La versión 2026.01 es la expansión más significativa de la arquitectura de validación de datos de digna desde que se lanzó el módulo. Esta versión amplía lo que las reglas de validación pueden cubrir, cómo se aplican y cómo la plataforma se conecta a entornos empresariales complejos y de múltiples fuentes. Las adiciones principales son las verificaciones de unicidad de múltiples columnas y la validación de integridad referencial. Pero la versión también introduce cambios en cómo se modelan las fuentes de datos, cómo se gestionan las conexiones de bases de datos a través de los proyectos, y cómo se comporta la detección de anomalías en contextos empresariales específicos. Cada uno de estos asuntos importa en la práctica. 

Esta publicación explica qué es nuevo y para quién está diseñado. 

Por Qué la Validación Tradicional de Una Sola Columna Se Queda Corta 

La mayoría de las plataformas de calidad de datos aplican la validación a nivel de una sola columna. Verifica que un valor no sea nulo. Verifica que esté dentro de un rango. Verifica que coincida con un formato. Estas verificaciones importan. También son insuficientes para los tipos de fallos de calidad de datos que realmente socavan los informes empresariales y el cumplimiento regulatorio. 

Los modos de falla que causan el mayor daño en producción son relacionales. Un registro de transacción que hace referencia a un identificador de cliente que ya no existe en el maestro. Una línea de pedido cuyo código de producto es único en aislamiento pero duplicado dentro de un pedido específico, violando la clave compuesta. Una exposición financiera cuya referencia de contraparte no coincide con nada en la lista aprobada. Ninguno de estos falla una verificación de una sola columna. Todos ellos producen corrupciones posteriores que son costosas de rastrear y más difíciles de explicar a un auditor. 

La versión 2026.01 añade las capacidades de validación que abordan estos modos de falla directamente. 

Verificaciones de Unicidad de Múltiples Columnas: Validando Claves Empresariales Compuestas 

Muchas entidades empresariales del mundo real se definen por combinaciones de atributos, no por identificadores únicos. Una línea de pedido es única dentro de un pedido cuando la combinación de ID de pedido y número de línea es distinta. Una posición financiera es única cuando la cuenta, el instrumento y la fecha juntos son únicos. 

digna 2026.01 introduce verificaciones de unicidad en conjuntos de columnas configurables. La verificación evalúa si la combinación de columnas seleccionadas contiene duplicados, identificando casos donde se violan las claves empresariales compuestas. Esto se ejecuta completamente dentro de la base de datos de origen a través de una inspección basada en SQL, sin exportar datos o crear capas de procesamiento adicionales. 

El impacto práctico para los equipos de calidad de datos y Compliance es la capacidad de detectar entidades empresariales duplicadas que de otro modo pasarían todas las verificaciones de columna individual sin problemas. Para almacenes de datos donde las dimensiones cambian lentamente o las cargas incrementales son comunes, las violaciones de claves compuestas son una fuente frecuente de corrupción de datos silenciosa que la validación de una sola columna nunca revela. 

Verificaciones de Integridad Referencial: Haciendo Cumplir las Relaciones entre Fuentes de Datos 

La segunda adición importante de validación es la verificación de integridad referencial a través de fuentes de datos. Esta verificación valida que los valores de claves foráneas en una fuente de datos de origen existan dentro de una fuente de datos de destino referenciada, detectando registros huérfanos y relaciones rotas antes de que se propaguen a través de las tuberías de análisis e informes posteriores. 

Lo que hace que esto sea prácticamente útil a escala empresarial es el alcance que admite. Las verificaciones de integridad referencial en digna 2026.01 funcionan a través de diferentes tablas y vistas, diferentes esquemas dentro de la misma base de datos y diferentes conexiones de bases de datos dentro del mismo proyecto. La verificación no está limitada a las relaciones dentro de un solo esquema o un solo almacén. Una empresa que mantiene datos maestros de clientes en un sistema y registros de transacciones en otro puede validar la relación referencial entre ellos sin replicar datos en un entorno común. 

Esto respalda directamente los requisitos de calidad de datos que más importan en industrias reguladas: mantener la integridad del almacén de datos, validar relaciones de datos maestros, respaldar informes regulatorios y asegurar que los sistemas de BI y análisis consuman datos que son estructuralmente sólidos. 

La documentación técnica completa para ambas nuevas capacidades de validación está disponible en las notas de lanzamiento de digna 2026.01. 

