La gobernanza de datos dejó de ser un proyecto de TI para convertirse en una capacidad organizacional crítica. En un contexto donde los marcos regulatorios de América Latina se consolidan y la presión sobre los datos corporativos aumenta, los equipos liderados por Chief Data Officers enfrentan una brecha persistente: saben qué es gobernanza de datos, pero pocas organizaciones logran operacionalizarla de manera sostenible.
Durante años, la conversación en torno a la gobernanza de datos giró alrededor de definiciones, políticas y organigramas. El resultado fue previsible: documentos bien redactados que nadie consulta, comités de gobierno que se reúnen trimestralmente sin poder de decisión real, y data stewards —responsables temáticos del dato dentro de un dominio de negocio— que desconocen qué activos tienen a su cargo. El problema no es conceptual. Es de diseño institucional y de priorización ejecutiva.
El dato como activo que se gestiona, no que se almacena
El DAMA-DMBOK (Data Management Body of Knowledge), referencia estándar de la industria, organiza la gestión de datos en once áreas de conocimiento que van desde la arquitectura hasta la calidad y la seguridad. Sin embargo, la mayoría de las organizaciones latinoamericanas que dicen “tener gobernanza” operan únicamente en dos o tres de esas áreas, típicamente calidad de datos y alguna forma de catálogo. Lo que queda fuera —data lineage, ownership formal, clasificación por criticidad, ciclo de vida del dato— es precisamente lo que diferencia una función de gobernanza madura de una iniciativa de limpieza de datos con otro nombre.
El EDM Council, con su marco CDMC (Cloud Data Management Capabilities), ofrece una perspectiva complementaria orientada a entornos cloud y regulados. Sus doce capabilities permiten medir la madurez de forma granular. Lo relevante para la región es que varios bancos brasileños que reportan al Banco Central bajo las resoluciones del CMN ya operan con prácticas equivalentes a los niveles intermedios del CDMC —especialmente en clasificación de datos y controles de acceso— aunque sin la certificación formal ni la trazabilidad documentada que exige un programa de gobernanza robusto.
El marco regulatorio regional como palanca, no como amenaza
En América Latina, la presión regulatoria está empujando la agenda de gobernanza desde afuera hacia adentro. La LGPD brasileña (Lei Geral de Proteção de Dados) obliga a las organizaciones a mapear sus datos personales, definir bases legales de tratamiento y designar un Encarregado —rol que en la práctica recae sobre el DPO o se superpone con funciones de governance. En Argentina, la Ley 25.326 está en proceso de reforma con un proyecto que incorpora estándares más cercanos al GDPR europeo, incluyendo la figura del delegado de protección de datos y evaluaciones de impacto. En México, la LFPDPPP y sus lineamientos del INAI ya exigen documentación de flujos de datos personales que es, en esencia, data lineage aplicado a un subconjunto crítico del inventario corporativo.
Este contexto crea una oportunidad concreta: usar el cumplimiento regulatorio como caso de negocio para financiar el programa de gobernanza más amplio. Un CDO que logra articular “necesitamos catálogo de datos y data lineage para responder a los requerimientos de la ANPD o la AAIP” tiene un argumento presupuestario mucho más sólido que uno que habla de “madurez de datos” en abstracto.
Qué hace un CDO con esto el lunes a la mañana
El punto de partida no es un framework completo. Es una decisión de scope. Bob Seiner, referente del modelo Non-Invasive Data Governance, sostiene que la gobernanza efectiva parte de reconocer y formalizar lo que la organización ya hace informalmente —quién responde preguntas sobre un dato, quién aprueba cambios en una definición de negocio— antes de imponer estructuras nuevas. Aplicado a la realidad latinoamericana, esto significa identificar los tres o cinco dominios de datos más críticos para el negocio (clientes, productos, finanzas, por ejemplo), asignar data stewards con nombre y apellido en cada uno, y establecer un mecanismo mínimo de resolución de conflictos sobre definiciones y calidad.
- Auditar qué áreas del DAMA-DMBOK están cubiertas formalmente y cuáles operan de manera ad hoc o directamente no existen.
- Mapear los dominios de datos que tienen impacto regulatorio directo (datos personales bajo LGPD/Ley 25.326/LFPDPPP) y usarlos como piloto del programa de gobernanza.
- Identificar los data stewards informales actuales —las personas que hoy de facto responden preguntas sobre el dato— y formalizarlos antes de crear roles nuevos.
- Establecer una métrica de calidad de datos por dominio y reportarla al Comité de Dirección junto con el riesgo regulatorio asociado.
La trampa del perfeccionismo y el costo de la espera
Uno de los patrones más comunes en organizaciones que llevan años “implementando gobernanza” sin resultados visibles es la búsqueda del modelo perfecto antes de ejecutar. Se diseña el catálogo ideal, se debaten taxonomías durante meses, se espera la herramienta correcta. Mientras tanto, los datos críticos siguen sin owner formal, los pipelines se multiplican sin documentación y los auditores —ya sean internos o de la autoridad regulatoria— encuentran los mismos gaps año tras año. John Ladley, en su obra sobre data governance, es explícito al respecto: la gobernanza de datos es un programa de gestión del cambio con componentes técnicos, no un proyecto tecnológico con componentes de gestión del cambio. Invertir esa relación es la causa más frecuente de fracaso.
En un entorno donde las regulaciones latinoamericanas están madurando más rápido que los programas internos de gobernanza, la pregunta ya no es si implementar un marco —sino cuánto cuesta cada mes de demora.
Deja un comentario