¿Cuál es el mejor catálogo de datos en 2026?

Atlan es el catálogo que más citan los equipos que trabajan con Snowflake, dbt y una herramienta de BI. Junta en una misma interfaz el catálogo, el glosario de negocio, el linaje, el gobierno y la calidad. Anuncia 110 conectores nativos y sabe colocarse encima de los catálogos que ya tienes, como Microsoft Purview o Snowflake Horizon, de los que recoge los metadatos. Esto te sirve si tu empresa ya tiene un catálogo «nativo» en una nube y quiere una capa común por encima.

Su gran baza es la IA. Sus agentes recorren tu patrimonio de datos, proponen descripciones de tablas, enlazan los términos del glosario con las columnas y sugieren métricas. Un servidor MCP (el protocolo que deja a un asistente como Claude o ChatGPT consultar una herramienta) da ese contexto a tus agentes de IA. En la práctica, tu asistente sabe qué significa «ventas netas» en tu empresa antes de escribir la consulta SQL.

La pega es el precio: ni planes ni importes en la web, solo una cita. Los usuarios también hablan de una curva de aprendizaje dura para los recién llegados y de conectores de terceros mejorables fuera de los grandes almacenes. Y la web no detalla dónde se alojan tus metadatos: si el RGPD te preocupa, pregúntalo antes de la segunda reunión.

OpenMetadata es el catálogo de código abierto que más aparece cuando buscas una solución gratuita. Cubre más de 130 servicios de datos, un glosario (términos, definiciones de métricas, semántica) y un servidor MCP para conectar tus agentes de IA. Puedes instalarlo en tu propia infraestructura, así que decides dónde viven tus metadatos: en un centro de datos en España, si así lo exige tu política de seguridad.

Si no quieres instalar nada, Collate, la empresa detrás del proyecto, ofrece un plan gratuito alojado. Sus límites están claros: 5 usuarios, 500 activos de datos, un clúster compartido, conectores ilimitados pero actualización semanal, y sin inicio de sesión único (SSO). Y una trampa que conviene saber: un clúster inactivo se recupera a las 4 semanas. Los planes Premium (25 usuarios, 5.000 activos) y Enterprise (50 usuarios, 10.000 activos, ilimitado como opción) pasan por una demo, con SaaS dedicado, híbrido o instalado en tu propia nube.

En los foros de ingenieros de datos, OpenMetadata suele salir como la mejor apuesta de código abierto, con un matiz: sigue siendo más limitado que un catálogo comercial de gama alta. También pide menos piezas que DataHub, y por tanto menos mantenimiento.

DataGalaxy es un editor francés de gobierno del dato y de la IA. Vende dos productos. DataGalaxy Catalog cubre el descubrimiento de datos, el glosario de negocio, el linaje, el gobierno y la calidad. DataGalaxy Portfolio gestiona tus casos de uso, tus solicitudes y tus productos de datos, con un seguimiento del valor que generan. Las integraciones anunciadas incluyen Snowflake, Databricks, Power BI y Looker, entre otras.

En precio no muestra nada: cada plan lleva a una solicitud de presupuesto y no se menciona prueba gratuita. En alojamiento, el plan Portfolio Start anuncia un SaaS en Europa o en Estados Unidos, y Scale un entorno dedicado en la región que elijas. Para el plan Catalog, la página de precios no precisa la región: haz que la escriban en el contrato. Es el argumento que más pesa en una empresa española que quiere evitar transferencias de metadatos fuera de la UE.

Las opiniones públicas son muy buenas, alrededor de 4,8 sobre 5, pero poco detalladas. Es una buena señal, no una prueba: pide dos clientes de tu tamaño con los que hablar, si puede ser en España.

