Gobierno de datos, sin hablar de marcos

DAMA lo llama el ejercicio de autoridad y control sobre la gestión de los activos de datos, que es preciso y funciona mal en una reunión. En el día a día significa decidir quién decide: quién es dueño de una definición, quién aprueba un acceso, quién responde cuando un número sale mal. Las políticas, los roles y las reglas son la forma de dejar esas decisiones por escrito para que sigan en pie seis meses después.

El gobierno decide, la gestión construye. El gobierno fija la estrategia, las políticas y los derechos de decisión: quién es dueño de la definición de cliente, quién aprueba los accesos, qué nivel de calidad es suficiente. La gestión de datos es el trabajo técnico que ejecuta esas decisiones en la arquitectura, la integración y la seguridad. Necesitas los dos: uno sin el otro es una política que nadie implementa o una plataforma sobre la que nadie se pone de acuerdo.

La alfabetización en datos es que tus equipos sepan leer un número, cuestionarlo y actuar con él. Es la diferencia entre un tablero que la gente cita y un tablero en el que la gente confía. Y casi siempre es un problema de vocabulario y no de estadística: la gente rara vez lee mal un gráfico, lo que no sabe es si "cliente activo" significa lo mismo en tu presentación que en su informe.

En lugar de gobernar toda la empresa de golpe, eliges un caso de uso que ya duele —el dominio de clientes, el informe del comité— y lo gobiernas de punta a punta: dueño nombrado, definiciones acordadas, calidad medida, accesos controlados. Tienes algo funcionando en semanas en vez de un documento de marco en meses, y tu patrocinador tiene un resultado que puede ver.

El Data Owner es un líder de negocio que puede cambiar las cosas de verdad: tiene autoridad y presupuesto sobre un dominio como Clientes o Finanzas, y se come la consecuencia cuando una decisión sale mal. El Data Steward es quien hace el trabajo: mantiene las definiciones, persigue los problemas de calidad, aplica las reglas de negocio y responde qué significa un campo. Un dueño sin custodio es responsabilidad sin capacidad; un custodio sin dueño es trabajo sin mandato.

En tres sitios, y normalmente los tres se pueden contar. Coste: las horas que tu gente dedica a limpiar datos, conciliar informes y reconstruir cifras de las que nadie se fía. Ingreso: la analítica y los modelos de IA sobre los que puedes actuar porque lo que los alimenta es fiable. Riesgo: las multas, las fugas y los hallazgos de auditoría que no tuviste. Si quieres una cifra con la que abrir la conversación, mete tus horas de retrabajo en la calculadora del coste de los datos malos de este sitio.

No. Las herramientas ayudan; no deciden nada. Puedes empezar con lo que ya tienes: una hoja de cálculo para el glosario, una matriz RACI para los roles, una regla escrita para clasificación y accesos. Compra la plataforma cuando sepas qué quieres que haga, porque un catálogo lleno de definiciones que nadie ha acordado es una lista carísima de nombres de tablas.

Casi todos los problemas de IA a los que me llaman resultan ser problemas de datos: nadie puede decir de dónde salió el dato de entrenamiento, quién autorizó su uso, si contiene registros personales o por qué el modelo respondió lo que respondió. El gobierno de datos es lo que responde a eso, con linaje, clasificación, control de acceso y retención. Por eso las organizaciones que gobernaron sus datos antes son las que aguantan cuando un regulador pregunta.

Un diagnóstico más un primer caso de uso gobernado suele llevar entre 8 y 12 semanas: unas semanas para ver con claridad dónde duele y el resto para arreglar una cosa de punta a punta. Lo que tienes al final no es un programa terminado. Es un ejemplo que funciona y un plan que la organización se cree, que es lo que hace falta antes de ir al siguiente dominio.