Qué es Data Lineage

Definición

El linaje de datos consiste en rastrear el recorrido de los datos desde su origen, pasando por sus transformaciones, hasta un informe, modelo o solución. En términos sencillos, este concepto ayuda a construir servicios fiables en torno a los modelos: datos, cómputo, accesos, despliegue y monitorización. En la práctica, sirve para entender qué capacidades tiene realmente la herramienta, qué datos necesitará y qué limitaciones conviene revisar antes de implementarla.

Ejemplo

El auditor ve de qué tablas y transformaciones se obtuvo el conjunto de datos para entrenar el modelo.

Por qué importa

El linaje de datos ayuda a verificar errores, cumplimiento normativo y reproducibilidad de los proyectos de IA. Esto ayuda a elegir herramientas de IA no por grandes promesas, sino por cómo funcionan en una tarea real.

Cómo funciona

Por lo general, el proceso comienza con las fuentes de datos y el entorno, y después se configuran los cómputos, los accesos, la automatización, la monitorización y las reglas de seguridad. En el caso del término «linaje de datos», conviene revisar por separado los datos, los criterios de calidad y las condiciones de uso.

Dónde se usa

• Se encuentra en proyectos en los que son importantes el almacenamiento de datos, el cómputo, la integración, el despliegue, la seguridad y el funcionamiento estable de los servicios de IA.

Limitaciones

Las limitaciones están relacionadas con el coste del cómputo, la seguridad, la calidad de los datos, la latencia, la disponibilidad del servicio y la complejidad del mantenimiento.

FAQ