Gobierno y calidad de datos

Taller técnicoIntermedio

Taller Práctico de Implementación de Gobernanza de Datos

Taller práctico donde configuras las herramientas, construyes un catálogo de datos real, diseñas flujos con controles de calidad y conectas seguridad y privacidad con la operación. Sales con evidencia de implementación, no con apuntes.

Definición

La mayoría de las iniciativas de gobierno de datos se quedan en el documento: políticas escritas, roles definidos en un organigrama y ningún cambio en cómo se trabaja con los datos el lunes siguiente. Este taller ataca exactamente esa brecha. En vez de discutir marcos teóricos, los participantes configuran un entorno de trabajo, catalogan datos reales, construyen un flujo automatizado con validaciones de calidad, aplican controles de seguridad y privacidad, y documentan las decisiones como evidencia auditable. El enfoque es de laboratorio guiado con herramientas open source, de modo que lo aprendido pueda reproducirse en la organización sin depender de una licencia. Al terminar, cada participante tiene un catálogo construido por su cuenta, un pipeline funcionando con controles y la documentación que sostiene ambas cosas — los tres artefactos con que se demuestra que un programa de gobierno de datos existe de verdad.

Público objetivo

Profesionales de datos, arquitectura, integración y analítica que deben implementar gobierno, no solo diseñarlo.
Equipos de gobierno de datos, calidad, metadatos y seguridad que necesitan pasar de la política escrita a controles funcionando.
Profesionales del sector público que gestionan datos institucionales y deben demostrar trazabilidad y resguardo.
Desarrolladores y administradores que implementan o mantienen herramientas de datos y necesitan entender qué exige el gobierno de datos de su trabajo.
Responsables de proyectos de datos que quieren dimensionar el esfuerzo real de una implementación antes de comprometerse a un plan.
Para quién NO es: No es un curso de estrategia ni de modelos de madurez: no se trabaja el caso de negocio, la estructura organizacional ni la hoja de ruta corporativa. Quien busque ese nivel debería considerar la consultoría de Gobierno y calidad de datos.

Objetivos

Implementar los componentes iniciales de un programa de gobierno de datos —catalogación, calidad, seguridad y flujo— usando herramientas open source, y producir la evidencia documental que respalda su funcionamiento.

Configurar un entorno de trabajo funcional con las herramientas de catalogación, flujo y calidad de datos, dejándolo reproducible en la organización.
Construir un catálogo de datos con taxonomías y metadatos que refleje activos reales, no un ejemplo de manual.
Diseñar y ejecutar un flujo automatizado de datos que incorpore validaciones de calidad en cada etapa, no solo al final.
Aplicar clasificación de datos y controles de seguridad y privacidad sobre los flujos construidos, conectando la obligación normativa con la operación técnica.
Definir roles, responsabilidades y puntos de monitoreo que permitan sostener el gobierno de datos después del taller.
Producir documentación y evidencia de implementación utilizable en una auditoría o en la presentación del programa a la dirección.

Resultados de aprendizaje

Levantar desde cero un entorno de catalogación y flujo de datos, y volver a levantarlo en la infraestructura de su organización.
Catalogar un conjunto de datos con metadatos y taxonomía consistentes, dejándolo consultable por otras personas.
Construir un pipeline que valide, limpie y transforme datos, con puntos de control explícitos y trazables.
Aplicar clasificación de sensibilidad y controles de acceso sobre los datos que circulan por ese pipeline.
Documentar decisiones de gobierno de forma que resistan una revisión externa.
Identificar qué roles se necesitan para operar lo construido y qué indicadores permiten saber si sigue funcionando.

Temario

1. Infraestructura y entorno de trabajo

Qué componentes necesita un programa de gobierno de datos: catálogo, flujo, calidad y control de acceso, y cómo se relacionan entre sí.
Instalación y configuración del entorno de trabajo con Apache NiFi, Atlas y Wrangler, dejándolo reproducible fuera del taller.
Verificación del entorno: cómo comprobar que cada componente quedó operativo antes de seguir.
Alternativas al stack propuesto: qué buscar si la organización ya tiene herramientas y qué es equivalente.

2. Catalogación y clasificación de datos

Qué es un catálogo de datos y por qué sin él ninguna política de gobierno se puede aplicar: no se protege lo que no se sabe que existe.
Taxonomías y metadatos: cómo diseñar una estructura de clasificación que la organización realmente use, en vez de una que se abandone.
Construcción del catálogo institucional sobre datos reales, registrando origen, responsable y sensibilidad de cada activo.
Linaje de datos: cómo registrar de dónde viene cada dato y qué transformaciones sufrió, y por qué eso es lo primero que pide una auditoría.
Mantención del catálogo: qué lo desactualiza y qué prácticas lo mantienen vivo.

3. Flujos de datos y controles de calidad

Diseño de pipelines: cómo se estructura un flujo de datos con etapas separadas y responsabilidades claras.
Validación en origen: por qué revisar la calidad al final del flujo llega tarde y sale caro.
Reglas de calidad aplicadas: completitud, consistencia, unicidad y validez, implementadas como controles ejecutables y no como aspiraciones.
Limpieza y normalización de datos institucionales, con registro de qué se modificó y por qué.
Manejo de excepciones: qué hacer con los registros que no pasan los controles, y por qué descartarlos en silencio es el peor camino.
Trazabilidad de la ejecución: cómo demostrar qué corrió, cuándo y con qué resultado.

