Diccionario de datos: qué es, para qué sirve y cómo crearlo (con ejemplo)

Todos los que trabajan con datos ya vivieron esta escena. Alguien abre un informe, mira una columna llamada "status_cli" y pregunta qué significa eso. Nadie lo sabe con certeza. Uno cree que es el estado del cliente en finanzas. Otro jura que es el estado del registro maestro. Un tercero dice que ese campo no se usa desde la última migración. Y la reunión se traba discutiendo el significado de un campo que ya debería estar documentado. El diccionario de datos existe justamente para que esa conversación no ocurra. Es el documento que explica, en lenguaje claro, qué significa cada dato de la empresa, de dónde viene y cómo debe usarse.

Parece un detalle, pero es uno de los artefactos más subestimados de la gobernanza de datos. Una empresa sin diccionario de datos suele tener diez personas con diez entendimientos distintos sobre el mismo campo. Y cuando cada área entiende el dato a su manera, el número final nunca cuadra.

Qué es un diccionario de datos

Un diccionario de datos es un documento estructurado que describe los elementos de datos de un sistema, base de datos o dominio de negocio. Para cada campo, registra el nombre técnico, el nombre de negocio, la descripción de lo que representa ese dato, el tipo (texto, número, fecha), el formato, los valores permitidos, las reglas de llenado y la relación con otros datos.

En la práctica, es el glosario de tu base. Si el catálogo de datos es la lista de todo lo que existe en la empresa, el diccionario de datos es la explicación de lo que significa cada cosa. Responde preguntas simples que, sin documentación, se vuelven una discusión infinita: ¿qué es el campo "data_ref"? ¿Acepta valor nulo? ¿El CNPJ (el número de registro de empresas de Brasil) se almacena con máscara o sin ella? ¿El campo "tipo_fornecedor" solo acepta los códigos 1, 2 y 3, o existe un 4 que alguien creó sin avisar?

El punto es que un dato sin definición no es información. Es suposición. Y una empresa que decide con base en suposiciones sobre sus propios datos toma malas decisiones con la confianza de una buena decisión.

Para qué sirve un diccionario de datos en la práctica

La utilidad queda clara cuando miras el costo de no tener uno. Quien ya participó en un proyecto de SAP, de migración de sistemas o de integración entre áreas sabe que la mitad del tiempo se pierde entendiendo qué significan los datos antes de poder moverlos. Un campo que nadie sabe explicar se convierte en semanas de investigación, reuniones y retrabajo.

El diccionario de datos acaba con esa arqueología. Estandariza el entendimiento entre negocio y TI, que casi siempre hablan idiomas distintos sobre el mismo dato. Acelera la llegada de nuevos profesionales, que entienden la base leyendo un documento en lugar de preguntar de escritorio en escritorio. Ayuda a la calidad de datos, porque cuando defines que "el CNPJ tiene 14 dígitos y no acepta nulo", creas una regla que se puede exigir y medir. Y ayuda al cumplimiento normativo, porque ahí es donde marcas qué campos contienen datos personales y sensibles, el primer paso práctico para cumplir con la LGPD (Ley General de Protección de Datos de Brasil).

Tiene además un impacto directo en la IA. Un modelo de inteligencia artificial aprende con los datos que le entregas. Si nadie sabe qué significa cada campo, nadie garantiza que el dato correcto esté entrando al modelo correcto. El diccionario de datos es parte de la base que hace funcionar la IA en el mundo real, porque es donde queda registrado el significado del dato antes de convertirse en entrenamiento de un algoritmo.

Qué contiene un diccionario de datos

Un buen diccionario de datos va más allá del nombre del campo. Para cada elemento, registra el nombre técnico, el que existe en la base de datos, y el nombre de negocio, el que el área usa en el día a día. Trae una descripción clara de lo que significa el dato, sin depender de conocimiento tribal. Informa el tipo y el formato, si es texto, número entero, decimal o fecha. Registra los valores permitidos, esencial en campos de dominio cerrado: si el "estado del registro" solo puede ser activo, inactivo o bloqueado, eso tiene que estar escrito, de lo contrario alguien inventa un cuarto valor. Indica la obligatoriedad, la regla de negocio asociada, como "el campo NCM (Nomenclatura Común del Mercosur, el código de clasificación fiscal de Brasil) tiene que ser válido en la tabla oficial", y el sistema de origen. Y marca la clasificación de sensibilidad, señalando si ese campo es un dato personal, lo que conecta el diccionario directamente con la gobernanza y con la ley.

