Gobernanza de datos para análisis: quién es responsable de la cifra
Gobernanza de datos para análisis: quién es responsable de la cifra. La gobernanza de datos para análisis es el conjunto de reglas operativas que determinan quién es responsable de cada métrica, cómo se acuerda su definición, quién puede verla y cómo cambia.
Gobernanza de datos para análisis: quién es responsable de la cifra
La gobernanza de datos para análisis es el conjunto de reglas operativas que determinan quién es responsable de cada métrica, cómo se acuerda su definición, quién puede verla y cómo cambia. Cuando esas reglas existen y las personas las siguen, dos paneles muestran la misma cifra de ingresos. Cuando no existen, cada equipo crea su propia versión de la verdad y la dirección deja de creer en cualquiera de ellas. En Ridiculous Engineering, consideramos que esto es, ante todo, un problema de modelo operativo y, en segundo lugar, un problema de herramientas.
Conclusiones principales
- La desconfianza en los paneles suele deberse a definiciones sin responsables, no a datos incorrectos. Designe a una persona responsable de cada métrica que llegue a un directivo.
- La gobernanza para análisis se reduce a cuatro reglas: responsabilidad, definiciones acordadas, acceso y control de cambios. Cada una puede gestionarse con un grupo pequeño y un documento compartido antes de comprar cualquier plataforma.
- La custodia funciona cuando los responsables del negocio se ocupan del significado y los responsables técnicos se ocupan de las canalizaciones. Separar ambas funciones evita que las definiciones las decida quien escribe el SQL.
- Mida la gobernanza como cualquier proceso operativo: porcentaje de métricas con un responsable y una definición, porcentaje de datos que cumple los estándares de calidad y cuánto aviso reciben los usuarios antes de que cambie una métrica.
- Empiece por las cinco a diez métricas que aparecen en las revisiones del consejo y de la dirección, y después amplíe el alcance.
Índice
- El síntoma: dos paneles, dos cifras de ingresos diferentes
- Qué es realmente la gobernanza de datos para análisis
- Las cuatro reglas operativas
- Funciones de custodia: quién realiza el trabajo
- Calidad de los datos: defínala y después mídala
- Empezar poco a poco: un plan de 90 días
- Cómo saber si la gobernanza funciona
- Dónde confluyen la ingeniería y la gobernanza
- Preguntas frecuentes
- Fuentes
El síntoma: dos paneles, dos cifras de ingresos diferentes
Imagine una reunión de dirección un lunes. Finanzas muestra los ingresos trimestrales del sistema de facturación. Ventas muestra una cifra del CRM varios puntos porcentuales más alta. Operaciones muestra una tercera cifra del sistema de pedidos. Nadie miente y ninguna consulta está rota.
Finanzas contabiliza los ingresos cuando se emite una factura. Ventas los contabiliza cuando se firma un contrato. Operaciones los contabiliza cuando se envía un pedido. Los reembolsos, los acuerdos plurianuales, la conversión de divisas y las notas de crédito se gestionan de forma diferente en cada caso, y cada equipo tomó una decisión razonable en su momento. El problema es que nadie decidió cuál de esas opciones era la opción de la empresa.
El coste no es solo la discusión en sí. Las reuniones se convierten en sesiones de conciliación. Los analistas pasan la semana explicando diferencias en lugar de encontrar información útil. La dirección vuelve a recurrir a hojas de cálculo y a la intuición, y la inversión en el panel queda sin utilizar. El análisis de Forrester, publicado en Forbes, constató que menos del 10 % de las empresas han alcanzado un nivel avanzado en capacidades basadas en información, y señala que son los hábitos y las prácticas organizativos, no la tecnología, los que diferencian a las organizaciones principiantes de las avanzadas. Esos hábitos y prácticas son la gobernanza de datos.
Este es el patrón que vemos descrito una y otra vez en los programas de análisis: las herramientas funcionan, las cifras no coinciden y falta una decisión que nadie tenía asignada.

