El Ciclo de Vida de los Datos: Gobernanza, Etapas y Comparativa de Marcos
Gestiona la información como un activo estratégico. Comparamos el ciclo estándar de 6 etapas, el modelo de 8 pasos de Harvard (Wing & HBS) y los marcos metodológicos de Dell EMC, CRISP-DM, SAS y Big Data.
Gonzalo LobosFounder & Lead Engineer
Tratar los datos como activos corporativos exige gestionar todo su ciclo de existencia, garantizando su precisión, seguridad y ética desde la primera interacción hasta su eliminación.[1]Fuente [1]Google Data Analytics Certificate / Coursera"Foundations: Data, Data Everywhere - The 6 Stages of the Data Life Cycle"[2]Fuente [2]Harvard Data Science Review / Jeannette M. Wing"The Data Life Cycle (Columbia University / MIT Press)"
A diferencia del proceso analítico puntual (diseñado para responder preguntas de negocio inmediatas), el ciclo de vida de los datos establece el marco de gobernanza continuo con el que la organización custodia, transforma y extrae valor de la información a lo largo del tiempo.[1]Fuente [1]Google Data Analytics Certificate / Coursera"Foundations: Data, Data Everywhere - The 6 Stages of the Data Life Cycle"[2]Fuente [2]Harvard Data Science Review / Jeannette M. Wing"The Data Life Cycle (Columbia University / MIT Press)"
1. El Ciclo de Vida Estándar de 6 Etapas (Gobernanza General)
El modelo general de gestión de datos organiza la gobernanza operativa en seis fases secuenciales:[1]Fuente [1]Google Data Analytics Certificate / Coursera"Foundations: Data, Data Everywhere - The 6 Stages of the Data Life Cycle"
1. Planificar (Plan): Definir qué datos se necesitan, cómo se administrarán, bajo qué estándares y quiénes serán los responsables (data stewards) de su custodia.
2. Capturar (Capture): Recolectar la información desde diversas fuentes (formularios web, transacciones, sensores o compras de bases externas).
3. Gestionar (Manage): Mantenimiento activo de la información: almacenamiento seguro, limpieza de registros, respaldos y protección de datos sensibles.
4. Analizar (Analyze): Utilizar los datos procesados para responder preguntas comerciales, predecir tendencias y tomar decisiones estratégicas.
5. Archivar (Archive): Guardar datos históricos que ya no se usan a diario en repositorios fríos a largo plazo para reducir costos de servidor.
6. Destruir (Destroy): Depurar de forma segura y permanente la información obsoleta o duplicada para cumplir con normativas de privacidad.
2. El Enfoque Extendido de Harvard (8 Pasos + Ética Transversal)
Desarrollado por Jeannette M. Wing (Columbia University / Harvard Data Science Review) y respaldado por Harvard Business School, este modelo expande la perspectiva técnica a 8 pasos orientados a la creación de valor y comunicación:[2]Fuente [2]Harvard Data Science Review / Jeannette M. Wing"The Data Life Cycle (Columbia University / MIT Press)"[3]Fuente [3]Harvard Business School Online / Tim Stobierski"8 Steps in the Data Life Cycle"
1. Generación (Generation): Creación continua de datos crudos por usuarios, sensores o transacciones digitales.
2. Recolección (Collection): Selección de qué datos generados vale la pena capturar según los objetivos del proyecto.
3. Procesamiento (Processing): Limpieza (wrangling), compresión, cifrado y estructuración de la información.
4. Almacenamiento (Storage): Guardado físico o en la nube estableciendo redundancias de seguridad.
5. Gestión (Management): Organización, control de accesos, auditoría de cambios y gestión de metadatos.
6. Análisis (Analysis): Aplicación de técnicas estadísticas, exploración (EDA) y modelos de Machine Learning.
7. Visualización (Visualization): Creación de representaciones gráficas comprensibles para audiencias no técnicas.
8. Interpretación (Interpretation): Traducción de los hallazgos visuales en una narrativa con implicaciones claras para el negocio.