Collibra es la herramienta de las grandes organizaciones que deben demostrar quién es dueño de cada dato, quién accede a él y de dónde viene. Su catálogo organiza el linaje, las clasificaciones, los responsables y las políticas, con diagramas interactivos para seguir los flujos. Una capa semántica une los datos técnicos con los términos del glosario y las políticas. La clasificación automática detecta categorías sensibles como los datos personales o de salud, justo lo que pide un registro de actividades de tratamiento bajo el RGPD.

Anuncia más de 100 conectores nativos (nubes, bases, aplicaciones, herramientas de BI, sistemas heredados), un asistente de IA que responde preguntas sobre tus datos y redacta descripciones, además de contratos de datos y un mercado interno para publicar productos de datos.

La pega es conocida: es una de las opciones más caras, y los usuarios hablan de módulos vendidos por separado (gobierno, linaje, calidad). Los despliegues contados van de unas semanas a varios meses. No publica precios.

DataHub nació en LinkedIn y sigue siendo uno de los catálogos de código abierto más usados. Se publica con licencia Apache 2.0, así que puedes instalarlo y modificarlo libremente. Traza el linaje a nivel de columna, desde la fuente hasta el cuadro de mando, ofrece un glosario de negocio con responsables e historial de versiones, y añade controles de calidad y de frescura de los datos.

A cambio, hay que operarlo. DataHub pide más piezas que OpenMetadata (motor de búsqueda, cola de mensajes, base de grafos), y esas piezas se actualizan, se caen y hay que vigilarlas. Como orden de magnitud, un catálogo autoalojado ocupa entre un cuarto y una jornada completa de un ingeniero de plataforma. Si no quieres cargar con eso, DataHub Cloud es la versión gestionada por el editor, con compromiso de servicio.

Al autoalojarlo, tus metadatos se quedan donde tú decidas: en tu nube en una región europea o en tu propio centro de datos. Los ingenieros de datos destacan además su historial de uso en BigQuery y Snowflake: ves qué tablas se consultan de verdad.

Si ya estás en Databricks, la pregunta no es «¿qué catálogo compro?» sino «¿necesito algo más que Unity Catalog?». Va incluido en los planes Premium y Enterprise: sin licencia aparte, solo pagas el cómputo y el almacenamiento que ya consumes. Traza de forma automática el linaje hasta la columna, para tus tablas y también para tus modelos de IA.

Los equipos que migran a Databricks suelen adoptarlo de serie, y tiene lógica: el catálogo ya lo sabe todo de tus tablas y de tus permisos. El límite aparece cuando tus datos salen de Databricks. Un CRM, la hoja de cálculo de finanzas o una base antigua quedan al margen, y el linaje fuera de la plataforma funciona mal.

En soberanía, el catálogo vive en la misma región que tu espacio de trabajo de Databricks: si lo desplegaste en una región europea, tus metadatos se quedan ahí. Compruébalo en la consola antes de documentar nada sensible.

Microsoft Purview es el catálogo obvio si tus datos viven en Azure, Fabric y Power BI: se conecta sin proyecto de integración y hereda tus cuentas y tus permisos. Su nuevo catálogo (Unified Catalog) se factura por uso, por activo gobernado. El primer MB de almacenamiento del Data Map es gratis para todos los clientes.

Para que tengas un orden de magnitud, Microsoft publica un ejemplo: 200 activos gobernados cuestan 100 $ en 30 días, sin descuentos. Divide y te salen unos 0,50 $ por activo en el periodo del ejemplo. Es un cálculo sacado de ese ejemplo, no una tarifa publicada: rehazlo en la calculadora de Azure con tu número de activos, tu región y tu moneda antes de presupuestar.

Los límites que cuentan los usuarios son claros: lagunas en cuanto conectas tecnologías fuera de Microsoft, y una navegación que los equipos de negocio encuentran menos eficaz. El nuevo catálogo además obliga a pasar a la versión empresarial. A favor, si tu cuenta de Azure está en una región europea, la cuestión de dónde se guardan tus metadatos se resuelve con la misma configuración que el resto de tus servicios.