Tecnología · corte 27 de julio de 2026
Tecnología de gestión y gobernanza en diez capas: desde dónde vive el dato hasta quién responde por lo que decide un modelo. La pregunta empieza antes de cotizar.
Este catálogo existe para desactivar una confusión, no para alimentarla. Ninguna de estas 101 herramientas es un programa de gobernanza; todas son maquinaria que ejecuta decisiones que alguien tuvo que tomar antes. Por eso cada capa arranca con la pregunta que hay que haber respondido antes de cotizar, y cada herramienta trae lo que no resuelve.
La secuencia importa más que la marca. Comprar un catálogo antes de tener dueños produce un inventario de tablas huérfanas; comprar observabilidad antes de que exista una consecuencia produce alertas que nadie atiende. Empiece por el orden, no por el proveedor.
Procedencia
Los hechos corporativos —fusiones, compras, fechas— están verificados contra comunicado oficial y aparecen abajo con enlace. Las posiciones de mercado no se afirman aquí: casi toda la literatura que compara estas herramientas la escriben los propios proveedores, y un cuadrante citado de segunda mano no es una fuente. Este archivo se desactualiza rápido; por eso está fechado al 27 de julio de 2026.
De abajo hacia arriba. Cada capa depende de que la anterior tenga dueño, no de que tenga herramienta.
35 de las 101 son de código abierto. Para una organización mediana colombiana, la combinación de PostgreSQL, dbt, OpenMetadata y Soda cubre ocho de las diez capas con licencia cero — y falla exactamente en lo mismo en que fallan las caras: en quién responde.
La pregunta que llega a un comité nunca es cuál herramienta es mejor, sino qué se compra primero. Ahí es donde se pierde la plata.
En qué orden se compra
Marque lo que ya es cierto en su organización. Las dependencias del modelo están escritas debajo de cada respuesta: discútalas.
Lo que ya es cierto hoy
Filtre por capa, busque por nombre o quédese solo con lo abierto. Ninguna entrada dice cuál es la mejor: dicen qué hace y qué no resuelve.
¿Dónde vive el dato y con qué motor se consulta?
Lo que hay que haber respondido antes de cotizar
¿Quién paga la factura y quién decide qué se guarda? Es la única capa cuyo costo crece solo, sin que nadie apruebe nada.
Plataforma de lakehouse sobre Spark, con gobierno integrado en Unity Catalog y su propio ecosistema de IA.
Ojo: Su gobierno es excelente adentro y termina en el borde de la plataforma. Lo que vive en el ERP, en el CRM o en un Excel sigue sin gobernar.
Almacén y lakehouse gestionado, con separación de cómputo y almacenamiento y gobierno bajo la marca Horizon.
Ojo: La facilidad para crear cómputo es su virtud comercial y su riesgo de gobierno: el gasto crece por decisiones que nadie aprueba en comité.
Almacén analítico sin servidor, con gobierno vía Dataplex y control de acceso a nivel de columna y fila.
Almacén analítico de AWS, integrado con Lake Formation y el catálogo de Glue.
Plataforma unificada de datos y analítica sobre OneLake, con gobierno delegado en Purview.
Ojo: La integración con Office y Power BI es su mayor ventaja de adopción y su mayor riesgo: el dato llega a manos que nunca pasaron por una política.
Motor de consulta sobre lakehouse abierto, con foco en Iceberg y en federar sin copiar.
Base columnar de altísimo rendimiento para analítica en tiempo real.
Motor analítico embebido que corre en un portátil y lee Parquet e Iceberg sin infraestructura.
Ojo: Es la herramienta que le devuelve poder al analista, y por eso también la que produce análisis paralelos que nadie registra.
DuckDB gestionado en la nube, con almacenamiento y colaboración.
La base relacional de propósito general más usada. Sigue siendo la respuesta correcta para la mayoría de las organizaciones colombianas.
Ojo: Antes de comprar un lakehouse conviene preguntarse si el problema no era, en realidad, que nadie ordenó el Postgres que ya existe.
La base transaccional dominante en banca y sector público de la región, con su propia pila de seguridad y auditoría.
Base relacional y motor analítico, con enmascaramiento dinámico y auditoría nativos.
