La investigación State of Data Quality de TDWI de 2022 halló que el 66 % de las empresas tenía alguna métrica de calidad de datos, pero solo alrededor de una de cada ocho medía y comunicaba esas métricas de forma constante mediante informes, paneles o canales similares. La investigación de TDWI expone el problema con claridad: muchas organizaciones detectan incidencias de datos, pero muchas menos han convertido la calidad en una disciplina operativa.

Ahí es donde el marco de calidad de datos de TDWI resulta útil. Da a los equipos de gobierno una forma común de hablar de propiedad, controles, impacto de negocio y herramientas. Ayuda a conectar una evaluación de madurez con las capacidades que necesita una plataforma de observabilidad moderna, de modo que una puntuación se convierte en una ayuda práctica a la decisión y no en otro artefacto de presentación.

Tabla de contenidos

• Por qué la calidad de datos necesita un modelo de madurez

  • Lo que cuesta un trabajo de calidad sin estructura

• Las cinco etapas de madurez explicadas

  • Nascent

  • Early

  • Established

  • Comprehensive

  • Advanced/Visionary

• Dimensiones centrales que mide el marco TDWI

  • Roles and Responsibility

  • Data Quality Management

  • Assurance and Impact

  • Tools

• Del perfilado a los controles continuos

  • Construir el bucle deliberadamente

  • Combinar controles por lotes y en tiempo real

• Mapear el marco a las plataformas de observabilidad modernas

  • Asociar cada dimensión a una prueba

• Despliegue, privacidad y consideraciones de coste

  • Mantener el cálculo cerca de los datos

  • Preferir señales con contexto

• Convertir la evaluación en un plan de 90 días

  • Días 1 a 30: construir gobierno

  • Días 31 a 60: instalar controles

  • Días 61 a 90: medir y ampliar

Por qué la calidad de datos necesita un modelo de madurez

Un equipo de datos puede mantener cientos de reglas de validación y seguir careciendo de una capacidad de calidad fiable. Piense en un minorista cuyos analistas financieros encuentran registros de cliente duplicados antes de cada informe mensual. Un analista sénior compara exportaciones en una hoja de cálculo, elige los registros que parecen fiables y envía correcciones a un responsable de aplicación. El informe queda reparado, pero el equipo sigue sin poder explicar con qué frecuencia aparece el defecto, qué proceso anterior lo crea o si el reporte de marketing y cadena de suministro tiene el mismo problema.

El trabajo resuelve un error real, pero depende del conocimiento personal y de una intervención de última hora. Esa distinción separa hacer limpieza de datos de gestionar la calidad de datos como capacidad. Una práctica madura hace repetibles la propiedad, la evidencia, el escalado y la prevención.

La investigación de TDWI de 2022 halló que el 58 % de las empresas con métricas de calidad afirmaba que esas métricas no cubrían todos los tipos de datos. Esta limitación importa porque las comprobaciones aisladas pueden crear falsa confianza. Un equipo puede medir la completitud de los datos de cliente y pasar por alto la Timeliness en feeds regulatorios, los cambios estructurales en tablas del almacén o los productos duplicados en un sistema operacional.

Lo que cuesta un trabajo de calidad sin estructura

Sin un modelo de madurez, el trabajo de calidad suele asentarse en cuatro patrones recurrentes:

• Remediación manual: los analistas reparan una y otra vez hojas de cálculo, extracciones e informes.

• Descubrimiento tardío: reguladores, directivos o clientes encuentran defectos después de la publicación.

• Propiedad poco clara: ingenieros, analistas y stewards de negocio debaten quién debería corregir el origen.

• Medición débil: los responsables oyen hablar de incidentes pero no pueden comparar la calidad entre dominios ni en el tiempo.