Qué es realmente la gobernanza de datos para análisis
Dejando a un lado la terminología, la gobernanza responde a cuatro preguntas sencillas sobre cada cifra que las personas utilizan para tomar decisiones:
- ¿Quién es responsable de ella?
- ¿Qué significa exactamente?
- ¿Quién tiene permiso para verla y utilizarla?
- ¿Qué ocurre cuando es necesario cambiarla?
Gartner define la gobernanza de datos como la especificación de los derechos de decisión y un marco de rendición de cuentas sobre cómo se valoran, crean, consumen y controlan los datos y los análisis. La expresión «derechos de decisión» es la parte útil. La gobernanza tiene menos que ver con los documentos y más con quién puede decidir y qué debe hacer antes de tomar esa decisión.
Las directrices de Gartner para los responsables de finanzas expresan el propósito de forma similar: la gobernanza debe respaldar a quienes toman decisiones y generar valor, no existir como una función de control independiente. Si su iniciativa de gobernanza produce un archivador de políticas que los analistas nunca abren, no está cumpliendo esa función.
Gobernanza de los análisis frente a gobernanza del cumplimiento normativo
Las obligaciones en materia de privacidad y normativa son importantes, y su equipo jurídico tiene su propio programa para gestionarlas. Este artículo trata sobre algo más concreto y cotidiano: las reglas que hacen que una métrica signifique lo mismo en todos los informes. Una empresa puede cumplir plenamente la normativa y, aun así, tener tres cifras de ingresos. Lo contrario también es cierto. Tratar ambas cuestiones como un único proyecto es la forma en que la gobernanza de los análisis acaba estancada en la cola de revisión jurídica.
Las cuatro reglas operativas
El manual federal de gobernanza de datos enumera seis actividades básicas: identificar los datos mediante inventarios y metadatos, establecer políticas de gestión de datos, gestionar los problemas de datos, evaluar la calidad y utilidad de los datos, proporcionar supervisión y comunicar. Es un esquema sólido para una agencia gubernamental. En una empresa mediana que busca unos análisis coherentes, esas actividades se resumen en cuatro reglas que puede empezar a aplicar en cuestión de semanas.
Regla 1: Cada métrica tiene un responsable designado
El responsable es una persona, no un equipo ni un comité. Responde de la definición de la métrica, de aprobar los cambios y de contestar cuando alguien cuestiona la cifra. En el caso de los ingresos, normalmente será un responsable de finanzas. Para la pérdida de clientes, puede ser el responsable de éxito del cliente. Para las entregas a tiempo, un responsable de operaciones.
Un buen responsable es alguien del negocio a quien le importa que la cifra sea correcta, no necesariamente quien creó el primer panel. Si no puede nombrar al responsable de una métrica que aparece en las revisiones ejecutivas, ha encontrado su primera brecha de gobernanza.
Regla 2: Las definiciones deben estar en un solo lugar y en lenguaje sencillo
Una definición de métrica necesita algo más que un nombre. Como mínimo, documente lo siguiente:
- El significado empresarial en una o dos frases.
- El cálculo, incluidos los elementos incluidos y excluidos (reembolsos, cuentas internas, pedidos de prueba).
- El sistema de origen del que procede la cifra.
- La base temporal: cuándo cuenta un evento y en qué zona horaria y calendario fiscal.
- El responsable y la fecha del último cambio aprobado.
A esto se le suele llamar diccionario de métricas o glosario empresarial. El formato importa menos que dos propiedades: existe una sola copia y los paneles realmente obtienen sus datos de ella. Un glosario que reside en una wiki mientras los paneles utilizan SQL escrito manualmente se desviará en menos de un trimestre.
Cuando dos equipos definen una métrica de forma distinta por buenas razones, no imponga una única definición a todos. Asigne a cada una un nombre distinto. Pueden existir tanto «ingresos contratados» como «ingresos reconocidos». «Ingresos», por sí solo, debería significar exactamente uno de ellos.