Almacén empresarial de larga trayectoria, todavía vivo en telecomunicaciones y banca grande.
¿En qué formato queda el dato y quién controla el permiso de lectura?
Lo que hay que haber respondido antes de cotizar
¿De quién es el dato si mañana cambiamos de proveedor? Esta capa es la que decide si hay portabilidad o si hay cautiverio.
Formato de tabla abierto que ganó la discusión: los cinco grandes motores lo leen y lo escriben. Aporta versiones, viaje en el tiempo y evolución de esquema.
Ojo: Adoptarlo es una decisión de gobierno, no de arquitectura: es lo que determina si el dato es portable el día que haya que cambiar de proveedor.
Formato de tabla transaccional nacido en Databricks; con UniForm expone las tablas también como Iceberg.
Formato de tabla con foco en escrituras incrementales y actualizaciones frecuentes.
El formato columnar de archivo sobre el que se apoyan casi todos los demás.
Catálogo REST abierto para Iceberg, donado por Snowflake a la Apache Software Foundation. Es la pieza que decide qué motor puede leer qué tabla.
Ojo: Que el catálogo técnico sea neutro es lo que impide que la capa de permisos quede secuestrada por un proveedor. Vale la pena pelearlo en el contrato.
Catálogo de gobierno de Databricks —permisos, linaje, auditoría—, con una versión de código abierto.
Ojo: Cubre tablas, archivos, modelos y funciones dentro de su universo. Fuera de él, no existe.
Polaris ofrecido como servicio gestionado, con el gobierno de Horizon alrededor.
El catálogo técnico por defecto del ecosistema AWS, base de Athena, EMR y Redshift Spectrum.
Catálogo con semántica de ramas y confirmaciones: permite versionar el estado del lakehouse como se versiona código.
El catálogo técnico heredado del mundo Hadoop. Sigue sosteniendo más plataformas de las que a nadie le gustaría admitir.
Ojo: Migrar de aquí a un catálogo REST moderno es uno de los proyectos que más se subestiman: toca permisos, linaje y todo lo que dependía de él.
¿Cómo llega el dato desde donde nace hasta donde se usa?
Lo que hay que haber respondido antes de cotizar
¿Quién autorizó copiar ese dato? Cada conector nuevo es una copia más de la que alguien tiene que responder.
Ingesta gestionada con cientos de conectores. Desde la fusión con dbt Labs, ingesta y transformación viven bajo el mismo techo.
Ojo: Cada conector que se activa en dos clics es una copia de datos personales que alguien tendría que haber autorizado. La facilidad es el riesgo.
Plataforma de ingesta de código abierto con conectores comunitarios y opción gestionada.
El bus de eventos estándar para mover datos en tiempo real entre sistemas.
Kafka gestionado con registro de esquemas, gobierno de flujos y conectores.
Ojo: El registro de esquemas es una pieza de gobernanza y casi nadie la trata como tal: es donde se pactan los contratos de datos en tiempo real.
Captura de cambios (CDC) desde bases transaccionales hacia flujos de eventos.
Orquestador visual de flujos de datos con trazabilidad de procedencia integrada.
Servicio de integración y orquestación de datos del ecosistema Azure.
Servicio de migración y replicación continua de bases de datos.
Ingesta en tiempo real con captura de cambios y materialización continua.
Ingesta declarativa basada en el estándar Singer, versionable como código.
¿Cómo se convierte el dato crudo en la cifra que alguien mira?
Lo que hay que haber respondido antes de cotizar
¿Cuál es la definición acordada de la métrica? Si no existe, la transformación la va a inventar un ingeniero a las once de la noche.
El estándar de transformación en SQL: modelos versionados, pruebas, documentación y linaje generados desde el código.
Ojo: Sus pruebas son el control de calidad más barato que existe y el que más se deja apagado «mientras salimos del sprint».
Alternativa a dbt con entornos virtuales y comprensión del SQL a nivel de columna.
El orquestador de flujos más extendido. Programa, reintenta y deja registro de qué corrió y cuándo.
Orquestador centrado en activos de datos y no en tareas: sabe qué tabla produce cada paso.
Ojo: Ese cambio de enfoque es el que permite responder «¿qué se rompe si esta fuente falla?» sin leer código.