Un modelo de madurez da a estos síntomas una estructura compartida. Pregunta dónde está la organización, qué prácticas faltan y qué capacidad debería venir a continuación. TDWI presentó el Data Quality Maturity Model como nuevo marco de evaluación en 2024, planteándolo como guía de mejora continua y no como auditoría puntual. La guía de evaluación del marco abarca roles, prácticas de gestión, aseguramiento, impacto de negocio y herramientas.

Regla práctica: una puntuación de calidad solo importa cuando cambia lo que el equipo financia, asigna, monitoriza o corrige a continuación.

El modelo también da a los responsables de gobierno una conversación más clara con los líderes de negocio. En vez de declarar que «la calidad de datos es mala», pueden mostrar que la propiedad es informal, que la monitorización cubre conjuntos seleccionados y que la remediación carece de una expectativa de servicio coherente. Esos hallazgos sostienen un plan de inversión focalizado.

La evaluación funciona como lente diagnóstica. Las capacidades de observabilidad aportan evidencia operativa de que la organización avanza de la corrección reactiva hacia la prevención y el control medible. Para una comparación de gobierno más amplia, los equipos pueden revisar el modelo de madurez de gobierno de datos de digna. Usadas juntas, estas perspectivas convierten una puntuación abstracta en preguntas sobre linaje, detección de anomalías, cobertura de reglas, flujo de incidentes y responsables.

Las cinco etapas de madurez explicadas

Los materiales de evaluación publicados por TDWI identifican cinco etapas de madurez: Nascent, Early, Established, Comprehensive y Advanced/Visionary. La guía de evaluación de TDWI usa estas etapas para situar las prácticas de calidad en una progresión ordenada en vez de tratarlas como apto o no apto.

Las etiquetas varían en las conversaciones del día a día, así que los equipos deberían usar los nombres oficiales de las etapas de TDWI al completar la evaluación. La progresión de comportamiento se entiende mejor si se fija en lo que hacen las personas.

Nascent

En la etapa Nascent, el trabajo de calidad es prácticamente invisible hasta que alguien tropieza con un problema. Un analista financiero arregla a mano una hoja de cálculo, un ingeniero parchea un pipeline o un usuario de negocio manda un mensaje urgente a un colega que conoce el sistema de origen. La propiedad recae en quien detecta el defecto, y el éxito consiste en que el entregable inmediato salga.

Early

Una organización Early reconoce que la calidad de datos requiere atención y empieza a documentar expectativas. Los equipos pueden ejecutar perfilados periódicos, identificar defectos comunes y nombrar stewards informales. El cambio clave es la conciencia, pero la medición sigue siendo inconsistente y la remediación depende aún en buena medida de la iniciativa individual.

Established

En la etapa Established, los equipos responden a los incidentes mediante un proceso repetible. Una comprobación de unicidad fallida crea un ticket, alguien asume la investigación y el equipo registra el resultado. El éxito se mide por la respuesta a incidentes, los resultados de reglas o el cierre de asuntos, pero los controles pueden seguir centrados en áreas problemáticas conocidas en lugar de prevenir defectos en todo el entorno.

Comprehensive

La organización pasa de reaccionar a prevenir. Perfilado, validación, linaje y monitorización operan en los dominios importantes, mientras que la propiedad y las vías de escalado son visibles para ingeniería y negocio. Las señales de calidad se conectan con expectativas de servicio y consecuencias posteriores, de modo que un feed regulatorio retrasado recibe una atención distinta que un conjunto interno de bajo impacto.

Advanced/Visionary

En la etapa Advanced/Visionary, los equipos afinan el programa de forma continua. Revisan si las métricas siguen reflejando el riesgo de negocio, eliminan alertas de poco valor, refinan las líneas base de anomalías y usan la evidencia histórica para orientar la inversión. Un banco regulado puede permanecer deliberadamente en una capacidad proactiva sólida para un dominio porque sus controles y requisitos de auditoría son adecuados, mientras que una compañía digital alcanza una capacidad optimizadora con otro diseño de control.

