Por qué nadie usa tu Data Catalog (y cómo solucionarlo con Purview)

Hay una frase que se repite en muchas organizaciones: “ya tenemos un catálogo de datos”. Pero cuando se conversa con los usuarios de negocio, aparece una realidad distinta: no lo usan, no confían en lo que encuentran o simplemente no saben para qué les sirve.

El problema no suele ser la existencia del Data Catalog. El problema es que muchas veces se implementa como un inventario técnico y no como una experiencia de descubrimiento, confianza y reutilización de datos.

En otras palabras: el catálogo no falla porque le falten tablas. Falla porque le falta contexto, gobierno y adopción.

Figura 1. El embudo de adopción muestra que publicar activos no equivale a generar uso.

1. El catálogo no debería ser un inventario, sino una experiencia de descubrimiento

Un catálogo útil debería responder preguntas de negocio, no solo listar objetos técnicos. Cuando alguien busca “clientes activos”, “mora”, “ventas netas”, “riesgo transaccional” o “rentabilidad por segmento”, necesita entender qué dato usar, quién lo valida, qué restricciones tiene, cuál es su calidad y cómo puede accederlo.

Si el catálogo solo devuelve nombres físicos de tablas, campos crípticos o activos sin dueño, el usuario vuelve al camino anterior: preguntar por chat, copiar un reporte existente o crear una nueva versión de la verdad.

2. Por qué fracasan tantos Data Catalogs

El primer error es medir éxito por cantidad de activos catalogados. Tener miles de tablas registradas no significa que la organización tenga mejor gobierno de datos. Puede significar simplemente que ahora tiene un inventario más grande y más difícil de usar.

El segundo error es creer que el catálogo es responsabilidad exclusiva de tecnología. Tecnología puede conectar fuentes, automatizar escaneos y capturar metadatos técnicos. Pero el significado, la criticidad y las reglas de uso deben venir del negocio y del modelo de gobierno.

El tercer error es no integrarlo al flujo real de trabajo. Si el catálogo vive separado de BI, ingeniería de datos, solicitudes de acceso, modelos analíticos y casos de AI, termina siendo una página más que nadie abre.

Figura 2. Principales causas de baja adopción de un catálogo de datos.

3. Dónde encaja Microsoft Purview

Microsoft Purview puede ayudar mucho cuando se usa correctamente. Unified Catalog y Data Map permiten conectar gobierno, descubrimiento, metadatos, clasificación y linaje dentro de una experiencia más integrada. Data Map captura metadatos de sistemas analíticos, SaaS, operacionales, on-premises, híbridos y multicloud mediante capacidades de escaneo y clasificación. Unified Catalog permite trabajar con conceptos de negocio, dominios, términos de glosario, data products y activos de datos.

Pero Purview no debe ser el punto de partida conceptual. La plataforma debe acelerar una estrategia, no reemplazarla. Primero hay que definir qué dominios priorizar, qué datos son críticos, quién responde por ellos y qué decisiones de negocio se quieren mejorar.

Figura 3. Un catálogo efectivo combina plataforma, gobierno, contexto y adopción.

4. Qué necesita un catálogo para ser útil

La adopción de un Data Catalog depende de una promesa sencilla: ayudar a las personas a encontrar, entender, confiar y reutilizar datos. Si no cumple esa promesa, se convierte en documentación pasiva.

Para que eso ocurra, cada activo crítico necesita contexto mínimo: descripción de negocio, owner, steward, clasificación de sensibilidad, reglas de acceso, nivel de calidad, linaje relevante, ejemplos de uso y relación con indicadores o productos de datos.

Elemento	Pregunta que responde	Por qué importa
Owner	¿Quién responde por este dato?	Evita ambigüedad y acelera decisiones.
Glosario	¿Qué significa en lenguaje de negocio?	Reduce interpretaciones distintas.
Clasificación	¿Es sensible, regulado o crítico?	Fortalece seguridad y cumplimiento.
Linaje	¿De dónde viene y qué transformaciones tuvo?	Aumenta trazabilidad y confianza.
Calidad	¿Qué tan confiable es para el uso previsto?	Evita decisiones basadas en datos débiles.
Acceso	¿Cómo se solicita y bajo qué reglas?	Reduce fricción operativa.

5. No catalogues todo: prioriza lo que genera valor o riesgo

No todos los activos merecen el mismo nivel de gobierno. Un error común es intentar enriquecer todo al mismo tiempo. Lo correcto es empezar por datos críticos: indicadores ejecutivos, datasets regulatorios, modelos de riesgo, datos maestros, fuentes que alimentan AI o información sensible.

En esos dominios, el catálogo debe pasar de ser un repositorio de metadatos a convertirse en un punto de entrada para consumir datos confiables.

Figura 5. Métricas recomendadas para medir adopción e impacto del catálogo.

6. Roadmap de 90 días

La mejor forma de activar un Data Catalog es con un piloto de alto valor y alcance controlado. En los primeros 90 días, la organización debería seleccionar uno o dos dominios críticos, definir objetivos concretos, crear un glosario mínimo viable, asignar owners y stewards, registrar fuentes, habilitar linaje donde realmente importe y medir adopción real.

El objetivo no es “catalogar todo”. El objetivo es demostrar que el catálogo reduce fricción, mejora confianza y acelera decisiones.

Figura 4. Roadmap de 90 días para activar un catálogo con foco en valor.

Conclusión

Un Data Catalog no es una biblioteca de tablas. Es una capacidad organizacional para descubrir, entender, confiar y reutilizar datos.

Por eso, la pregunta correcta no es cuántos activos tienes catalogados. La pregunta correcta es: ¿cuántas decisiones, reportes, modelos y productos de datos se están haciendo mejor gracias al catálogo?

Si la respuesta no es clara, el problema no es la herramienta. El problema es que todavía no has diseñado la adopción.