funcional, área responsable, nivel de confidencialidad.
• Linaje: de dónde viene el dato, qué transformaciones ha sufrido y dónde se consume.
• Propietario (data owner): quién responde por la calidad y el uso de ese dato.
• Clasificación: nivel de sensibilidad, normativas aplicables, restricciones de acceso.

Síntomas de que necesitas un catálogo

No todos los equipos necesitan un catálogo formal. Pero hay señales que indican que la falta de orden en los datos empieza a costar tiempo, confianza y dinero.

• El equipo dedica más tiempo a buscar y entender datos que a analizarlos.
• Hay campos en informes que nadie sabe bien qué representan ni cómo se calculan.
• Dos departamentos usan el mismo nombre para métricas que calculan de forma distinta.
• Cuando alguien deja la empresa, parte del conocimiento sobre los datos desaparece con esa persona.
• Cumplir con solicitudes de auditoría o RGPD implica rastrear datos de forma manual por múltiples sistemas.
• Se han duplicado esfuerzos porque un equipo no sabía que otro ya tenía el dato que necesitaba.

Si reconoces varios de estos síntomas, probablemente tengas además un problema de gobernanza más amplio. En ese caso, merece la pena revisar nuestra guía sobre gobierno del dato para pymes, que sitúa el catálogo dentro de un marco más completo.

Qué contiene un catálogo de datos en la práctica

Un catálogo útil no intenta documentar todo al mismo nivel de detalle. Lo habitual es empezar por los activos de datos más críticos —los que alimentan decisiones de negocio, informes recurrentes o procesos regulados— y ampliar progresivamente.

Para cada entrada, el catálogo debería responder al menos a estas preguntas: ¿qué es?, ¿de dónde viene?, ¿quién responde por su calidad?, ¿con qué frecuencia se actualiza?, ¿quién puede acceder? y ¿qué regulaciones aplican?

Soluciones simples frente a soluciones enterprise

El mercado de catálogos de datos va desde herramientas open source gratuitas hasta plataformas enterprise con licencias de seis cifras. La elección correcta depende de tu volumen, tu madurez y tu equipo.

Enfoque ligero (pymes y equipos pequeños)

Para empresas con menos de diez fuentes de datos y un equipo de datos reducido, un catálogo puede empezar siendo un documento estructurado en Notion, Confluence o incluso una hoja de cálculo bien mantenida. Lo importante no es la herramienta, sino la disciplina: que alguien lo mantenga actualizado y que el equipo lo consulte.

Soluciones open source (equipos técnicos con algo de capacidad)

Herramientas como DataHub (creado por LinkedIn), OpenMetadata o Apache Atlas ofrecen funcionalidades de catálogo con linaje automático, búsqueda y perfiles de datos. Requieren algo de infraestructura para desplegarlas, pero eliminan la dependencia de documentación manual.

Plataformas enterprise (organizaciones medianas y grandes)

Collibra, Alation, Informatica o el catálogo nativo de plataformas cloud (Google Data Catalog, Microsoft Purview) ofrecen gobernanza integrada, automatización del linaje y funcionalidades de colaboración avanzadas. Tienen sentido cuando hay múltiples equipos consumidores y requisitos regulatorios estrictos.

Cómo empezar a construir tu catálogo

La implementación de un catálogo de datos funciona mejor cuando se aborda como un proceso iterativo, no como un proyecto de inventario masivo.

1. 1Identifica los 10-15 activos de datos más críticos: los que alimentan informes clave, los que tocan procesos regulados y los que generan más preguntas recurrentes.
2. 2Asigna un propietario a cada uno. No hace falta un rol formal de data owner; basta con que una persona sea responsable de que ese dato esté documentado y sea fiable.
3. 3Documenta los metadatos básicos: qué es, de dónde viene, cómo se actualiza, quién puede usarlo, qué reglas de negocio aplican.
4. 4Elige el soporte: documento colaborativo, herramienta de catálogo ligera u open source. La decisión depende de si tienes capacidad técnica para mantener algo más que un documento.
5. 5Establece una cadencia de revisión: mensual o trimestral, donde los propietarios confirman que la información sigue vigente.
6. 6Amplía progresivamente: cada trimestre, añade nuevas fuentes y activos al catálogo según las necesidades del equipo.