Estas etapas no son medallas. Son señales sobre capacidad. Un equipo puede ser avanzado en gestión de identidad de cliente e incipiente en Timeliness de plataforma, así que los resultados deberían guiar acciones por dominio en lugar de producir una única etiqueta organizativa. Para una comparación más profunda del modelo y su uso práctico, vea el modelo de madurez de calidad de datos de digna.

Dimensiones centrales que mide el marco TDWI

El modelo de TDWI examina la madurez a través de Roles and Responsibility, Data Quality Management, Assurance and Impact y Tools. Estas dimensiones funcionan como cuatro lentes sobre el mismo sistema operativo. Un equipo puede tener software capaz pero responsabilidad difusa, o una stewardship sólida sin evidencia de que la mala calidad afecte a los resultados. Las dimensiones de calidad de datos explicadas en esta guía aportan contexto útil para separar estas cuestiones.

Roles and Responsibility

Esta dimensión pregunta quién puede tomar decisiones de calidad y quién debe corregir los defectos. En una etapa temprana, los compañeros pueden conocer a cierto steward como «la persona a la que preguntar», pero esa expectativa se apoya en la reputación personal y no en un mandato definido.

La madurez crece cuando la propiedad está integrada en el trabajo diario. Los dominios críticos tienen responsables nombrados, los stewards conocen sus derechos de decisión y los equipos siguen las responsabilidades con medidas visibles. Un minorista puede empezar con un especialista en datos de cliente que atiende a todos los departamentos. Más adelante, merchandising, fidelización, finanzas y comercio electrónico pueden poseer elementos definidos, mientras un responsable central coordina los estándares comunes.

Data Quality Management

Esta dimensión cubre el bucle operativo que convierte los defectos en trabajo asignado. La guía de TDWI incluye perfilado, limpieza y mantenimiento continuo, con actividades como estandarización, parseo, validación y eliminación de duplicados. Las buenas prácticas de calidad de datos de TDWI insisten en un perfilado repetido y automatizado, porque los procesos anteriores pueden recrear el mismo defecto tras cada corrección.

Un minorista maduro no elimina los registros duplicados una vez y cierra la tarea. Perfila los registros entrantes, estandariza formatos, aplica la lógica de emparejamiento aprobada, asigna la remediación y comprueba si el origen sigue produciendo duplicados.

Assurance and Impact

El aseguramiento pregunta si la organización puede demostrar que sus controles operan como se pretende. El impacto pregunta si las incidencias de calidad se conectan con consecuencias que los responsables de negocio y riesgos reconozcan.

Esas consecuencias pueden incluir informes reformulados, ingresos expuestos, decisiones de inventario poco fiables o la prueba de que una presentación regulatoria usó datos aprobados. Los equipos no necesitan forzar cada defecto a una estimación financiera. Sí necesitan una forma de ordenar los fallos por importancia posterior, porque una comprobación omitida en un feed crítico de clientes puede pesar más que un problema de formato en un conjunto poco usado.

Tools

La madurez de herramientas puede ir desde inspecciones en hojas de cálculo y scripts propios hasta plataformas que combinan validación, detección de anomalías, linaje, aplicación de políticas y colaboración. Juzgue la herramienta por el trabajo que sostiene: ¿puede el equipo ver qué cambió, identificar a los consumidores afectados, asignar un responsable y confirmar la remediación?

La plataforma también debería conectar los controles con las dimensiones anteriores. Una vista de linaje sostiene el análisis de impacto, los metadatos de propiedad sostienen la stewardship y el historial de alertas sostiene el aseguramiento. La guía más amplia de TDWI menciona limpieza, emparejamiento, agrupación por hogar, deduplicación, estandarización y enriquecimiento con datos de terceros como actividades prácticas de calidad. Su discusión sobre gestión de calidad de datos mantiene el marco anclado en tareas operativas y no en una puntuación abstracta.

