RACI en gobernanza de datos: qué es, cómo funciona la matriz y cómo aplicarla en la práctica

La matriz RACI en gobernanza de datos es la herramienta que define, para cada decisión o actividad sobre el dato, quién ejecuta, quién aprueba, a quién hay que consultar y quién solo necesita ser informado. RACI es la sigla de Responsible, Accountable, Consulted e Informed. En la práctica, es un cuadro simple que pone un nombre o un rol frente a cada responsabilidad del programa de datos, para que nadie tenga que adivinar quién resuelve qué cuando el registro maestro se rompe.

Parece burocracia, pero no lo es. Después de muchos proyectos de SAP y de implantación de MDM, aprendí que la mayor parte de los programas de gobernanza no fracasa por falta de una política bonita o de una herramienta cara. Fracasa porque, cuando aparece un proveedor duplicado o un cliente cambia de CNPJ (el número de registro de empresas de Brasil), nadie sabe quién tiene que decidir. El comité se reúne, todos coinciden en que el problema es grave, y a la semana siguiente sigue sin dueño. La matriz RACI existe para cerrar esa brecha antes de que se convierta en pérdida.

El problema que resuelve la RACI: responsabilidad de todos y de nadie

Toda empresa que ha intentado implementar gobernanza de datos conoce la escena. Un reporte no cuadra porque compras, finanzas y logística entienden "proveedor activo" de manera distinta. Alguien pregunta quién es el responsable de ese registro y la respuesta es siempre la misma: depende. Depende de quién esté de guardia, de quién tenga más paciencia, de quién vaya a cargar con el regaño si el error aparece en el cierre del mes.

Esto pasa mucho en las empresas que tratan los datos maestros como un problema de sistema, no de proceso. SAP, TOTVS u Oracle sí tienen campos de aprobación y flujos de workflow, pero el workflow solo funciona si alguien sabe que ese rol le corresponde. Sin una matriz clara, la gobernanza se vuelve un conjunto de buenas intenciones. El comité discute principios, la política describe lo ideal, y en la operación nadie sabe si es el data steward del área de compras, el analista de datos maestros o el gerente de TI quien aprueba la creación de un nuevo material.

Cómo funciona la matriz RACI en la práctica

La lógica de la RACI es simple de explicar y difícil de aplicar bien, porque exige decisión, no solo llenar una hoja de cálculo. Para cada actividad del ciclo de vida del dato (crear, modificar, bloquear, enriquecer, eliminar un registro maestro) se definen cuatro roles.

Responsible es quien ejecuta la tarea. Es el analista de datos maestros que digita la modificación, el data steward que corrige la clasificación fiscal, el equipo que ejecuta la rutina de deduplicación. Accountable es quien responde por el resultado ante la empresa, generalmente una sola persona, nunca un comité entero, porque la responsabilidad diluida en un grupo en la práctica no es responsabilidad de nadie. Es el data owner del área de negocio, el gerente de compras que firma la política de homologación de proveedores, el director financiero que aprueba la estructura del plan de cuentas.

Consulted son las personas o áreas que necesitan opinar antes de que se tome la decisión, porque tienen información que cambia el resultado. En un cambio de jerarquía de materiales, por ejemplo, mantenimiento e ingeniería generalmente deben ser escuchados antes de que compras simplemente renombre una categoría. Informed son quienes reciben la noticia una vez que la decisión ya fue tomada, para planificarse, sin poder de veto. El equipo de BI que usa ese registro en reportes normalmente entra aquí.

El punto es que una misma actividad de datos maestros suele tener más de una R y varias C e I, pero solo puede tener una A. Cuando dos personas son accountable de lo mismo, en la práctica ninguna lo es.

Quién usa y quién es responsable: aplicando la RACI a los roles de datos

La matriz RACI no sustituye los roles clásicos de gobernanza, los organiza. Quien ha estudiado el tema sabe que data owner, data steward, data custodian y el comité de datos aparecen en casi todo el material sobre el asunto. Lo que falta, en la mayoría de las empresas, es amarrar esos roles a actividades concretas.

