Data Governance en una multinacional: owners globales, stewards locales y quién decide qué
Cuando una empresa opera en varios países, la pregunta aparece enseguida: ¿los dueños del dato (data owners) son globales, regionales o por país? No hay una respuesta única, pero sí un patrón que funciona con más frecuencia: decisiones de definición compartidas globalmente solo donde el dato se consolida, y trabajo diario y aprobación local en el resto. Este artículo explica cómo decidirlo y cómo evitar que el rol de owner global se quede en un título sin efecto.
El problema: un owner global lejos del contexto
Es un debate recurrente entre responsables de datos de empresas con presencia en varios países. Un Data Owner global aporta coherencia: una sola definición de «cliente», «proveedor activo» o «ingreso» para los informes del grupo. Pero si ese owner está lejos del negocio, no entiende el contexto local, tarda en decidir y acaba aprobando sin criterio o bloqueando cambios razonables. Un modelo totalmente local tiene el problema contrario: cada país define lo suyo y el grupo no puede consolidar nada.
La salida habitual es un modelo federado: una capa global pequeña que fija lo imprescindible y unas capas regionales o locales que operan el día a día. Es el mismo principio que usa DAMA-DMBOK al hablar de modelos operativos de gobierno del dato: centralizado, descentralizado o federado, según el grado de autonomía de cada unidad.
Qué debe ser global y qué local
Un criterio práctico es preguntarse si el dato se consolida o se compara entre países. Si es así, la definición debe ser única. Si no, puede ser local.
| Tipo de dato | Quién define | Quién aprueba cambios | Ejemplo |
|---|---|---|---|
| Dato que entra en informes del grupo | Owner global del dominio, con steward ejecutivo | Órgano de gobierno de datos con representación local | Qué es un cliente activo |
| Dato con regulación o formato local | Steward local, validado por el owner | Owner local | Formato de identificación fiscal, código postal |
| Dato de uso casi exclusivamente local | Owner local | Owner local | KPI de una campaña de un país |
Cinco preguntas para asignar a un Data Owner
Antes de nombrar owners, conviene responder por dominio y por dato crítico:
- ¿Quién define el significado de este dato?
- ¿Quién define las reglas con las que debe generarse y mantenerse?
- ¿Quién puede decidir cambiar esas reglas?
- ¿Quién responde del impacto de negocio si el dato es incorrecto?
- Si dos áreas o países no están de acuerdo, ¿quién decide?
Si una de las respuestas es «nadie» o «depende», el rol de owner todavía no existe, aunque haya una persona con ese título.
Por qué los stewards casi siempre funcionan mejor en local
El Data Steward es quien hace el trabajo: detecta inconsistencias, mantiene el glosario, aplica las reglas de calidad. Para eso necesita conocer los procesos de negocio y los sistemas de su país, que suelen ser distintos. También conoce las particularidades del dato local: no todos los países usan código postal, hay identificadores que empiezan por cero y se pierden al cargarlos como número, y la regulación cambia qué datos de clientes se pueden actualizar y cómo.
Aun así, conviene un steward ejecutivo o global que mantenga las definiciones del grupo y coordine a los locales. Su función no es aprobar cada cambio, sino asegurar que los cambios locales no rompen lo que se consolida.
Cómo resolver los conflictos entre global y local
- Clasificar el cambio. ¿Afecta a datos que se consolidan o solo a la operación local?
- Evaluar el impacto. El steward propone y documenta qué informes, cuadros de mando y procesos se ven afectados.
- Decidir en el nivel correcto. Local si el impacto es local; órgano de gobierno de datos si afecta a varios países.
- Registrar la decisión. Una definición sin fecha, owner y motivo se vuelve a discutir dentro de seis meses.
Una señal útil: si el responsable global necesita un contexto local adicional para entender un cuadro de mando, probablemente está viendo más detalle del necesario y habría que revisar los productos de datos que se le entregan.
Errores habituales
- Owners globales sin otra función. Si su único trabajo es ser owner, no tienen contacto con el dato ni con quien lo usa.
- Copiar el framework de la casa matriz sin adaptarlo. Lo razonable es mantener los principios y protocolos de alto nivel y adaptar el modelo operativo a cada país.
- No documentar qué es global. Sin esa lista, cada país interpreta a su manera.
- Olvidar la regulación. Las transferencias de datos personales entre países y los requisitos locales deben revisarse con asesoramiento jurídico; este artículo es solo orientativo.
Relación con el AI Act
Si el grupo usa sistemas de IA de alto riesgo, el artículo 10 del AI Act exige prácticas de gobernanza de los datos de entrenamiento, validación y prueba. Con el aplazamiento del Digital Omnibus, esas obligaciones se aplican a partir del 2 de diciembre de 2027 para los sistemas del Anexo III. Tener claro quién es responsable de cada dataset en cada entidad es una base útil para cuando llegue ese momento.
Preguntas frecuentes
¿Los data owners deben ser globales o locales en una multinacional?
Depende del dato. Los datos que se consolidan en informes del grupo necesitan una definición única y, por tanto, un owner con alcance global. Los datos de impacto sobre todo local pueden tener owner local. Lo importante es dejar por escrito qué datos son de cada tipo.
¿Dónde deben estar los data stewards?
Normalmente en cada país o unidad de negocio, porque trabajan a diario con los datos y conocen los procesos, los sistemas y la regulación local. Pueden coordinarse con un steward global que mantenga las definiciones del grupo.
¿Qué hago cuando un país quiere cambiar una definición que afecta al grupo?
El steward local lo propone, el owner del dominio evalúa el impacto y, si afecta a varios países, se decide en un órgano de gobierno de datos con representación local. Si el impacto es solo local, lo aprueba el owner local.
¿En qué punto está tu Data Governance?
Diagnóstico gratis con tus gaps prioritarios, más el autodiagnóstico y la calculadora de ahorro del camino de Data Governance.