Del perfilado a los controles continuos

Un programa de calidad fiable empieza con evidencia. Elija un conjunto representativo y examine patrones de nulos, distribuciones de valores, comportamiento de duplicados y relaciones referenciales. Esas observaciones forman una línea base para la monitorización. El perfilado repetido muestra después si un defecto es aislado o refleja un proceso anterior recurrente.

Construir el bucle deliberadamente

Use los hallazgos para limpiar y estandarizar los datos frente a las reglas de negocio. El parseo puede separar campos combinados, la estandarización puede alinear formatos y la eliminación de duplicados puede consolidar registros según la lógica de emparejamiento aprobada. Un script de limpieza debería exponer los defectos, no ocultarlos. Registre la causa raíz y asigne un responsable para que el proceso de origen pueda corregirse.

Una comprobación de unicidad fallida debería crear una tarea para el steward con contexto, no solo un estado en rojo. La tarea debería nombrar el conjunto afectado, identificar la regla fallida, señalar el origen probable y listar los consumidores posteriores que puedan requerir revisión.

Unas técnicas de perfilado de datos documentadas ayudan a repetir este examen de forma coherente en vez de tratar cada investigación como un caso aislado.

Combinar controles por lotes y en tiempo real

Las comprobaciones por lotes encajan con cargas programadas grandes y transformaciones nocturnas. La validación en tiempo real corresponde a los puntos de ingesta, donde la organización puede rechazar, poner en cuarentena o desviar registros sospechosos antes de que lleguen a los consumidores.

TDWI describe la validación en tiempo real como un «cortafuegos de calidad de datos» y combina el mantenimiento continuo con controles por lotes y en tiempo real. Su guía también subraya que los defectos suelen originarse en procesos de negocio anteriores. La limpieza posterior puede reparar el registro visible, pero no evitará la reaparición mientras el proceso de origen no cambie.

Un cortafuegos solo aporta valor cuando alguien ha definido qué ocurre con el registro después de detenerlo.

Este bucle separa las etapas de madurez. Un perfilado ocasional seguido de correcciones tras la entrega sigue siendo reactivo. El perfilado repetido, los controles situados en los puntos adecuados, la remediación asignada y la revisión en el tiempo construyen capacidad preventiva. Las plataformas que conservan perfiles, resultados de reglas, propiedad e historial de remediación hacen visible esa progresión y convierten el marco TDWI en una evaluación operativa más que en un cuadro abstracto.

Mapear el marco a las plataformas de observabilidad modernas

El marco gana utilidad cuando cada dimensión se traduce en una capacidad que pueda inspeccionarse en una demo de plataforma o en una revisión interna de arquitectura. La pregunta no es si un proveedor tiene una lista larga de funciones. Es si la plataforma produce evidencia que sostenga propiedad, gestión, aseguramiento, impacto y control operativo.

Asociar cada dimensión a una prueba

Roles and Responsibility debería aparecer en metadatos de propiedad, asignación de stewards, vías de escalado y flujos de colaboración. Si una plataforma detecta una anomalía pero no puede mostrar quién la recibe ni qué ocurre después, sostiene la detección sin gobierno.

Data Quality Management se corresponde con definiciones de reglas, bibliotecas reutilizables, validación a nivel de registro, perfilado, detección de anomalías, monitorización de Timeliness y seguimiento de esquema. Estas capacidades deberían cubrir tanto expectativas deterministas, como los valores permitidos, como cambios de comportamiento, como un desplazamiento inusual de distribución.

Assurance and Impact depende del linaje, la priorización de asuntos, el historial de incidentes y el seguimiento de niveles de servicio. Una comprobación fallida resulta más útil cuando el equipo puede identificar el informe, pipeline o proceso afectado y documentar la resolución.

Tools incluye el modelo de ejecución y la interfaz operativa. Busque validación automatizada, monitorización de frescura o Timeliness, seguimiento de cambios de esquema, paneles, integraciones e historial listo para auditoría. Una plataforma que ejecuta comprobaciones dentro del entorno del cliente también puede encajar con restricciones que impiden el movimiento innecesario de datos.