Un ejemplo lo vuelve concreto. En el maestro de proveedores, el campo "cnpj" tendría como nombre de negocio CNPJ, descripción "número de inscripción del proveedor en la Receita Federal (la autoridad tributaria federal de Brasil)", tipo texto, formato 14 dígitos sin máscara, valores solo numéricos, obligatorio, origen en el sistema de registro maestro. Parece obvio cuando está escrito. El problema es que, en la mayoría de las empresas, eso no está escrito en ningún lugar. Está en la cabeza de una persona que un día se va a ir y se llevará el conocimiento consigo.

Diccionario de datos, catálogo de datos y metadatos

Estos tres términos se confunden todo el tiempo, y vale la pena separarlos. Los metadatos son datos sobre datos, el concepto más amplio de los tres. El catálogo de datos es el inventario navegable de todos los activos de datos de la empresa, hecho para que descubras dónde está la información y quién se ocupa de ella. El diccionario de datos es más profundo y más técnico, enfocado en definir con precisión el significado, el formato y las reglas de cada campo.

Una forma de pensarlo es por audiencia. El catálogo de datos atiende principalmente al analista y al usuario de negocio que necesita encontrar el dato correcto y entender su contexto. El diccionario de datos atiende a quien necesita la definición exacta, como el ingeniero de datos, el administrador de bases de datos y el data steward que va a exigir calidad. En la práctica, los dos se complementan. Muchas plataformas modernas juntan catálogo y diccionario en el mismo entorno, pero conceptualmente responden preguntas distintas. El catálogo responde "dónde está y qué es esto a alto nivel". El diccionario responde "qué significa exactamente este campo y qué reglas sigue".

Quién es responsable del diccionario de datos

Aquí hay un error común. Mucha gente cree que el diccionario de datos es responsabilidad de TI, y le pasa toda la pelota al equipo técnico. Pero el significado de negocio de un dato no lo define TI. Lo define el área que usa el dato.

Quien define qué es un cliente activo es el área de negocio, no la base de datos. Por eso el diccionario de datos es un trabajo conjunto. El data owner, normalmente un líder del área de negocio, es el dueño del significado y de las reglas de ese dominio de datos. El data steward es quien lo operacionaliza, mantiene el documento actualizado, exige el estándar y garantiza que la definición escrita coincida con la realidad de la base. TI aporta la parte técnica, los tipos, los formatos y la estructura física de los datos. La gobernanza de datos no es solo tecnología. El sistema ayuda, pero sin dueño del dato, sin proceso y sin alguien que exija disciplina, el diccionario se vuelve un documento que nace desactualizado y en el que nadie confía.

Herramientas para crear y mantener un diccionario de datos

No existe una única herramienta correcta. Existe la que cabe en la madurez de tu empresa. Muchas empresas serias empiezan el primer diccionario de datos en una hoja de cálculo bien organizada, en Excel o Google Sheets, o en una página de Confluence o SharePoint. Eso no es ninguna vergüenza. Un documento simple que existe y se usa vale más que una herramienta cara que nadie abre.

A medida que la operación crece, entran las plataformas especializadas. En el mundo del catálogo y la gobernanza de metadatos, las referencias del mercado incluyen Collibra, Alation, Microsoft Purview y Atlan, que ofrecen diccionario y catálogo integrados, con búsqueda, linaje y control de acceso. En el mundo más cercano a la ingeniería de datos, herramientas como dbt documentan el significado y la estructura de los datos junto con el código de transformación. Y cuando hablamos de datos maestros, plataformas de MDM como SAP MDG, Informatica, Stibo Systems, Reltio, Semarchy, Profisee y Ataccama llevan la definición y las reglas de los datos maestros al propio proceso de alta, que es el escenario ideal, porque la regla deja de ser un documento aparte y pasa a aplicarse en el momento en que se crea el dato.

El punto no es la marca. Es la disciplina. La mejor herramienta del mundo no salva a una empresa que no tiene un proceso para mantener vivo el diccionario.

Cómo crear un diccionario de datos paso a paso

En la práctica, un diccionario de datos nace de un trabajo ordenado. El primer paso es elegir el alcance. No intentes documentar toda la empresa de una vez, porque el proyecto muere de tan grande. Empieza por el dominio que más duele, normalmente proveedores, clientes o materiales.

