DMBOK y TOGAF: estándares para la gestión y arquitectura de datos
La arquitectura empresarial se entiende como el diseño integral del sistema organizacional, abarcando no solo los componentes tecnológicos, sino también los procesos, los productos y las propuestas de valor del negocio. Desde esta perspectiva, los datos se transforman en un activo transversal que conecta todas las capas de la organización.
1. La metodología del desarrollo TOGAF
los data vaults, o bóvedas de datos, corresponden a un patrón de diseño de modelado de datos que permite la implementación de un almacén de datos, para análisis a escala empresarial.
En este sentido, un data vault corresponde a un data warehouse general, pero acondicionado para realizar análisis más profundos de datos y con mayor rapidez.
Es necesario indicar que un data vault no es necesariamente la competencia de los data warehouses clásicos, sino que más bien viene a constituir una mejora a partir de ellos.
Los data vaults permiten almacenar datos históricos acumulativos, sin necesidad de actualizaciones o eliminaciones de registros, aplicando una metodología ágil e incremental, sin embargo, a diferencia de los data warehouses normales, los data vaults se compondrán de 3 capas distintivas:
| Capas | Descripción |
|---|---|
| La bóveda en crudo (raw vault) | Corresponde a la capa que contiene los datos en crudo, es decir, idénticos a los datos originales, solo insertados, sin actualizaciones o eliminaciones. También en esta capa se almacenarán metadatos e información de autoría sobre los datos originales |
| La bóveda del negocio (business vault) | Corresponde a la capa que aplica cálculos, fórmulas, transformaciones, limpieza de datos y reglas de negocio sobre los datos de la capa anterior |
| La bóveda de información (information vault) | Conocida también como almacén de información, o information mart, corresponde a la capa de presentación que permitirá que los usuarios reciban información analítica y reportes. Se contruye normalmente a partir de esquemas estrella (star schemes) que representen data marts. Esta capa también puede aplicar nuevas transformaciones a los datos para alimentar otros softwares de inteligencia de negocios, según sea requerido |

Elementos internos de un data vault
Para complementar la introducción a los data vaults, es correcto también señalar que en la capa de bóbeda en crudo (o raw vault) existen 3 tipos de elementos nuevos, que le dan a la data vault su característica distintiva de ser muy escalable en el tiempo. Estos 3 elementos se conocen como:
| Elementos | Descripción |
|---|---|
| Hubs | Son tablas que representan conceptos claves del negocio, como productos, vehículos, usuarios, clientes, etc. Almacenan llaves primarias respecto de los datos originales y metadatos para identificar características únicas sobre los datos originales. Puede tener uno o varios satélites |
| Enlaces (links) | Representan las relaciones entre las tablas de tipo hub. Los enlaces también son tablas, pero que almacenan llaves primarias de negocio y datos relevantes sobre ambos hubs enlazados. Puede tener uno o varios satélites |
| Satélites (satellites) | Estas tablas guardan información descriptiva acerca de las tablas de tipo hub y link. Contendrán atributos que describirán los estados o características de los hubs y links en el tiempo. Un satélite no puede conectarse directamente a otro satélite |

Características de los data vault
- Ser inherentemente ágiles, en el sentido de su forma de diseño
- Tienen estructura extensible en el tiempo y son muy flexibles en su diseño
- Pueden escalarse para manejar petabytes de datos
- Usan patrones que favorecen la aplicación de procesos de tipo ETL
- Usan una arquitectura común, basada en capas, esquema estrella y procesamiento ETL
- Utilizan las ventajas de la tercera forma normal y el equema estrella
2. La metodología de desarrollo DMBOK
Existe una organización de lucro, llamada la Data Administration Management Association (DAMA) que fue formada hacia 1980 para dedicarse al avance en conceptos y prácticas relacionadas con el manejo y gestión de datos e información. La asociación DAMA International publica un documento conocido como Data Management Body of Knowledge (DMBOK) y que entrega una serie de recomendaciones para el diseño e implementación de sistemas de manejo de datos empresariales.
Según lo indicado en su página web, DAMA-DMBOK puede ayudar a las organizaciones a diseñar, estructurar y organizar sus entidades de datos, en pos de que puedan ser utilizadas junto a otras tecnologías avanzadas, como la inteligencia artificial y el machine learning.
Áreas del marco DAMA-DMBOK
DAMA-DMBOK organiza la disciplina de manejo de datos en 11 áreas diferentes, que son:
- Gobernanza de datos
- Arquitectura de datos
- Modelamiento y diseño de datos
- Almacenamiento y operaciones sobre datos
- Seguridad sobre datos
- Integración e interoperación sobre datos
- Gestión y manejo de documentos y contenidos
- Data warehousing e inteligencia de negocios
- Manejo de metadatos
- Manejo de datos maestros y de referencia
- Manejo de calidad de datos

DAMA-DMBOK entrega conceptos, información y sugerencias de aplicación para cada una de estas áreas de manejo de datos, de forma tal que los diseñadores de sistemas de gestión y almacenamiento de datos cuenten con un estándar sobre el cual basar su proceso de análisis, diseño e implementación de soluciones. Winks (2025) también se refiere a las ventajas ofrecidas al seguir el framework DMBOK, entre las cuales se cuentan:
- Ámbito de aplicacion comprensivo y conocido de antemano
- Uso de terminología estandarizada
- Claridad en los roles de usuarios y administradores
- Mapeo apropiado de la madurez del proceso
- Uso de las mejores prácticas independientes
- Solida base de gobernanza
Implementación del marco DAMA-DMBOK
Los pasos para la implementación del framework DAMA-DMBOK, van desde una autevaluación de la madurez del proceso de gestión de datos actual, identificación de áreas de mejora, desarrollo de un plan de mejora, asignación de roles, entrenamiento y monitorización actual y futura dentro de la organización