4. Seguridad y privacidad sobre los datos

Clasificación por sensibilidad: cómo distinguir datos públicos, internos, confidenciales y personales, y qué tratamiento exige cada categoría.
Datos personales y Ley 21.719: qué obligaciones concretas impone la normativa chilena sobre los flujos que se están construyendo.
Controles de acceso: cómo aplicar mínimo privilegio sobre un catálogo y sobre los datos que circulan.
Anonimización y seudonimización: cuándo corresponde cada una, qué protege realmente y por qué no son intercambiables.
Registro de tratamientos: qué se debe documentar sobre el uso de datos personales y cómo automatizar ese registro.

5. Operación y sostenibilidad del programa

Roles del gobierno de datos: propietario, custodio y administrador, qué decide cada uno y qué pasa cuando el rol no está asignado.
Monitoreo: qué indicadores muestran si la calidad se mantiene y si el catálogo sigue reflejando la realidad.
Documentación como evidencia: qué registrar para que el programa resista una auditoría o un cambio de equipo.
Escalamiento: cómo se pasa de un piloto a la operación institucional sin rehacer lo construido.
Errores frecuentes de implementación y por qué la mayoría de los programas de gobierno de datos se detienen en los primeros meses.

Metodología y materiales

Metodología

Laboratorio guiado: cada concepto se introduce e inmediatamente se implementa, sin bloques teóricos extensos.
Configuración real de herramientas por parte de cada participante, con acompañamiento del instructor durante la instalación.
Ejercicios sobre un dataset de práctica que reproduce problemas de calidad frecuentes: duplicados, formatos inconsistentes, campos faltantes y datos sensibles sin identificar.
Trabajo final integrador donde se conectan catálogo, flujo, controles y documentación en un solo entregable.
Revisión conjunta de los entregables, para contrastar decisiones distintas frente al mismo problema.

Materiales incluidos

Guías de laboratorio paso a paso para cada módulo, utilizables después del taller para reproducir el entorno.
Dataset de práctica con problemas de calidad reales: duplicados, formatos inconsistentes, campos faltantes y datos sensibles sin identificar.
Instrucciones de instalación y verificación del entorno, entregadas antes del inicio.
Plantillas de catálogo, matriz de clasificación de sensibilidad y pauta de documentación de decisiones.

Evaluación y certificación

Evaluación del curso

Catálogo, pipeline o ejercicio integrado.

Certificados

Certificado de participación Passus

Condiciones de inscripción

Las fechas de los cursos abiertos se publican en el calendario de Passus. Para cursos cerrados, la fecha, el horario y la modalidad se acuerdan con la institución o empresa.

Requisitos

Conocimientos básicos de datos o sistemas: entender qué es una tabla, un archivo de datos y una transformación.
No requiere experiencia previa en gobierno de datos ni en las herramientas específicas del taller.
Equipo capaz de ejecutar contenedores o entorno preparado según las instrucciones de instalación que se entregan antes del inicio.

Preguntas frecuentes

¿Necesito saber programar para tomar este taller?

No. Se trabaja con herramientas de configuración visual y guías paso a paso. Sí conviene manejar conceptos básicos de datos —qué es una tabla, un archivo de datos, una transformación— para aprovechar los ejercicios.

¿Qué herramientas se usan y por qué open source?

El taller trabaja con Apache NiFi, Atlas y Wrangler. Son open source para que lo aprendido sea reproducible en la organización sin depender de una licencia. Los conceptos son transferibles a herramientas comerciales equivalentes, y el módulo 1 incluye qué buscar si tu organización ya usa otra plataforma.

¿Qué me llevo concretamente al terminar?

Tres artefactos construidos por ti: un catálogo de datos con metadatos y linaje, un pipeline funcionando con controles de calidad, y la documentación que respalda ambos. Es evidencia de implementación, no apuntes de clase.

¿Es un curso teórico de gobierno de datos?

No. No se trabaja el caso de negocio, la estructura organizacional ni los modelos de madurez. Es un laboratorio: cada concepto se introduce e inmediatamente se implementa. Si buscas el nivel estratégico, el camino es la consultoría de Gobierno y calidad de datos.

¿Sirve para cumplir con la Ley 21.719?

Aporta la capa técnica del cumplimiento: clasificación de datos personales, controles de acceso, anonimización y registro de tratamientos aplicados sobre flujos reales. No reemplaza el trabajo jurídico ni el diseño del programa de cumplimiento; lo hace ejecutable. Para el marco normativo completo está el curso dedicado a la Ley 21.719.

¿Qué necesito tener listo antes de empezar?

Un equipo capaz de ejecutar contenedores, o un entorno preparado según las instrucciones de instalación que se entregan antes del inicio. Conviene resolverlo con anticipación: el taller parte configurando, no instalando.

¿Se puede dictar para mi organización con nuestros propios datos?

Sí, en modalidad cerrada. Los ejercicios pueden trabajarse sobre un conjunto de datos de la organización, lo que hace que el catálogo y el pipeline construidos durante el taller queden directamente utilizables. Se coordina con anticipación para preparar el dataset.

¿Entrega certificación oficial?

No incluye examen de certificación externo. Passus entrega certificado de participación al finalizar.

¿Cuál es la diferencia con la consultoría de gobierno de datos?

El taller forma personas para implementar: sales sabiendo hacerlo. La consultoría interviene la organización: diagnostica, diseña el programa, define roles y acompaña la ejecución. Muchas organizaciones hacen el taller primero, para que el equipo entienda el trabajo antes de dimensionar el proyecto.

¿Por qué la mayoría de los programas de gobierno de datos se estanca?

Porque quedan en el documento: políticas escritas y roles en un organigrama, sin cambios en cómo se trabaja con los datos. El módulo 5 aborda directamente esos errores frecuentes y qué prácticas sostienen el programa más allá de los primeros meses.