Orquestación en Python con foco en flujos dinámicos y observabilidad de ejecuciones.
Transformación con interfaz visual y estándares reutilizables, orientada a equipos mixtos.
Orquestación nativa dentro de la plataforma, integrada con Unity Catalog.
¿Qué datos existen, qué significan, de dónde salieron y quién responde por ellos?
Lo que hay que haber respondido antes de cotizar
¿Hay dueños nombrados? Un catálogo sin dueños se llena de tablas huérfanas y muere de desactualización en un año.
Plataforma de gobierno con glosario de negocio, flujos de aprobación, políticas y catálogo. La más orientada al proceso organizacional.
Ojo: Es la herramienta que mejor modela una burocracia de datos. Si la burocracia no existe todavía, la herramienta no la crea: la espera.
Catálogo con fuerte énfasis en búsqueda, curaduría social y alfabetización de datos.
Catálogo de metadatos activos: empuja contexto y alertas hacia donde ya trabaja la gente, en vez de esperar visitas.
Ojo: La idea de metadato activo es correcta y no arregla el problema de fondo: si nadie responde por la tabla, la notificación llega a un buzón sin dueño.
La pila más completa del mercado: catálogo, calidad, integración, privacidad y datos maestros. Desde noviembre de 2025 es de Salesforce.
Ojo: Comprarla entera es comprar un programa de tres años. Casi todas las implementaciones que fracasan compraron los módulos en el orden equivocado.
Gobierno de datos y cumplimiento en el ecosistema Microsoft: catálogo, clasificación, etiquetas de sensibilidad y prevención de fuga.
Ojo: Es la opción por defecto de media Colombia porque ya está en el contrato de Microsoft. Que venga incluido no significa que esté configurado.
Catálogo y gobierno dentro de la plataforma Cloud Pak for Data, con linaje reforzado por Manta.
Plataforma unificada de calidad, catálogo y datos maestros, con automatización basada en aprendizaje.
Catálogo construido sobre un grafo de conocimiento, con foco en la relación entre términos de negocio.
Integridad de datos: calidad, gobierno, enriquecimiento y datos de localización.
Catálogo de código abierto con metadatos, linaje, calidad y glosario en un solo modelo.
Ojo: Es la puerta de entrada más razonable para una organización que todavía no puede justificar una licencia de seis cifras.
Catálogo abierto nacido en LinkedIn, con metadatos en tiempo real y una versión gestionada comercial.
Gobierno y linaje del ecosistema Hadoop. Legado, pero todavía en producción en entidades grandes.
Catálogo de descubrimiento creado en Lyft, centrado en la búsqueda del analista.
Catálogo ligero con búsqueda y documentación asistida, orientado a equipos pequeños.
Catálogo automático con linaje a nivel de columna y análisis de uso real de cada tabla.
Ojo: El dato de uso real es lo más útil que produce un catálogo y lo que menos se mira: dice qué tablas se pueden apagar.
Estándar abierto para emitir eventos de linaje desde cualquier herramienta; Marquez es su implementación de referencia.
Ojo: Que el linaje sea un estándar y no un producto es lo que evita tener que reconstruirlo entero al cambiar de catálogo.
Motor de linaje que lee el código —SQL, procedimientos, informes— y reconstruye el recorrido del dato.
¿El dato está bien, y cómo nos enteramos cuando se rompe?
Lo que hay que haber respondido antes de cotizar
¿Qué pasa cuando la alerta suena? Una alerta sin nadie que responda no es un control: es ruido con licencia anual.
Observabilidad de datos: detecta anomalías de frescura, volumen, esquema y distribución, y estima el radio de impacto.
Ojo: Detectar es la parte fácil. El valor aparece cuando cada incidente tiene un responsable asignado; sin eso, es un tablero de alarmas que la gente aprende a ignorar.
Detección de problemas de calidad con aprendizaje automático y sin escribir reglas.
Monitoreo con métricas por columna y acuerdos de servicio explícitos sobre la calidad.
Calidad como código: se declaran verificaciones, se versionan y se ejecutan en la tubería de integración continua.
Ojo: Es el camino más directo para que una regla de calidad tenga consecuencia: si falla, el despliegue se detiene.
Biblioteca de validación de datos en Python, con documentación generada a partir de las expectativas declaradas.