Fuentes de Datos Lógicas y Conexiones Globales: Simplificando Entornos Complejos 

Más allá de las adiciones de validación, la versión 2026.01 introduce cambios en cómo digna modela las fuentes de datos y gestiona las conexiones de bases de datos, ambos con implicaciones directas para los equipos que operan en entornos de datos empresariales heterogéneos. 

Las fuentes de datos en 2026.01 ahora representan una capa lógica dentro de un proyecto en lugar de un mapeo directo a una tabla física. Cada fuente de datos lógica puede estar respaldada por una tabla de base de datos, una vista de base de datos o una declaración SQL personalizada. Esto desacopla la lógica de inspección y validación de la estructura de almacenamiento físico, lo que importa cuando los esquemas evolucionan, cuando las reglas de validación necesitan aplicarse a conjuntos de datos derivados, o cuando la misma entidad empresarial está representada en múltiples ubicaciones físicas. 

Las conexiones de bases de datos ahora se configuran a nivel global y se pueden reutilizar en todos los proyectos. Anteriormente, los equipos que gestionaban múltiples proyectos a través de múltiples entornos de bases de datos necesitaban configurar conexiones por separado para cada proyecto. Las conexiones globales eliminan esa duplicación, reducen la sobrecarga de configuración y aseguran que las configuraciones de conectividad sean consistentes en toda la plataforma. Los proyectos también pueden ahora referenciar múltiples conexiones de origen simultáneamente, respaldando arquitecturas empresariales realistas donde los datos residen a través de varios almacenes o bases de datos operacionales. 

Condiciones de Relevancia de Anomalías, Notificaciones por Módulo y Exportación a CSV 

Tres características adicionales en esta versión abordan puntos de dolor operativos específicos que los usuarios han señalado consistentemente. 

La Condición de Relevancia de Anomalías permite a los equipos definir una condición que controla si digna Data Anomalies evalúa el estado de anomalía para un conjunto de datos dado. Siempre se calculan estadísticas. Pero si no se cumple la condición definida, por ejemplo si el recuento de registros está por debajo de un umbral que hace que la detección de anomalías sea estadísticamente significativa, la plataforma no muestra un estado de anomalía verde, amarillo o rojo para ese conjunto de datos. Esto previene el ruido de alertas de conjuntos de datos de bajo volumen o transitorios y asegura que la evaluación de anomalías solo se aplique en contextos donde es operativamente significativa. 

La configuración de notificaciones por módulo permite a los equipos establecer un comportamiento de alerta independiente para cada módulo de digna . Un equipo de ingeniería de datos responsable de la prontitud de las canalizaciones puede recibir notificaciones independientemente de un equipo de governance centrado en fallas de validación. Las alertas pueden ajustarse a la criticidad del resultado de cada módulo sin aplicar una única política de notificación en toda la plataforma. 

Los resultados de la inspección ahora se pueden exportar como archivos CSV, con un valor práctico directo para los equipos que necesitan incorporar la salida de validación de digna en flujos de trabajo de auditoría, informes externos o análisis posteriores fuera de la plataforma. 

Para Quién Está Diseñada Esta Versión 

• Ingenieros de Datos se benefician del modelado de fuentes de datos lógicas que desacopla la lógica de inspección del esquema físico, y de las conexiones globales que eliminan la configuración redundante en los proyectos. 

  
  

• Equipos de Calidad de Datos y de Compliance ganan la cobertura de validación relacional: la unicidad de claves compuestas y la integridad referencial necesarias para hacer cumplir las reglas estructurales que importan para informes regulatorios y gestión de datos maestros. 

  
  

• Equipos de Analítica y BI reciben entradas más limpias y estructuralmente más sólidas de los sistemas de datos ascendentes, con resultados de inspección exportables que alimentan directamente los flujos de trabajo de auditoría e informes. 

  
  

• Propietarios de Plataformas e Infraestructura se benefician de la reducción de la complejidad de configuración mediante conexiones globales y fuentes de datos lógicas, y del control de notificaciones por módulo que escala las alertas a la estructura del equipo en lugar de aplicar una política única en todos los contextos. 

La versión 2026.01 ya está disponible. El registro de cambios completo, incluidos los detalles técnicos sobre todas las nuevas características y la referencia actualizada de la CLI, está en docs.digna.ai/changelog/Release_202601. 

¿Listo para ver 2026.01 en tu entorno? 

Verificaciones de unicidad de múltiples columnas, validación de integridad referencial y arquitectura en base de datos que mantiene tus datos donde pertenecen. Reserva una demostración personalizada con el equipo de digna para ver las nuevas capacidades de validación en tu propio entorno de datos. 

Reserva una Demo, Lee las Notas de Lanzamiento Completas.