Cómo escalar el gobierno de datos cuando faltan capacidades internas

Por Ignacio Muñoz

Una organización puede necesitar fortalecer su gobierno de datos sin que eso implique, necesariamente, ampliar el equipo.

La arquitectura, el linaje, la calidad, los controles y la gestión de incidencias no demandan la misma especialización ni la misma intensidad durante todo el ciclo.

Por eso, antes de convertir una brecha en una contratación, dimensionaría tres cosas: qué capacidad falta, con qué frecuencia se necesita y qué decisiones deben permanecer dentro de la organización.

Esa distinción permite salir de una discusión demasiado simple entre hacerlo internamente o externalizar. La pregunta más útil es qué capacidad necesita realmente la organización y cuál es la mejor forma de sostenerla.

El problema no siempre es falta de personas

Cuando evalúo una brecha de gobierno de datos, primero intento distinguir si el problema está en la decisión, la especialización o la operación.

Una brecha de decisión aparece cuando existen responsables y políticas, pero no está claro quién puede resolver una definición, aprobar una excepción o aceptar un riesgo.

Una brecha de especialización es distinta: la organización sabe qué necesita hacer, pero no dispone de experiencia suficiente en una capacidad específica, como arquitectura de gobierno, catálogo, linaje, calidad, metadatos o implementación de controles.

La brecha operacional aparece cuando el modelo ya existe, pero las incidencias se acumulan, los controles dependen de tareas manuales o unas pocas personas concentran conocimiento crítico.

Antes de rediseñar el equipo, prefiero identificar cuál de esas restricciones está frenando la operación.

Ese es también el punto de partida que propone ACL Data Practice. Según el alcance, una evaluación inicial puede tomar entre dos y cuatro semanas y revisar arquitectura, plataformas, gobierno, calidad, catálogo, linaje, privacidad y preparación de los datos para analítica e IA.

El objetivo no debería ser justificar más estructura. Debería ser identificar qué capacidad falta antes de decidir cómo incorporarla.

Qué mantendría dentro de la organización

No externalizaría qué significa “cliente activo” para una empresa. Tampoco quién puede autorizar determinado uso de información sensible, qué nivel de riesgo es aceptable o cuál es la definición oficial de un indicador crítico.

Esas decisiones necesitan contexto y autoridad organizacional.

Sí puedo incorporar capacidad especializada para ejecutarlas: implementar controles, mantener metadatos, construir linaje, gestionar incidencias o automatizar la evidencia necesaria para demostrar que una política se está cumpliendo.

La organización conserva los derechos de decisión; la capacidad para ejecutarlos no necesariamente tiene que ser permanente ni completamente interna.

ACL profundiza esta separación al abordar los roles del gobierno de datos y distinguir quién decide, quién valida y quién opera cuando una definición, una regla o un problema requiere intervención.

Ese es también el límite que utilizaría frente a cualquier servicio externo: puede aportar conocimiento y capacidad de ejecución, pero no reemplazar la responsabilidad que corresponde a la organización.

Cuándo tiene sentido incorporar capacidad flexible

No todas las especialidades de gobierno de datos tienen una demanda constante.

Durante una etapa puedo necesitar mayor dedicación de arquitectura. En otra, experiencia específica en catálogo, linaje o calidad. Una vez estabilizada esa capacidad, su intensidad puede disminuir.

En esos casos tiene sentido evaluar especialistas con dedicación flexible. ACL contempla modelos con especialistas dedicados o fraccionados dentro de su operación continua, junto con capacidades de arquitectura, Data Engineering y Gobierno de Datos como Servicio.

La ventaja económica no está necesariamente en una tarifa menor, sino en no convertir una demanda intermitente en capacidad fija.

Esa lógica también tiene un límite. Si un rol requiere disponibilidad diaria, participa permanentemente en varios dominios y depende cada vez más del conocimiento interno para operar, la propia utilización puede justificar su internalización.

Un modelo flexible debería permitir reconocer ese punto, no prolongarse por inercia.

Implementar gobierno de datos no es lo mismo que operarlo

Una política aprobada, un catálogo publicado o roles formalmente asignados no eliminan la demanda operacional.

Después de implementar, las incidencias de calidad deben resolverse, las excepciones necesitan seguimiento y nuevos dominios o casos de IA obligan a actualizar reglas y controles.

Si esa carga termina concentrada en unas pocas personas, el gobierno vuelve a convertirse en un cuello de botella.

ACL Data Practice contempla ese ciclo posterior mediante soporte, observabilidad, optimización y especialistas dedicados o fraccionados, incluyendo Gobierno de Datos como Servicio.

La diferencia entre implementar y operar importa porque el costo del gobierno no aparece sólo al diseñarlo. También aparece cada vez que una regla falla, surge una excepción o cambia una necesidad de negocio y alguien tiene que responder.

Escalar también puede significar simplificar

En un proyecto con Girls Who Code, DataArt concentró durante aproximadamente tres meses un equipo especializado para modernizar su plataforma de datos. La intervención migró 460 objetos a Tableau Cloud, redujo en 74% el número total de objetos y generó cerca de US$5.000 mensuales de ahorro al disminuir infraestructura y dependencia de recursos ETL.

Lo relevante para esta discusión no es la tecnología utilizada. Es que concentrar especialización durante una etapa puede permitir dejar después una operación más simple y con menor esfuerzo de mantenimiento.

Dimensionar capacidad no consiste sólo en decidir cuántas personas necesito hoy. También implica evaluar cuánto esfuerzo operativo debería permanecer una vez terminada la intervención.

Antes de ampliar el equipo, dimensionaría la capacidad

Antes de decidir entre contratar o recurrir a capacidad especializada, buscaría responder tres preguntas:

¿Qué capacidad está faltando?

¿Con qué frecuencia la necesito?

¿Qué conocimiento y derechos de decisión deben permanecer dentro de la organización?

Con esas respuestas es mucho más sencillo distinguir entre una contratación permanente, un especialista con dedicación parcial, una intervención acotada o un modelo de Gobierno de Datos como Servicio.

Desde ACL powered by DataArt puedo partir por ese diagnóstico y definir, según la brecha encontrada, qué capacidad conviene desarrollar internamente y cuál tiene sentido mantener flexible.

Evalúa qué capacidad de gobierno de datos necesitas

Si existe una brecha entre el gobierno que tu organización necesita y la capacidad disponible para operarlo, puedo ayudarte a definir qué conviene desarrollar internamente, qué requiere especialización y qué puede sostenerse como servicio.

CTA: Conversa con un especialista en Datos

Preguntas frecuentes

¿Qué funciones del gobierno de datos no conviene externalizar?

Mantendría dentro de la organización las decisiones que requieren autoridad y contexto de negocio: definiciones críticas, prioridades, usos autorizados de información y aceptación de riesgo. La implementación y parte de la operación pueden apoyarse en especialistas externos.

¿Cuándo conviene usar Gobierno de Datos como Servicio?

Cuando existe una necesidad recurrente de operar controles, incidencias, metadatos, linaje u otras actividades de gobierno, pero la demanda todavía no justifica mantener internamente todas esas capacidades de forma permanente.

¿Cuándo conviene internalizar un especialista?

Cuando la demanda deja de ser intermitente, el conocimiento del contexto interno se vuelve crítico y el rol necesita disponibilidad continua. En ese punto, una capacidad parcial puede dejar de ser eficiente.

‍