El data owner normalmente asume la A en decisiones estructurales: aprobar una nueva regla de calidad, decidir si un dominio (cliente, proveedor, material, dato financiero) cambia de modelo, autorizar una excepción a la política. Suele ser alguien de negocio, no de TI, porque es quien siente el impacto de la decisión equivocada en el resultado del área.

El data steward concentra la R en la mayor parte de las actividades operativas: validar duplicidad, enriquecer un registro incompleto, aplicar la taxonomía correcta a un material nuevo, garantizar que la descripción siga el estándar. Es el rol más cercano a la rutina, y por eso es el que más aparece como puente entre compras, supply chain y TI en los proyectos en que participé.

TI y los equipos de datos normalmente entran como C en decisiones de negocio y como R en actividades técnicas, como las integraciones con SAP, TOTVS u Oracle y el soporte del catálogo de datos. El comité de datos suele ser I en el día a día y A en las decisiones que atraviesan dominios, como un cambio de política que afecta a cliente, proveedor y material al mismo tiempo.

Cómo armar la matriz RACI de datos en tu empresa

El error más común es empezar por la hoja de cálculo. La matriz solo funciona después de que la empresa ya hizo el trabajo de listar las actividades reales del ciclo de vida del dato maestro. Entonces el camino que suele funcionar es empezar por el inventario de actividades: creación de registro, modificación, bloqueo, eliminación, enriquecimiento, tratamiento de duplicidad, cambio de jerarquía o taxonomía, atención de solicitudes de otra área, corrección señalada por una auditoría.

Después, para cada actividad, la empresa debe decidir, con nombre de persona o de rol, quién es la A. Esta es la parte más difícil y más política, porque aquí aparece quién realmente va a responder cuando ocurra el error. A continuación se define la R, que puede ser más de una, y por último C e I, resistiendo la tentación de poner a todos como consultados solo para no incomodar a nadie. Una matriz con exceso de consultas traba la operación tanto como la ausencia total de reglas.

La matriz debe validarse con las propias áreas antes de convertirse en política, porque una regla impuesta de arriba hacia abajo sin conversación no resiste el primer conflicto real. Y debe revisarse, porque la estructura organizacional cambia y una RACI desactualizada es peor que ninguna, ya que transmite una falsa seguridad.

Los errores más comunes al aplicar la matriz los conoce quien ya pasó por esto. Tratar la RACI como documento de archivo, hecho una vez para que lo vea la auditoría y nunca más consultado. Poner al comité de datos como accountable de todo, lo que parece seguro pero en la práctica elimina la responsabilidad individual que la herramienta debería crear. Y diseñar la matriz sin conectarla con el sistema: si SAP o la plataforma de MDM no reflejan el flujo de aprobación definido en la RACI, la regla queda solo en el papel y la operación sigue decidiendo sobre la marcha. Vale recordar además que la RACI no es un organigrama. El organigrama dice quién reporta a quién, la RACI dice quién decide qué sobre el dato, independientemente de la jerarquía.

Qué herramientas sostienen la matriz RACI en la gobernanza de datos

La matriz en sí no depende de una herramienta, puede nacer en una hoja de cálculo. Lo que necesita soporte tecnológico es su aplicación en el día a día, principalmente en empresas medianas y grandes con alto volumen de altas. Las plataformas de MDM como SAP Master Data Governance, Informatica, Stibo Systems, Reltio, Semarchy y Profisee suelen tener motores de workflow en los que el rol de Responsible y Accountable se convierte literalmente en una etapa de aprobación en el sistema, con registro de quién aprobó y cuándo, transformando la RACI de intención en rastro de auditoría. Las herramientas de calidad como Ataccama e Informatica Data Quality le dan al data owner evidencia objetiva de que las reglas se están cumpliendo, y los catálogos como Collibra, Alation y Microsoft Purview ayudan a documentar, junto a cada activo de datos, quién es el dueño y quién es el steward responsable.