Regla 3: El acceso depende de la sensibilidad de los datos y del puesto
El acceso a los análisis es donde la gobernanza se encuentra con la frustración cotidiana. Si lo bloquea todo, los analistas crearán copias paralelas en hojas de cálculo. Si lo abre todo, los datos sensibles sobre remuneraciones, clientes o contratos acabarán en un libro compartido ampliamente.
Un enfoque viable consiste en clasificar los datos en unos pocos niveles, como general, interno y restringido, y conceder acceso a cada nivel según el rol. Mantenga reducido el número de niveles. Las personas siguen tres niveles; ignoran nueve. Registre quién aprobó cada excepción y revise la lista periódicamente para que los accesos no se acumulen a medida que las personas cambian de puesto.
La misma disciplina se aplica cuando los equipos añaden búsquedas y sistemas de preguntas y respuestas basados en IA sobre datos internos: el modelo de permisos determina qué puede recuperar un asistente, por lo que debe ser sólido antes de conectar el asistente. Las plataformas de búsqueda mediante IA sobre datos internos muestran cómo los permisos y los registros de auditoría pasan a formar parte del propio producto cuando las respuestas se generan a partir de múltiples fuentes.
Regla 4: Los cambios se controlan y se comunican
La mayor parte de la confianza no se pierde cuando una cifra es incorrecta, sino cuando cambia silenciosamente. Una cifra de ingresos varía un 2 % después de que alguien corrija una unión, y nadie avisa a las personas que la citan ante el consejo.
Trate las definiciones de las métricas y las canalizaciones que las sustentan como los equipos de ingeniería tratan el código:
- Los cambios propuestos se documentan junto con el motivo y el efecto previsto sobre las cifras históricas.
- El responsable de la métrica los aprueba.
- Se informa con antelación a los usuarios de los informes afectados. La guía de gobernanza de datos de la FHWA, por ejemplo, utiliza como medida de muestra que los usuarios afectados conozcan los cambios en los datos al menos 30 días antes de su implementación. Treinta días es un estándar razonable; elija el plazo que se adapte a su ciclo de elaboración de informes.
- El cambio se versiona, de modo que cualquiera pueda ver cuál era la definición el trimestre pasado.
Cuando una cifra reformulada llega a una revisión de la dirección, el responsable la explica antes de que nadie tenga que preguntar.
Funciones de custodia: quién realiza el trabajo
Los propietarios deciden. Los responsables mantienen en marcha el trabajo diario. La investigación sobre la gestión responsable distingue sistemáticamente dos tipos de responsables, y merece la pena aplicar esta división.
En su libro sobre el diseño de la gobernanza de datos, Lauren Maffeo describe a los responsables de negocio como las personas que revisan taxonomías, redactan documentación, dirigen la formación en gobernanza y realizan evaluaciones de calidad con respecto a métricas de negocio predefinidas. En cambio, los responsables técnicos gestionan los sistemas y las canalizaciones, incluidos los almacenes y lagos de datos, y definen los parámetros de los metadatos.
En la práctica, para una empresa mediana:
| Función | Responsable de | Persona habitual | Ejemplo de pregunta que responde |
|---|---|---|---|
| Propietario de la métrica | La decisión sobre qué significa una métrica y cuándo cambia | Responsable funcional (finanzas, ventas, operaciones) | «¿Deberíamos contar las suscripciones pausadas como clientes activos?» |
| Responsable de negocio | Definiciones, documentación y comprobaciones de calidad conforme a las reglas de negocio | Analista sénior o responsable de operaciones | «¿La entrada del glosario está actualizada y coinciden los cuadros de mando con ella?» |
| Responsable técnico | Canalizaciones, sistemas de origen, metadatos y configuración de acceso | Ingeniero de datos o analítica | «¿Por qué se cargó tarde esta tabla y a quién afecta?» |
| Responsable de gobernanza | La cadencia, el trabajo pendiente y la escalada | Director de BI o analítica | «¿Qué discrepancias siguen sin resolverse y qué métricas no tienen propietario?» |
La guía introductoria de la FHWA describe a los responsables de datos como expertos en la materia responsables en última instancia de definir, gestionar y preservar la integridad de los datos. Observe la expresión «expertos en la materia». La gestión responsable es una función que se añade a un puesto existente, no un departamento nuevo. La mayoría de las empresas medianas la asignan a personas que ya conocen los datos, les reservan unas horas a la semana y hacen explícita la responsabilidad en sus objetivos.