Si además del catálogo necesitas abordar la calidad del dato y la trazabilidad de forma más estructurada, nuestro servicio de gobierno del dato y calidad cubre el catálogo como parte de un marco más amplio.

Errores frecuentes al implementar un catálogo

Aunque el concepto es sencillo, la implementación tiene sus trampas. Estos son los errores más habituales que vemos en empresas que intentan poner orden en sus datos.

• Intentar catalogar todo a la vez: el inventario completo lleva meses y genera fatiga antes de mostrar resultados. Es mejor empezar por los 10-15 activos críticos y ampliar progresivamente.
• No asignar propietarios: un catálogo sin responsables se queda obsoleto en semanas. Cada activo necesita alguien que responda por su documentación y su vigencia.
• Centrarse solo en los metadatos técnicos: el valor del catálogo está en el contexto de negocio. Si solo documentas esquemas y tipos de campo, el equipo de negocio no lo consultará.
• Elegir una herramienta antes de tener claro el proceso: la herramienta debe servir al proceso, no al revés. Un documento bien mantenido es mejor que una plataforma enterprise que nadie alimenta.
• No establecer cadencia de revisión: si no se revisa periódicamente, la información del catálogo se desfasa y pierde credibilidad.

Catálogo de datos y cumplimiento normativo

Con la entrada en vigor del AI Act y el refuerzo del RGPD, el catálogo de datos deja de ser una herramienta de productividad para convertirse en un requisito casi operativo. Las auditorías exigen saber qué datos se procesan, dónde residen, quién accede a ellos y con qué finalidad. Tener un catálogo actualizado reduce el tiempo de respuesta a estas solicitudes de semanas a horas.

Además, cuando la empresa trabaja con proveedores externos de datos o de servicios analíticos, el catálogo documenta qué se comparte, bajo qué condiciones y con qué base legal. Esto no solo facilita la compliance, sino que reduce el riesgo reputacional y legal.

Catálogo de datos y master data management

Es habitual confundir el catálogo con el master data management (MDM). Son complementarios pero distintos. El catálogo documenta qué datos existen y dónde están. El MDM unifica las entidades maestras (clientes, productos, proveedores) para que haya una versión única y consistente en todos los sistemas. Si tu problema no es solo encontrar datos sino que los mismos datos dicen cosas distintas en cada sistema, probablemente necesites ambos. En este artículo sobre cuándo necesitas master data management desarrollamos los criterios de decisión.

Para mas informacion, puedes consultar la guia DMBOK de DAMA International.

Preguntas frecuentes

¿El catálogo sustituye a la documentación técnica?

No. El catálogo complementa la documentación técnica añadiendo contexto de negocio, propietarios y relaciones entre activos. La documentación técnica (esquemas, APIs, pipelines) sigue siendo necesaria para los equipos de ingeniería.

¿Cuánto cuesta mantener un catálogo de datos?

El coste principal no está en la herramienta sino en el tiempo de las personas. Con un enfoque ligero, estamos hablando de unas pocas horas al mes de revisión. Con herramientas enterprise, hay que sumar licencias (desde 20.000-30.000 euros anuales) y un perfil dedicado parcialmente a la gestión del catálogo.

¿El catálogo de datos ayuda con el cumplimiento del RGPD?

Sí, directamente. El RGPD exige saber qué datos personales se procesan, dónde se almacenan, con qué base legal y quién accede a ellos. Un catálogo bien mantenido responde a esas preguntas de forma inmediata, lo que simplifica auditorías y solicitudes de derechos de los interesados.