Cierro esta serie sobre Collibra con la pregunta que más me hacen cuando cuento que trabajo tanto con virtualización de datos como con gobierno de datos: si ya tengo un catálogo en mi capa de virtualización, ¿para qué necesito otro catálogo encima? La respuesta corta es que no compiten, gobiernan cosas distintas.
Qué es Collibra Catalog
Collibra Data Catalog crea y mantiene un inventario de los activos de datos de toda la organización, con el objetivo declarado de hacerlos «más fáciles de encontrar y de confiar en ellos para tomar decisiones de negocio con criterio». La plataforma integra y muestra los metadatos procedentes de múltiples fuentes: bases de datos, data lakes, almacenes analíticos, aplicaciones corporativas, herramientas ETL y soluciones de BI.
Entre las integraciones que soporta de forma nativa aparecen plataformas cloud como Azure Data Lake Storage, Amazon S3 o Google Cloud Storage, sistemas como Snowflake, Databricks Unity Catalog, Microsoft Fabric o soluciones SAP, y conexiones genéricas vía JDBC a prácticamente cualquier base de datos relacional. Más allá de traer los metadatos en bruto, Collibra permite enriquecerlos con perfilado estadístico (profiling), muestras de datos, contexto de negocio (enlazando con el Business Glossary), trazabilidad de linaje y métricas de calidad de datos, como las reglas que vimos en el artículo anterior.
Metadatos, perfilado y linaje: el vocabulario del catálogo
Tres conceptos aparecen constantemente en la documentación de Collibra Catalog. Los metadatos son «datos sobre datos» que se incorporan a Collibra al registrar o integrar una fuente de datos. El perfilado aporta resúmenes estadísticos que dan información sobre el tipo y la forma de los datos. Y el linaje traza el flujo del dato desde su origen hasta los puntos donde se consume, incluyendo tanto una vista de negocio como una vista técnica.
Para acceder a la aplicación de catálogo, un usuario necesita un rol global con permisos de Catalog, como el de «Catalog Author». Esto conecta directamente con el modelo operativo del que hablamos al principio de esta serie: incluso el simple hecho de navegar por el catálogo está sujeto a roles y permisos definidos de antemano.
Catálogo de gobierno vs. catálogo de virtualización
Aquí es donde entra la comparación con Denodo. Un catálogo de virtualización, como el que ya describí en el artículo sobre el Data Catalog de Denodo, está pensado para que un usuario de negocio descubra y consuma vistas ya virtualizadas y listas para usar: datos combinados en tiempo real desde varias fuentes, expuestos como si fueran una única tabla, sin que el usuario tenga que saber de dónde viene realmente cada dato.
Collibra Catalog, en cambio, opera un nivel por encima: no sustituye ni virtualiza los datos, sino que inventaria metadatos de todas las fuentes de la organización, incluida potencialmente la propia capa de virtualización, ya que Denodo puede exponerse como una fuente más vía JDBC. El resultado es que un mismo activo puede tener dos «vidas» complementarias: en Denodo aparece como una vista de negocio lista para consultar, y en Collibra aparece catalogado con su definición de negocio asociada, su propietario, su estado de aprobación y, si se han definido, sus reglas de calidad.
En resumen: Denodo responde a «¿qué vista puedo consultar ya mismo para resolver este análisis?», mientras que Collibra responde a «¿qué significa este dato, quién responde por él y puedo confiar en su calidad?». Son preguntas distintas y, en una arquitectura de datos madura, ambas necesitan respuesta.
| Aspecto | Denodo (virtualización) | Collibra (gobierno) |
|---|---|---|
| Foco | Consumo de vistas ya integradas | Inventario y gobierno de metadatos |
| Alcance | Fuentes conectadas a la capa de virtualización | Toda la organización, incluida la propia capa de virtualización |
| Pregunta que responde | ¿Qué puedo consultar ahora? | ¿Puedo confiar en este dato y quién responde por él? |
- No dupliques el trabajo de documentación: si una vista ya está descrita en el catálogo de Denodo, enlázala desde Collibra en lugar de redefinirla.
- Registra la capa de virtualización como una fuente más en Collibra Catalog para que herede reglas de calidad y trazabilidad de negocio.
- Usa Denodo para el «último kilómetro» de consumo y Collibra para la trazabilidad y el gobierno de extremo a extremo.
Con esto cierro la serie: desde el modelo operativo y los roles, pasando por el glosario, los workflows y la calidad de datos, hasta el catálogo que conecta todas las piezas con el resto del ecosistema de datos de la organización.
¿Quieres repasar cómo se definen y monitorizan las reglas de calidad sobre los activos de este catálogo?
Leer sobre Data Quality en Collibra