Observabilidad con linaje de campo a campo y monitoreo del recorrido completo.
Observabilidad de datos de despliegue rápido, ahora dentro del ecosistema de Datadog.
Observabilidad que cubre también el gasto y el rendimiento de la infraestructura de datos.
Observabilidad construida sobre dbt, que aprovecha las pruebas y los metadatos que ya existen.
Plataforma de calidad con paneles, reglas y seguimiento histórico de indicadores.
¿Quién puede ver qué, bajo qué condición, y cómo se demuestra?
Lo que hay que haber respondido antes de cotizar
¿Está clasificado el dato? No se puede escribir una política de acceso sobre activos que nadie nombró.
Control de acceso basado en atributos y políticas para plataformas de datos, con enmascaramiento dinámico y auditoría.
Ojo: Resuelve la explosión de roles: en vez de cuatrocientos roles, políticas que se evalúan en el momento. Exige, eso sí, que los datos estén etiquetados.
Gobierno de acceso unificado sobre múltiples nubes y motores, heredero del enfoque de Apache Ranger.
Autorización centralizada y auditoría para el ecosistema Hadoop y derivados.
Capa de acceso a datos que aplica políticas sin tocar el motor subyacente.
Descubrimiento y clasificación de datos personales a escala, con soporte a derechos de los titulares.
Ojo: Descubrir dónde están los datos personales es el paso que casi ninguna organización ha dado, y sin el cual no se puede responder un requerimiento en quince días hábiles.
Gobierno de datos y de IA: descubrimiento, clasificación, controles de privacidad y de acceso a modelos.
La plataforma más extendida de gestión de privacidad: consentimiento, avisos, derechos de titulares, riesgo de terceros y gobierno de IA.
Ojo: Automatiza el cumplimiento formal. Que el banner de consentimiento sea impecable no dice nada sobre lo que la organización hace con el dato después.
Permisos finos sobre el lago de datos de AWS, a nivel de tabla, columna y fila.
Gestión de secretos y credenciales dinámicas, pieza clave cuando los que acceden a los datos son sistemas y agentes.
Generación de datos sintéticos y desidentificación para ambientes de prueba.
Ojo: Es la respuesta concreta al hallazgo más común de una auditoría: que el ambiente de desarrollo tiene la base productiva de clientes.
¿Cuál es el registro único de cliente, producto, empleado?
Lo que hay que haber respondido antes de cotizar
¿Quién tiene autoridad para definir «cliente»? Sin esa decisión, un proyecto de MDM reproduce el desacuerdo dentro de una herramienta más cara.
La solución de datos maestros más implantada en empresas grandes de la región.
MDM nativo en la nube, con enfoque de grafo y perfiles unificados en tiempo real.
MDM y gobierno con enfoque incremental: empezar por un dominio y crecer.
Ojo: El enfoque incremental es el único que sobrevive en organizaciones donde nadie tiene autoridad transversal, que son casi todas.
MDM multidominio con fortaleza histórica en datos de producto y comercio.
MDM de implantación rápida, muy integrado con el ecosistema Microsoft.
Gestión de datos maestros y de referencia, con fuerte manejo de jerarquías y versiones.
¿Qué modelos hay, con qué datos se entrenaron y quién responde por sus decisiones?
Lo que hay que haber respondido antes de cotizar
¿Existe el inventario? No se puede gobernar un parque de modelos que nadie ha contado, y la mitad la contrató un área sin avisar.
Gobierno del ciclo de vida de modelos: inventario, documentación, métricas de riesgo y evidencia para auditoría.
Ojo: Está diseñado para sectores vigilados, donde el entregable no es el modelo sino el expediente que lo justifica.
Traduce marcos y regulación —EU AI Act, NIST AI RMF— en políticas, controles y evidencia sobre cada caso de uso.
Gobierno y auditoría de sistemas de IA, con énfasis en sesgo y en cumplimiento regulatorio.
Inventario de sistemas de IA y evaluaciones de impacto, integrado con la pila de privacidad y de riesgo de terceros.
Observabilidad de modelos en producción: deriva, desempeño y explicabilidad.
Monitoreo y barreras de contención para modelos generativos y agentes en producción.
Registro de experimentos, versiones y modelos. Es el inventario mínimo que toda organización con modelos debería tener.