La división entre responsables de negocio y técnicos también evita un fallo habitual: que las definiciones las decida, por defecto, quien escribe la consulta. Los ingenieros son buenos haciendo que un cálculo se ejecute. No deberían ser ellos quienes decidan si un pedido cancelado cuenta como ingresos.
Un pequeño consejo de gobernanza
También necesita un espacio donde se resuelvan las discrepancias. Normalmente basta con un consejo mensual o quincenal formado por los propietarios de las métricas, el director de BI y un responsable técnico. El manual federal sostiene que un órgano de gobernanza debe estar integrado en la toma de decisiones y en las operaciones para ser eficaz, y que los ejecutivos deben recibir actualizaciones periódicas sobre su impacto. Trasladado a una empresa: incluya la gobernanza en la agenda de la dirección mediante un informe breve y recurrente; de lo contrario, se tratará como algo opcional.
Calidad de los datos: defínala y después mídala
La calidad es el ámbito en el que la gobernanza se vuelve medible. El marco de calidad de datos que buscan la mayoría de los equipos se reduce a tres pasos: definir qué significa «bueno» para cada conjunto de datos crítico, medirlo con una periodicidad establecida y asignar a alguien la tarea de corregir lo que falle.
La orientación de GS1 US indica que las organizaciones no pueden gestionar lo que no pueden medir y recomienda medir la integridad, la puntualidad y la precisión mediante métricas claramente definidas, rangos válidos para la supervisión inicial y continua, y valores de referencia para realizar un seguimiento del progreso. Un valor de referencia es importante porque permite mostrar una mejora en lugar de limitarse a afirmarla.
Un conjunto práctico inicial de comprobaciones para cualquier conjunto de datos que sustente una métrica de dirección:
- Integridad: ¿Se han cumplimentado los campos obligatorios? ¿Qué porcentaje de pedidos carece de un ID de cliente?
- Puntualidad: ¿Terminó la carga nocturna antes de que se actualizara el informe de la mañana?
- Precisión: ¿Los totales concuerdan con el sistema de origen dentro de una tolerancia acordada?
- Coherencia: ¿Coincide el recuento del mismo cliente entre el CRM y el almacén de datos?
Cada comprobación necesita un umbral, un responsable y una acción para cuando no se cumpla. Las directrices de Gartner sobre estrategia analítica añaden un punto útil para las conversaciones sobre presupuesto: crear métricas para tanto el valor de los datos de alta calidad como el coste de los datos de baja calidad, y asignar a las personas con conocimientos sobre calidad de datos a las áreas del negocio donde los datos deficientes cuestan dinero. Para profundizar en el aspecto técnico, consulte nuestra guía práctica de gestión de la calidad de los datos.
Empezar poco a poco: un plan de 90 días
Gartner enumera siete pilares para una gobernanza que respalde los resultados empresariales, y el primero es empezar por los resultados empresariales en lugar de comenzar por el inventario de datos. Ese es el orden adecuado para los responsables de analítica. Este es un plan que lo sigue.
- Semanas 1 a 2: Seleccionar las métricas. Enumere las cinco a diez cifras que aparecen en las revisiones del consejo, de la dirección y operativas semanales. Por ahora, ignore todo lo demás.
