Definición de Linaje de Datos
Linaje de datos es un registro de dónde provienen los datos, cómo han sido transformados y dónde terminan. Rastrea el recorrido completo de un dato a través de sistemas y procesos, permitiendo que cualquiera que vea una cifra en un informe pueda retroceder y entender exactamente cómo fue producida.
¿Cómo se ve en la práctica?
Supongamos que una cifra de ingresos aparece en un panel de control ejecutivo. El linaje de datos te dice: ese número proviene de la tabla de pedidos en la plataforma de comercio electrónico, fue combinado con registros de reembolsos del sistema financiero, tuvo deducciones de devoluciones en un paso de transformación, y fue cargado en el almacén de datos anoche a las 2 a.m. Si el número se ve incorrecto, el linaje te muestra exactamente dónde buscar.
La mayoría del linaje es capturado y mostrado visualmente, como un gráfico que muestra la cadena de fuentes, tuberías de datos, transformaciones y destinos conectados por flechas.
¿Por qué es importante?
Sin linaje, rastrear un problema de datos significa preguntarle a varios equipos de dónde provienen sus números y esperar que alguien lo recuerde. Con él, la respuesta está documentada y es auditable. Esto importa en varias situaciones en particular:
- Depuración — cuando un informe muestra un resultado inesperado, el linaje señala el paso donde algo salió mal
- Cumplimiento normativo — regulaciones como GDPR requieren que las organizaciones sepan dónde residen los datos personales y cómo se mueven; el linaje lo hace respondible
- Gestión del cambio — antes de modificar una columna de base de datos o un paso de tubería, el linaje muestra qué más depende de ello y qué podría romperse
¿Quién lo utiliza y dónde encaja?
Los ingenieros de datos utilizan el linaje para depurar tuberías de datos y evaluar el impacto de los cambios antes de implementarlos. Los equipos de cumplimiento y legal lo utilizan para responder a auditorías, particularmente cuando datos personales están involucrados. Los analistas lo utilizan para verificar que los números que reportan se calculan de la manera que esperan.
También juega un papel práctico en Master Data Management (MDM). Cuando un registro maestro es producido fusionando datos de varios sistemas de origen, el linaje registra cuáles fuentes contribuyeron y qué reglas fueron aplicadas. Si un registro fusionado contiene un error, el linaje es lo que te permite rastrearlo hasta su origen en lugar de verificar manualmente cada sistema ascendente.