Privacidad y Ética Transversal: Como enfatiza la Dra. Jeannette Wing, la privacidad y la responsabilidad ética no son una etapa final, sino una consideración obligatoria presente en cada una de las 8 fases del ciclo.[2]Fuente [2]Harvard Data Science Review / Jeannette M. Wing"The Data Life Cycle (Columbia University / MIT Press)"
3. Comparativa de Marcos Metodológicos según la Industria
Tanto si se aborda la analítica desde la Ciencia de Datos, la Inteligencia de Negocios (BI), el desarrollo de IA o el Big Data, la industria adapta estas etapas bajo marcos metodológicos específicos:
Ciencia de Datos e IA (Ciclo Cíclico de Dell EMC): Desarrollado por David Dietrich para EMC Corporation, organiza el trabajo en 6 fases (Descubrimiento, Preprocesamiento, Planificación del modelo, Construcción del modelo, Comunicación de resultados y Operacionalización). Prioriza la formulación previa de hipótesis, la preparación en entornos sandbox y la validación técnica antes de desplegar en producción.[4]Fuente [4]Wiley Online Library / EMC"Data Science and Big Data Analytics - Chapter 2: Data Analytics Lifecycle (David Dietrich)"
Negocios y BI (Estándar Google / CRISP-DM): Alineado con el estándar global desarrollado por IBM, sintetiza el trabajo en 6 etapas orientadas a decisiones comerciales rápidas (Ask/Business Understanding, Prepare, Process, Analyze, Share, Act). Resuelve problemas del negocio identificando causas raíz y midiendo el retorno de inversión.[1]Fuente [1]Google Data Analytics Certificate / Coursera"Foundations: Data, Data Everywhere - The 6 Stages of the Data Life Cycle"[5]Fuente [5]Pingax / Vignesh Prajapati"Data Analytics Project Life Cycle: 6 Phases, Frameworks & Real-World Playbook"
Modelado de IA Continuo (Enfoque SAS): Propone un flujo continuo centrado en la exploración profunda e ingeniería de variables (Exploración 'Know Thy Data', Tratamiento e imputación de nulos, Transformación de variables, Desarrollo e iteración de modelos, Despliegue y evaluación continua).[7]Fuente [7]SAS Communities / SAS Institute"Data-Driven Analytics in SAS Viya – The AI and Analytics Lifecycle"
Big Data e Ingeniería Avanzada (Ciclo de Thomas Erl): Desglosa el trabajo en 9 etapas (Evaluación del caso de negocio, Identificación de datos, Adquisición y filtrado, Extracción, Validación y limpieza, Agregación y representación, Análisis, Visualización y Utilización). Prioriza el filtrado automatizado de ruido y la preservación de metadatos de procedencia en volúmenes masivos.[6]Fuente [6]InformIT / Pearson Education"Big Data Fundamentals: Concepts, Drivers & Techniques - Chapter 3: Big Data Analytics Lifecycle (Thomas Erl et al.)"
Regulaciones y Sector Científico (USGS / Bancario): El sector financiero incorpora etapas de validación estricta (Qualify, Transform, Purge) para cumplir normativas bancarias, mientras que organismos como el USGS o USFWS priorizan controles de calidad (QA/QC), preservación histórica (Preserve) y publicación transparente (Publish/Share).[8]Fuente [8]U.S. Geological Survey (USGS) & USFWS"Science Data Lifecycle Model & Data Management Life Cycle Framework"
💡 ¿Para qué te sirve esto como emprendedor?
Para seleccionar el marco adecuado según tu meta: Usa Google/CRISP-DM para decisiones comerciales cotidianas, Dell EMC o SAS si vas a entrenar algoritmos predictivos con datos complejos, y Thomas Erl si tu infraestructura procesa volúmenes masivos de datos no estructurados.
Para controlar costos de infraestructura: Definir cuándo archivar o purgar datos evita pagos excesivos de almacenamiento en la nube.
Para mitigar riesgos legales: Integrar ética y privacidad en la fase de captura y almacenamiento reduce el riesgo de multas o filtraciones de datos sensibles de clientes.
Para asegurar la continuidad del negocio: Designar encargados de datos (Data Stewards) garantiza que existan respaldos, metadatos y controles de acceso en cada etapa.
Conclusión: Gobernar los datos a lo largo de todo su ciclo de vida y elegir el marco metodológico adecuado asegura que la información permanezca precisa, protegida y lista para generar valor comercial sostenible.