Mapeo visual y cronológico del ciclo de vida completo de un dato, registrando su origen exacto, transformaciones matemáticas intermedias y destinos finales.
Explicación y Contexto Conceptual
Data Lineage (linaje o trazabilidad de datos) es la herramienta fundamental de auditoría y confianza en la ciencia de datos moderna. En entornos corporativos donde los datos atraviesan decenas de transformaciones complejas entre APIs, modelos dbt, tablas intermedias y dashboards ejecutivos, cuando un directivo ve una cifra extraña en un reporte ('¿Por qué el CAC de este mes cayó un 40%?'), los analistas solían tardar días en desentrañar el misterio.
El linaje de datos genera un grafo acíclico dirigido (DAG) automatizado que muestra la genealogía exacta de cada métrica: revela de qué tabla cruda proviene cada número, qué modelo SQL aplicó los filtros, quién modificó la fórmula la semana pasada y qué reportes o tableros de BI dependen de esa columna.
Es indispensable para certificar auditorías financieras, cumplir con normativas de privacidad (demostrar de dónde provino el consentimiento de un correo) y prevenir que cambios de código en ingeniería rompan los dashboards de la junta directiva.
Ejemplo en la Práctica
Una auditoría de linaje descubre que el reporte de ventas estaba duplicado porque dos modelos dbt diferentes sumaban las mismas órdenes de Shopify y Mercado Pago.