Después, levanta los campos que existen de hecho en ese dominio, directamente del sistema, y no de la memoria de alguien. Siéntate con el área de negocio para escribir la definición de cada campo en lenguaje claro, con las reglas de llenado y los valores permitidos. Marca los campos que contienen datos personales, porque la LGPD lo va a exigir. Valida el documento con quien usa el dato en el día a día. Y, el paso que casi todos olvidan, define quién lo mantiene actualizado y con qué frecuencia. El diccionario de datos no es un proyecto con fin, es un documento vivo. El día que deja de actualizarse, empieza a mentir, y un documento que miente es peor que un documento que no existe.

Cómo aprender y crecer en la carrera

La buena noticia para quien está entrando al área es que el diccionario de datos es una puerta de entrada concreta. No necesitas ser científico de datos para empezar. Necesitas organización, atención al detalle y capacidad de conversar con el área de negocio para extraer el significado real de cada campo. Muchas carreras sólidas en gobernanza empezaron exactamente ahí, documentando registros maestros, entendiendo reglas de negocio y convirtiéndose en la persona que conoce la base mejor que nadie.

Para ir más allá, vale la pena estudiar los fundamentos de gestión de datos de forma estructurada. El DAMA-DMBOK es la guía de referencia del área y trata metadatos, calidad y gobernanza de forma organizada. La certificación CDMP, vinculada a DAMA, es el camino reconocido internacionalmente para quien quiere comprobar conocimiento en gestión de datos. Como abordo en el libro "Master Data Management: Fundamentos e Aplicações" (libro en portugués), publicado por la Editora Brasport, la definición clara del dato es la base sobre la cual se sostiene todo el resto de la gobernanza. Sin un significado acordado, no existe calidad, no existe integración y no existe IA confiable.

Principales dudas sobre el diccionario de datos

¿Cuál es la diferencia entre diccionario de datos y catálogo de datos? El diccionario de datos define con precisión el significado, el formato y las reglas de cada campo, con foco técnico y de negocio. El catálogo de datos es el inventario navegable de los activos de datos de la empresa, hecho para el descubrimiento y el contexto. El diccionario profundiza, el catálogo da la visión general.

¿Se puede hacer un diccionario de datos en Excel? Sí, y así empieza la mayoría. Una hoja de cálculo bien estructurada, con una fila por campo y columnas para nombre, descripción, tipo, valores permitidos y reglas, ya resuelve el problema al comienzo. La herramienta especializada entra cuando crece el volumen.

¿Quién debe mantener el diccionario de datos? Es un trabajo conjunto. El data owner del área de negocio define el significado y las reglas, el data steward mantiene el documento actualizado y exige el estándar, y TI se ocupa de la parte técnica de tipos y formatos.

¿El diccionario de datos ayuda con la LGPD? Ayuda directamente. Es en el diccionario donde identificas y marcas qué campos contienen datos personales y sensibles, que es el primer paso práctico para el inventario de datos y para cumplir con la ley.

¿Con qué frecuencia se actualiza el diccionario de datos? Siempre que cambie la base. Nuevo campo, nueva regla, nuevo valor permitido, todo eso tiene que entrar en el documento. Un diccionario de datos que no se actualiza deja de ser referencia y se vuelve fuente de error.

MDM Academy

Formar profesionales que entiendan el dato en la práctica es el objetivo de la MDM Academy, la escuela de gobernanza y datos maestros de 4MDG. La propuesta es traducir el concepto técnico en aplicación real, como el mercado lo necesita, con foco en alta y mantenimiento de registros maestros, calidad de datos, MDM y gobernanza. Quien quiere salir de lo operativo y crecer en la carrera de datos encuentra ahí un camino estructurado, con contenido de quienes viven estos proyectos de verdad.

Si quieres profundizar en temas como diccionario de datos, catálogo, calidad y gobernanza, vale la pena conocer la MDM Academy y entrar al Club de los Datos, donde la comunidad discute los problemas reales de quienes trabajan con datos dentro de las empresas.

Conclusión

El diccionario de datos no es burocracia. Es la decisión de acordar, de una vez, qué significa cada dato, para que toda la empresa deje de discutir lo obvio y empiece a confiar en su propia base. Parece simple, y lo es. Lo difícil no es entender el concepto. Lo difícil es tener la disciplina de escribir, validar y mantener vivo.

La empresa que documenta el significado de sus datos decide más rápido, integra mejor, se equivoca menos y llega más preparada para usar IA. La empresa que no documenta sigue siendo rehén de la memoria de quien, un día, se va a ir. La pregunta que queda es directa. En tu empresa, ¿alguien puede explicar con claridad qué significa cada campo del registro maestro, o ese conocimiento todavía vive solo en la cabeza de las personas?