Una prueba práctica de auditoría es simple: elija una tabla crítica y pida a su equipo que demuestre el recorrido completo de la detección a la resolución. ¿Puede mostrar la línea base, el control fallido, el responsable, el activo afectado, la expectativa de respuesta y la evidencia de que se corrigió? Si alguna parte exige una hoja de cálculo aparte o una explicación personal, esa brecha pertenece a su hoja de ruta de madurez.

Para orientación de implementación, compare su modelo operativo actual con estas buenas prácticas de observabilidad de datos.

Despliegue, privacidad y consideraciones de coste

El modelo de despliegue de una plataforma de calidad puede determinar si los equipos regulados llegan a adoptarla. En servicios financieros, sanidad, telecomunicaciones y sector público, los metadatos sobre linaje, reglas, excepciones y dominios sensibles pueden requerir el mismo trato cuidadoso que los registros que esos controles describen.

El despliegue en nube privada o gestionado por el cliente mantiene el procesamiento dentro de la nube, la VPC o el centro de datos de la organización. Esa disposición sostiene la localidad de los datos, los controles de acceso internos y los requisitos de auditoría, aunque carga más responsabilidad sobre los equipos de infraestructura y operaciones del cliente.

Mantener el cálculo cerca de los datos

La ejecución en base de datos ofrece otro equilibrio. Las comprobaciones y el cálculo de métricas se ejecutan dentro de la base o almacén existente, reduciendo el movimiento de datos y alineándose con los requisitos de seguridad. El cliente aún debe entender las implicaciones de cómputo, porque las cargas de calidad usan los recursos de su propia plataforma.

Un modelo SaaS público puede ofrecer una puesta en marcha más rápida, pero la residencia de datos, la conectividad, los límites de tenencia y la revisión de seguridad pueden limitar la adopción. Ningún modelo es automáticamente correcto. La elección depende de la sensibilidad de los datos, del modelo operativo y de la evidencia que exijan los auditores.

Preferir señales con contexto

Más monitorización puede generar más ruido. Una lista larga de comprobaciones marginales puede abrumar a los ingenieros con alertas sin significado de negocio, mientras que un conjunto menor de señales con mucho contexto centra la atención en anomalías ligadas a informes críticos, obligaciones de cumplimiento o procesos de ingresos.

El control de costes debería reforzar esa disciplina. Un modelo estable de uso, como una cuota base más cargos ligados a las tablas de producción activas y los módulos seleccionados, obliga a examinar qué se monitoriza en lugar de acumular reglas inactivas. Antes de elegir plataforma, pregunte si el precio depende de las comprobaciones ejecutadas, los escaneos, el volumen de alertas, el movimiento de datos o los activos monitorizados, y si el modelo sigue siendo comprensible a medida que crece la cobertura.

Convertir la evaluación en un plan de 90 días

Una evaluación de madurez resulta útil cuando produce una secuencia corta de acciones con responsable. Use los resultados para elegir un dominio crítico, uno o dos pipelines importantes y un conjunto pequeño de métricas que representen las dimensiones del marco. El objetivo no es transformar toda la empresa de golpe. Es crear un patrón que pueda repetirse.

Días 1 a 30: construir gobierno

Empiece nombrando responsables de datos para el dominio elegido. Publique una carta de calidad de una página que defina el propósito de los datos, los elementos críticos, la propiedad, la vía de escalado y los derechos de decisión.

Establezca líneas base para tres a cinco métricas de calidad repartidas entre las dimensiones del marco, como resultados de validación, Timeliness, estabilidad de esquema, respuesta a incidencias o impacto de negocio. La guía de evaluación de TDWI indica que la herramienta devuelve puntuaciones por dimensión y para la capacidad global, así que registre tanto la puntuación actual como la evidencia que la respalda.