Cómo aprender a estructurar la RACI y la gobernanza de datos

Para quien quiere profundizar, el DAMA-DMBOK es la referencia más completa sobre roles y responsabilidades en la gestión de datos, y la certificación CDMP, ofrecida por DAMA, evalúa exactamente este tipo de conocimiento estructural. No es teoría lejana: quien ha participado en un proyecto de implantación de MDM sabe que la mayor parte del tiempo del proyecto no se va en configurar el sistema, sino en alinear con el negocio quién decide qué. Por eso la mejor forma de aprender es participar activamente en la definición de una matriz dentro de tu propia empresa, empezando por un solo dominio, como proveedores o materiales, antes de aplicarla a toda la base de una vez.

Las oportunidades de carrera en torno a la gobernanza de datos

Los profesionales que entienden cómo estructurar roles y responsabilidades en datos están en mejor posición que quienes solo saben operar un sistema. Esto vale para quien está empezando como analista de datos maestros y quiere evolucionar a data steward, para quien ya es data steward y apunta al puesto de data owner o gerente de gobernanza, y para los profesionales de TI que quieren dejar de ser solo soporte técnico y pasar a participar en las decisiones del negocio. La demanda por quienes saben organizar la gobernanza, no solo operar herramientas, solo crece a medida que más empresas intentan usar IA sobre una base de datos maestros que nunca tuvo un dueño claro.

Principales dudas sobre la RACI en gobernanza de datos

¿Qué significa cada letra de la RACI? Responsible es quien ejecuta la actividad, Accountable es quien responde por el resultado ante la empresa, Consulted son las áreas escuchadas antes de la decisión e Informed son las que reciben la decisión una vez tomada.

¿Puede haber más de un Accountable en la misma actividad? En la teoría de la matriz, no. Lo ideal es siempre una única persona accountable por actividad, porque la responsabilidad dividida entre varias personas tiende a no exigírsele a nadie en la práctica.

¿La RACI sustituye al comité de gobernanza de datos? No. El comité de datos define la dirección y resuelve conflictos entre dominios, mientras que la RACI detalla, actividad por actividad, quién decide, ejecuta, es consultado y es informado en el día a día.

¿Toda empresa necesita una RACI de datos, incluso una pequeña? Incluso las empresas más pequeñas se benefician de una versión simple, concentrada en las actividades más críticas, como la creación de proveedores y la modificación de datos fiscales, donde el costo de un error de responsabilidad es más alto.

MDM Academy: dónde profundizar en gobernanza y datos maestros

MDM Academy es la escuela de gobernanza de datos y datos maestros de 4MDG, creada para formar profesionales que no aprenden el tema solo en la teoría, sino conectado con la realidad de empresas que usan SAP, TOTVS, Oracle y otros ERPs en el día a día. Allí, temas como la matriz RACI, el rol del data steward, del data owner y del comité de datos se tratan con ejemplos reales de compras, supply chain y datos maestros, para que el profesional salga sabiendo aplicar, no solo repetir conceptos.

Quien quiera profundizar puede conocer MDM Academy o entrar al Club de los Datos, la comunidad que reúne a profesionales de datos maestros y gobernanza intercambiando experiencias sobre los mismos problemas tratados aquí.

Conclusión

La matriz RACI no resuelve la gobernanza de datos por sí sola, pero sin ella la gobernanza se vuelve un discurso bonito sin ejecución. La diferencia entre una empresa que confía en su propio registro maestro y otra que vive apagando incendios de datos equivocados casi siempre está en una pregunta simple, respondida con claridad: cuando este dato se rompa, quién decide qué hacer. Definir eso antes de que aparezca el problema es la parte del trabajo que pocas empresas hacen, y es exactamente por eso que marca tanta diferencia cuando se hace bien.

En tu empresa, si un registro maestro se rompe mañana, ¿todos saben quién es el accountable de resolverlo?