Skip to content
¿De dónde salió este dato?¿Quién es dueño de esta definición?¿Quién puede acceder a esta información?¿Qué transformación sufrió antes de llegar al reporte?¿Qué tan confiable es?¿Qué regulación aplica?¿Se puede usar para entrenar un modelo?
Gobierno de datos
El gobierno de datos es el conjunto de principios, roles, reglas y mecanismos que permite que los datos de una institución financiera sean confiables, seguros, trazables y útiles para la toma de decisiones. En un banco, aseguradora, casa de bolsa o fintech, no basta con integrar grandes volúmenes de información: es indispensable saber quién es responsable de cada dato, cómo se valida su calidad, quién puede acceder a él, bajo qué reglas se protege y cómo se demuestra su cumplimiento ante auditorías o reguladores.
En esta sección se aborda el gobierno de datos como una capacidad crítica para convertir Big Data en valor institucional. La calidad, consistencia, seguridad, privacidad, linaje y cumplimiento regulatorio permiten que los datos financieros no sólo estén disponibles, sino que puedan usarse con confianza en modelos de riesgo, prevención de fraude, reportes regulatorios, analítica de clientes y decisiones estratégicas.
1. Definición
El gobierno de datos es el conjunto de políticas, roles, procesos, controles y tecnologías que aseguran que los datos sean confiables, seguros, entendibles, trazables y utilizables.
En finanzas, gobierno de datos significa poder responder preguntas como:
2. Pilares del gobierno de datos financiero
2.1 Calidad
La calidad mide si el dato es correcto, completo, oportuno, consistente y válido para su uso.
Dimensiones de calidad
Dimensión
Pregunta
Exactitud
¿El dato refleja la realidad?
Completitud
¿Faltan campos relevantes?
Consistencia
¿Coincide entre sistemas?
Oportunidad
¿Está disponible a tiempo?
Validez
¿Cumple formato y reglas?
Unicidad
¿Hay duplicados?
There are no rows in this table
Ejemplo financiero
Si el saldo de un cliente difiere entre el core bancario, el CRM y el dashboard comercial, el problema no es solo técnico. Puede afectar campañas, cálculo de riesgo, atención al cliente, cumplimiento y decisiones ejecutivas.
2.2 Consistencia semántica
La consistencia no es solo que el dato “cuadre”. También significa que las áreas usen las mismas definiciones.
Ejemplos de definiciones problemáticas:
Concepto
Posibles diferencias
Cliente activo
¿Tiene saldo, movimiento, login o producto vigente?
Mora
¿1 día, 30 días, 90 días?
Ingreso del cliente
¿Declarado, inferido, comprobado o transaccional?
Churn
¿Cancelación total, inactividad o reducción de saldo?
Fraude
¿Sospecha, alerta, caso confirmado o contracargo?
There are no rows in this table
La arquitectura debe incluir un glosario de negocio y un catálogo de datos para evitar que cada área produzca su propia versión de la verdad.
2.3 Seguridad y acceso
El curso incluye explícitamente seguridad y acceso como parte del gobierno de datos, incluyendo control granular, cifrado y auditoría de accesos.
En una institución financiera, no todos deben ver todos los datos. El acceso debe depender del rol, la finalidad, el nivel de sensibilidad y la regulación aplicable.
Controles básicos
Control
Función
RBAC
Acceso basado en roles
ABAC
Acceso basado en atributos o contexto
Cifrado
Protección en tránsito y reposo
Tokenización
Sustituir datos sensibles por identificadores
Enmascaramiento
Ocultar datos personales a usuarios no autorizados
Auditoría
Registrar quién accedió, cuándo y para qué
There are no rows in this table
2.4 Linaje
El linaje de datos permite rastrear el camino del dato desde su origen hasta su uso final.
Ejemplo:
Transacción original → proceso de limpieza → regla de clasificación → variable de riesgo → modelo de fraude → alerta → caso investigado → reporte regulatorio.
Sin linaje, un modelo puede producir una decisión, pero la institución no puede explicarla. Esto es especialmente delicado en crédito, fraude, cumplimiento y riesgos.
2.5 Privacidad
El temario menciona privacidad, GDPR y secreto bancario como temas explícitos de la sesión. La privacidad exige definir qué datos personales se capturan, por qué se usan, por cuánto tiempo se conservan, quién puede acceder y bajo qué base legal o contractual.
Técnicas relevantes
Técnica
Uso
Anonimización
Remover identificación personal irreversible
Seudonimización
Separar identidad directa del dataset analítico
Tokenización
Sustituir identificadores sensibles
Enmascaramiento
Ocultar datos en ambientes no productivos
Minimización
Usar solo los datos necesarios
Retención controlada
Eliminar o archivar según política
There are no rows in this table
2.6 Cumplimiento regulatorio
El gobierno de datos conecta arquitectura con regulación. En México y finanzas internacionales, el marco puede incluir secreto bancario, regulación de protección de datos personales, lineamientos de CNBV, prácticas de Basilea, normas internas de auditoría, prevención de lavado de dinero y requerimientos contractuales con terceros.
La clave pedagógica es explicar que el cumplimiento no debe ser un proceso manual posterior, sino un componente integrado en la arquitectura.
Want to print your doc?
This is not the way.
This is not the way.
Try clicking the ··· in the right corner or using a keyboard shortcut (
CtrlP
) instead.