Catálogo de datos

El catálogo de datos (data catalog) es el inventario documentado de todos los activos de datos de una organización: tablas, bases, archivos, dashboards y reportes, descritos con metadatos que permiten encontrarlos, entenderlos y usarlos con confianza. La analogía clásica es el índice de una biblioteca: no guarda el contenido de cada libro, guarda la información que te dice dónde está, de qué trata y si sirve para lo que buscás.

A diferencia de una simple lista de tablas, un catálogo moderno enriquece cada activo con contexto de negocio: quién es el dueño, qué significa cada columna, de dónde vienen los datos, cuándo se actualizaron por última vez y qué tan confiables son. Ese contexto es lo que convierte un depósito de datos en algo realmente navegable para analistas, gente de negocio y equipos técnicos por igual.

Cuando una empresa consolida sus ventas, stock y finanzas en una capa de analítica como Metrix, el catálogo es lo que evita que ese trabajo termine en un laberinto de tablas sin dueño: documenta cada métrica una sola vez para que todos hablen el mismo idioma.

Qué guarda (y qué no guarda) un catálogo

La distinción clave es que un catálogo de datos no almacena los datos en sí, sino los metadatos: la información sobre los datos. Un buen catálogo reúne tres capas:

• Metadatos técnicos: nombre de la tabla, esquema, tipo de cada columna, tamaño, formato y ubicación física. Es lo que un sistema necesita para conectarse al activo.
• Metadatos de negocio: la definición en lenguaje humano de qué representa cada tabla y cada campo, el glosario de términos, las reglas de cálculo de una métrica y las etiquetas que la clasifican.
• Metadatos operativos: quién es el dueño del dato, cuándo se actualizó por última vez, con qué frecuencia se refresca, de dónde proviene y qué tan confiable es.

Esa combinación es lo que separa un catálogo de una simple lista de tablas exportada de la base: agrega el contexto que hace que un dato sea usable por alguien que no lo creó.

Cómo funciona

La mayoría de los catálogos modernos se apoya en un proceso de descubrimiento automático. Un conector se enlaza a las fuentes (bases de datos, data warehouse, planillas, herramientas de BI) y escanea los metadatos para poblar el inventario sin carga manual. A partir de ahí, el catálogo se enriquece de dos formas: de manera automatizada, infiriendo linaje y detectando datos sensibles, y de manera colaborativa, cuando las personas agregan definiciones, certifican tablas confiables o marcan las que quedaron obsoletas. Encima de todo eso vive un buscador: alguien escribe "ventas netas por región" y el catálogo devuelve el activo correcto, con su definición, su dueño y su nivel de confianza.

Por qué le importa a una empresa de LATAM

En la práctica, el problema que resuelve un catálogo es el caos de datos que aparece cuando una empresa crece. Surgen tres tablas distintas que dicen llamarse "ventas", nadie recuerda cuál es la buena y cada área calcula el mismo indicador de una manera diferente. Ese desorden se paga en horas de gente buscando el dato correcto, en reportes que se contradicen en una reunión y en decisiones tomadas sobre información vieja. Para un equipo de RevOps o un CDO en la región, donde los recursos de datos suelen ser acotados, un catálogo democratiza el acceso: el analista encuentra solo lo que necesita en vez de esperar a que sistemas se lo explique, y la organización tiene una única fuente de verdad sobre qué significa cada número. También es la base de cualquier programa serio de gobernanza de datos, porque no se puede gobernar lo que no está inventariado.

Diferencias con términos vecinos

Es fácil confundir el catálogo con otras piezas del stack de datos, pero cada una cumple un rol distinto:

• Catálogo vs data warehouse: el data warehouse guarda los datos; el catálogo guarda la información sobre esos datos y ayuda a encontrarlos. Uno es la bodega, el otro es el índice.
• Catálogo vs gobernanza de datos: la gobernanza es la disciplina de políticas, roles y reglas sobre los datos; el catálogo es una de las herramientas que la vuelve operable, porque documenta y expone los activos.
• Catálogo vs linaje de datos: el linaje rastrea el recorrido de un dato de origen a destino; suele ser una función que vive dentro del catálogo, no un reemplazo de este.

En la práctica

El valor de un catálogo se nota cuando un dato tiene dueño, definición y frescura visibles. Un analista que necesita el margen por línea de producto no arranca preguntando por Slack cuál es la tabla buena: la busca en el catálogo, ve que está certificada, lee la definición del cálculo y confirma que se actualizó anoche. Ese contexto, disponible en segundos, es lo que convierte a los datos de una empresa en un activo que se puede usar con confianza en lugar de un archivo que hay que descifrar cada vez.