- Semanas 2 a 4: Designar responsables y redactar definiciones. Para cada métrica, registre el responsable, la definición, la fuente y la base temporal. Cuando existan dos definiciones, cámbieles el nombre y decida cuál conservará el nombre habitual.
- Semanas 4 a 6: Detectar las divergencias. Compare cada métrica en los paneles que la muestran. Documente cada discrepancia y determine si se debe a una diferencia de definición, un problema de datos o una diferencia de tiempos.
- Semanas 6 a 8: Dirigir los paneles a la definición compartida. Traslade los cálculos de los informes individuales a una única capa gobernada, para que la lógica se escriba una sola vez. Este es el paso que normalmente requiere trabajo de ingeniería y es donde la gobernanza deja de ser un documento.
- Semanas 8 a 10: Establecer niveles de acceso y reglas de cambio. Clasifique los conjuntos de datos en los que se basan esas métricas, establezca el acceso basado en roles y empiece a anunciar los cambios con antelación.
- Semanas 10 a 12: Iniciar la cadencia. Celebre la primera reunión del consejo, publique el primer cuadro de mando breve y elija el siguiente grupo de métricas.
La limitación es deliberada. Un programa de gobernanza que intenta catalogar cada tabla antes de entregar resultados tiende a perder el apoyo de su patrocinador. Uno que corrige primero la cifra de ingresos gana credibilidad para la segunda fase.
Centralizada, federada o en un punto intermedio
Las empresas suelen preguntarse si un único equipo central debería encargarse de todo o si cada departamento debería gobernar sus propios datos. Para las organizaciones medianas, una estructura híbrida suele ser la respuesta práctica: un pequeño grupo central establece los estándares, el glosario y los niveles de acceso, mientras que los responsables funcionales son dueños de sus métricas y los responsables de datos se encuentran en las áreas de negocio. El control central por sí solo se convierte en un cuello de botella, y el control departamental por sí solo vuelve a plantear el problema de las dos cifras de ingresos.

Cómo saber si la gobernanza funciona
La guía federal recomienda desarrollar métricas para evaluar si se está haciendo realidad la visión de los datos, recopilar los datos necesarios para fundamentarlas, actuar en función de los resultados y evaluar periódicamente la madurez de los datos para priorizar los siguientes pasos. Para un equipo de analítica, basta con un cuadro de mando reducido:
| Métrica | Qué indica |
|---|---|
| Porcentaje de métricas ejecutivas con un responsable designado y una definición documentada | Si existe responsabilidad |
| Número de métricas que muestran valores diferentes en distintos informes | Si las definiciones son realmente compartidas |
| Porcentaje de conjuntos de datos críticos que superan los controles de calidad | Si los datos en los que se basan las métricas son fiables |
| Promedio de días de antelación antes de que cambie una métrica | Si el control de cambios es real |
| Disputas de definición abiertas y su antigüedad | Si el consejo está resolviendo los problemas |
| Horas que los analistas dedican a conciliar cifras | El coste inicial, que va disminuyendo |
La guía introductoria de la FHWA ofrece medidas de muestra similares, como el porcentaje de elementos de datos con definiciones claras y el porcentaje de datos que cumplen los estándares de exactitud. Registre la referencia inicial durante la primera semana para que la tendencia tenga sentido. La última medida de la lista es la que los ejecutivos entienden más rápidamente: el tiempo dedicado a discutir sobre cifras en lugar de actuar en función de ellas.
Donde la ingeniería se encuentra con la gobernanza
Las reglas de gobernanza fallan cuando dependen de que las personas las recuerden. La versión duradera incorpora las reglas al sistema: una única capa gobernada para la lógica de las métricas, reglas de acceso aplicadas por la plataforma, controles de calidad automatizados que se ejecutan con cada carga y un historial de versiones para cada cambio de definición. Eso es trabajo de ingeniería de software y es donde la política se convierte en comportamiento.