Días 31 a 60: instalar controles

Despliegue perfilado automatizado en los dos pipelines principales. Seleccione una tabla gold o un activo igualmente crítico y sitúe un cortafuegos de calidad antes del consumo posterior, con una acción documentada para los registros sospechosos.

Conecte la detección de anomalías a un panel de alto valor y exija que alguien revise las señales resultantes. El objetivo no es generar todas las alertas posibles. Es aprender si el equipo sabe distinguir un cambio significativo de la variación normal, asignar el responsable correcto y cerrar el bucle.

Días 61 a 90: medir y ampliar

Vuelva a puntuar la organización frente al modelo de cinco etapas y documente qué cambió en la práctica. Registre la nueva propiedad, los controles activos, los incidentes revisados y las brechas pendientes, y extienda después el patrón al siguiente dominio.

Use esta lista antes de que acabe el trimestre:

• Carta redactada: el propósito, las reglas y la vía de escalado del dominio están documentados.

• Responsables asignados: las responsabilidades de negocio y técnicas están nombradas.

• Métricas con línea base: las medidas seleccionadas tienen un punto de partida conocido.

• Perfilado activo: el perfilado automatizado corre en los pipelines prioritarios.

• Cortafuegos probado: el equipo ha ensayado el tratamiento de registros sospechosos.

• Anomalías revisadas: los responsables han investigado y clasificado las señales.

• Reevaluación programada: existe una fecha para la próxima revisión de madurez.

• Hoja de ruta actualizada: el siguiente dominio y las decisiones de inversión están registrados.

Programe una revisión trimestral para que las prácticas de calidad no retrocedan cuando un steward clave cambie de rol. El modelo de TDWI está diseñado para mostrar dónde ha estado una organización, dónde está y adónde debe llegar, lo que convierte la reevaluación en parte del ritmo operativo y no en un diagnóstico ocasional.

digna ofrece una plataforma de calidad y observabilidad de datos en el propio entorno, con detección de anomalías, monitorización de Timeliness, seguimiento de esquema y validación en base de datos para equipos que aplican el marco TDWI. Visite digna para evaluar cómo sus capacidades podrían sostener su próxima evaluación de madurez y su plan de calidad a 90 días.

Las dimensiones que puntúa este marco se tratan con más detalle en las dimensiones de la calidad de datos.

Preguntas frecuentes

¿Qué es el marco de calidad de datos de TDWI?

Es un modelo de madurez que puntúa un programa de calidad de datos a través de etapas y dimensiones definidas, dando a los equipos de gobierno una forma común de hablar de propiedad, controles, impacto de negocio y herramientas en lugar de discutir a partir de impresiones.

¿Cuáles son las cinco etapas de madurez de TDWI?

Nascent, Early, Established, Comprehensive y Advanced o Visionary. La progresión trata de si el trabajo de calidad es ad hoc u operacionalizado — medido, comunicado y atendido —, no de cuántas comprobaciones existen.

¿Qué dimensiones mide el marco TDWI?

Cuatro: Roles and Responsibility, Data Quality Management, Assurance and Impact y Tools. Evaluarlas por separado expone el fallo habitual en el que las herramientas son avanzadas pero la propiedad no, algo que ninguna puntuación única revelaría.

¿Por qué se atascan la mayoría de las organizaciones en la medición?

La investigación de TDWI de 2022 halló que el 66 % de las empresas tenía métricas de calidad, pero solo alrededor de una de cada ocho las medía y comunicaba de forma constante. Detectar incidencias es la mitad fácil; convertir esa detección en una señal operativa reportada y con responsable es donde se atascan los programas.

¿Cómo se convierte una evaluación TDWI en acción?

Trabaje en 90 días: establezca gobierno y propiedad en los primeros treinta, instale controles en los treinta siguientes y después mida y amplíe. Empezar por las herramientas antes que por la propiedad produce alertas que no llegan a nadie con autoridad para actuar.