Ojo: Sin un registro de modelos no hay gobierno de IA posible: no se puede responder por lo que no se ha contado.
Seguimiento de experimentos, evaluación y linaje de entrenamiento.
Desarrollo y despliegue de aplicaciones de IA con evaluaciones, filtros de contenido y trazabilidad.
Inventario y gobierno de IA dentro del flujo de trabajo corporativo que muchas organizaciones ya usan para todo lo demás.
¿Con qué mira el negocio el dato, y con qué definición?
Lo que hay que haber respondido antes de cotizar
¿La cifra del tablero es la oficial? Esta es la capa donde el usuario ve el resultado de todas las decisiones de gobierno que nadie tomó.
La herramienta de visualización más extendida en Colombia, integrada con Fabric y Purview.
Ojo: Su facilidad para publicar es donde nace la mitad de los problemas de gobernanza: cada informe personal se vuelve una versión más de la verdad.
Visualización y análisis exploratorio, con gobierno de contenido y certificación de fuentes.
Analítica con capa semántica en código (LookML): la métrica se define una vez y se versiona.
Ojo: Definir la métrica en código es una decisión de gobierno disfrazada de decisión técnica, y es de las mejores que se pueden tomar.
Analítica de autoservicio ligera, la puerta de entrada más común para organizaciones medianas.
Plataforma de visualización de código abierto con control de acceso por rol.
Capa semántica independiente: define métricas una sola vez y las sirve a cualquier herramienta.
Ojo: Es la respuesta técnica al problema de las tres definiciones de «cliente activo». La respuesta organizacional sigue faltando.
Capa semántica empresarial sobre el lakehouse, con modelos reutilizables entre herramientas.
Analítica e integración de datos; incorporó Talend en 2023, lo que le sumó calidad e integración.
Tres hechos verificados contra fuente primaria que explican por qué este catálogo se ve distinto al del año pasado.
1 de junio de 2026
La fusión, anunciada el 13 de octubre de 2025, se cerró el 1 de junio de 2026. La compañía combinada reporta cerca de USD 600 millones de ingresos recurrentes anuales y unos 80.000 equipos de datos.
Por qué le importa a un gerente
Dos de las cuatro piezas del «stack moderno» quedaron bajo un mismo techo. Para un comité de datos eso significa menos integraciones que sostener y un proveedor más difícil de sustituir: la conveniencia operativa y el riesgo de dependencia crecen juntos.
18 de noviembre de 2025
Operación de USD 8.000 millones de valor patrimonial, anunciada en mayo de 2025 y completada antes de lo previsto. Lleva catálogo, calidad, privacidad, metadatos y datos maestros a la plataforma de Salesforce.
Por qué le importa a un gerente
La pila de gobierno más completa del mercado dejó de ser neutral: ahora pertenece a un proveedor de aplicaciones de negocio. Quien la tenga contratada debería revisar qué pasa con su hoja de ruta y con el precio en la próxima renovación.
1 de julio de 2026
Los grandes motores —Databricks, Snowflake, AWS, Google y Microsoft— leen y escriben Apache Iceberg. Apache Polaris, el catálogo REST donado por Snowflake, se ofrece como servicio gestionado por más de un proveedor.
Por qué le importa a un gerente
Es la mejor noticia de gobernanza de la década para quien compra: el formato dejó de ser un mecanismo de cautiverio. La pelea se movió al catálogo, que es donde viven los permisos — y por eso ahí es donde hay que mirar el contrato.
Falta una undécima capa y no tiene proveedores: el acta donde queda escrito quién es el dueño del dato, la política que alguien firmó, la consecuencia que se aplicó la primera vez que alguien la incumplió. Esa capa no se compra, no se instala y no se puede tercerizar — y es la única sin la cual las otras diez son gasto.
Cuando un proveedor le presente su plataforma, la pregunta que corta no es cuánto cuesta ni qué integra. Es: si instalamos esto mañana, ¿qué decisión se toma distinto y quién responde por ella? Si no hay respuesta, todavía no era el momento de cotizar.
Los términos que aparecen en este catálogo están explicados en el glosario, y los controles de seguridad que varias de estas herramientas implementan, en el catálogo de ciberseguridad.