Nuestro servicio de análisis de datos e inteligencia empresarial abarca los sistemas de análisis de datos y la inteligencia empresarial. Los clientes trabajan directamente con ingenieros sénior que desarrollan, modernizan e integran sistemas prácticos adaptados al funcionamiento real de la organización, con apoyo desde el descubrimiento hasta la mejora a largo plazo. Si sus paneles no coinciden y desea que las definiciones, las reglas de acceso y los controles de cambios estén integrados en los sistemas que los generan, hable con nosotros sobre un proyecto con alcance definido. El precio se basa en el alcance, por lo que lo presupuestamos previa solicitud.
Preguntas frecuentes
¿Qué es la gobernanza de datos para el análisis en términos sencillos?
Es el conjunto de reglas que determina quién es responsable de cada métrica, cómo se acuerda su definición, quién puede consultar los datos subyacentes y cómo se realizan los cambios. El objetivo es que la misma pregunta obtenga la misma respuesta en todos los informes. Se trata menos de documentos normativos y más de asignar las decisiones a personas concretas.
¿Cuál es la diferencia entre un propietario de datos y un administrador de datos?
El propietario responde de una métrica o un conjunto de datos y toma las decisiones sobre su significado y sus cambios. El administrador realiza el trabajo continuo: mantener las definiciones, ejecutar controles de calidad y gestionar las canalizaciones y los metadatos. Los administradores de negocio se centran en el significado y la calidad conforme a las reglas empresariales, mientras que los administradores técnicos se centran en los sistemas y las canalizaciones.
¿Con qué prácticas recomendadas de gobernanza de datos deberíamos empezar?
Empiece por el reducido grupo de métricas que más utiliza la dirección. Designe un propietario para cada una, redacte una definición en lenguaje sencillo y coloque el cálculo en un único lugar compartido. Después, añada el acceso basado en roles en varios niveles, anuncie los cambios antes de que se produzcan y realice el seguimiento de un cuadro de indicadores reducido sobre la asignación de responsabilidades, la cobertura de las definiciones y la calidad.
¿En qué se diferencia un marco de calidad de datos de la gobernanza de datos?
Un marco de calidad de datos es una parte de la gobernanza. Define qué significa que los datos sean buenos —por ejemplo, integridad, puntualidad y exactitud—, los mide frente a umbrales y asigna las correcciones. La gobernanza es más amplia: también abarca la asignación de responsabilidades, las definiciones, el acceso y el control de cambios, que determinan si los controles de calidad se aplican a los elementos adecuados.
¿Cuánto se tarda en ver resultados?
Un esfuerzo centrado en entre cinco y diez métricas ejecutivas puede resolver las discrepancias más visibles en un trimestre, ya que el trabajo consiste principalmente en tomar decisiones y crear una capa de cálculo compartida. La cobertura más amplia se desarrolla por fases. La velocidad depende sobre todo de la rapidez con la que se designen los propietarios de las métricas y se resuelvan las disputas sobre las definiciones.
Fuentes
- Gartner: Adopte un enfoque de gobernanza de datos que permita alcanzar resultados empresariales
- Gartner: 3 fundamentos de una gobernanza eficaz de datos y analítica para directores financieros
- Gartner: libro electrónico sobre estrategia de analítica
- Forrester a través de Forbes: la gobernanza de datos libera el impacto de la analítica
- Guía de gobernanza de datos federales (resources.data.gov)
- FHWA: Plan de gobernanza de datos, volumen 1, introducción a la gobernanza de datos
- GS1 US: Marco del programa nacional de calidad de datos
- Lauren Maffeo: Diseño de la gobernanza de datos desde cero, capítulo sobre responsables de datos
- AllMind: búsqueda mediante IA en investigaciones y datos internos
Recomendado
- Gobernanza basada en datos: transformación de los servicios públicos con datos compartidos
- Superar la brecha del intercambio de datos: una vía hacia el éxito de la misión
- Analítica de autoservicio: guía práctica para 2026
- Cómo predicar con el ejemplo: tratar los datos de las aseguradoras como un activo estratégico