En la revisión de agosto de 2026 de la guía del examen Cloud Digital Leader, el dominio 2 (alrededor del 18%) empieza por "el papel intrínseco que desempeñan los datos en la transformación digital de una organización". Incluye varias preguntas de conceptos: distinguir bases de datos, almacenes de datos y data lakes; los datos de primera, segunda y tercera parte; la cadena de suministro de datos; la gobernanza de datos, y la apertura necesaria para evitar los silos de datos y la dependencia de un proveedor. Son preguntas que se resuelven entendiendo primero los conceptos, no memorizando nombres de productos.
Este artículo empieza por por qué los datos son valiosos y recorre después los tres tipos de almacenes de datos, los tipos de datos, la cadena de suministro de datos, la gobernanza de datos y la apertura e interoperabilidad. Los fundamentos de los datos estructurados, semiestructurados y no estructurados y de servicios de almacenamiento como Cloud Storage y BigQuery se tratan primero en Transformación de datos.
---
Por qué los datos son valiosos
Los datos son la brújula de una organización. Te dicen dónde estás, hacia dónde te diriges y hacia dónde deberías ir. La guía del examen da cuatro razones por las que los datos son valiosos.
| Valor | Significado | Ejemplo | |------|------|------| | Información de negocio en tiempo real | Ver lo que ocurre ahora y responder al instante | Detectar al momento una actividad de pago inusual para frenar un fraude | | Identificar tendencias | Encontrar cambios y patrones a lo largo del tiempo | Usar las tendencias de ventas por temporada para preparar el inventario con antelación | | Toma de decisiones estratégicas | Fijar el rumbo con pruebas y no por intuición | Elegir dónde abrir tiendas nuevas según la rentabilidad por zona | | Alimentar la IA | Los buenos datos hacen buenos modelos de IA | Entrenar un agente de atención al cliente con conversaciones anteriores |
Consejo para el examen: Si una pregunta busca "el factor más importante para mejorar el rendimiento de un modelo de IA", la respuesta suele ser contar con datos de alta calidad. Recuerda que los datos son a la vez el objeto del análisis y el combustible que mueve la IA.
---
Bases de datos, almacenes de datos y data lakes
Los tres almacenes tienen propósitos distintos. Una base de datos es como la caja de una tienda: registra transacciones con rapidez. Un almacén de datos es como una biblioteca bien ordenada que guarda datos depurados para el análisis. Un data lake es como un enorme almacén que primero lo acumula todo en bruto, sea cual sea el formato.
| Aspecto | Base de datos | Almacén de datos | Data lake | |------|------|------|------| | Propósito principal | Procesamiento de transacciones diarias (OLTP) | Análisis a gran escala (OLAP) e informes | Guardar grandes volúmenes de datos en bruto tal cual | | Forma de los datos | Principalmente estructurados | Estructurados y semiestructurados, depurados e integrados | Estructurados, semiestructurados y no estructurados | | Cuándo se define la estructura | Antes de guardar | Antes de guardar (se carga tras depurar) | Al leer (primero se guarda) | | Usuarios principales | Aplicaciones | Analistas y dirección | Científicos de datos e ingenieros de datos | | Ejemplos en Google Cloud | Cloud SQL, AlloyDB, Spanner, Firestore | BigQuery | Cloud Storage |
Hoy en día muchas organizaciones usan también un lakehouse, que combina la flexibilidad de un lake con las capacidades de gestión de un almacén. En Google Cloud, BigQuery y Lakehouse (que cambió de nombre desde BigLake en abril de 2026) permiten que varios motores, como BigQuery y Spark, compartan datos guardados en formatos de tabla abiertos como Apache Iceberg.
Consejo para el examen: "El almacén detrás de una aplicación que recibe pedidos y descuenta inventario" es una base de datos. "Combinar datos de varios sistemas para elaborar informes de gestión" es un almacén de datos (BigQuery). "Guardar a bajo costo registros, imágenes y datos de sensores sin procesarlos antes" es un data lake (Cloud Storage).
---
Tipos de datos: quién los recopiló y qué forma tienen
Según el origen: datos de primera, segunda y tercera parte
| Tipo | Significado | Ejemplo | Características | |------|------|------|------| | Datos de primera parte (first-party) | Recopilados directamente por tu organización en sus propios puntos de contacto con el cliente | Visitas al sitio web, historial de compras, datos de uso de la aplicación | Los más precisos y fiables; exigen gestionar el consentimiento de los clientes | | Datos de segunda parte (second-party) | Datos de primera parte de otra organización que esta comparte directamente contigo mediante un acuerdo | Datos de clientes que comparten una aerolínea y un hotel asociados | Proceden de un socio cuyo origen está claro | | Datos de tercera parte (third-party) | Datos reunidos de muchas fuentes y vendidos por alguien sin relación con quien los recopiló | Datos demográficos y de intereses que vende un proveedor de datos | Gran alcance, pero es difícil verificar su exactitud y su origen |
Según la forma: estructurados, semiestructurados y no estructurados
| Tipo | Características | Ejemplos | |------|------|------| | Datos estructurados | Un formato de tabla fijo de filas y columnas | Tablas de pedidos, datos de ventas | | Datos semiestructurados | No son una tabla, pero tienen cierta estructura mediante etiquetas o pares clave-valor | JSON, XML, registros de eventos | | Datos no estructurados | Sin formato predefinido | Imágenes, video, audio, cuerpos de correo electrónico |
Consejo para el examen: "Un socio compartió directamente con nosotros los datos de sus propios clientes según un contrato" son datos de segunda parte. "Datos recopilados directamente desde nuestra aplicación" son de primera parte, y "datos comprados a un proveedor externo" son de tercera parte.
---
La cadena de suministro de datos: de la génesis a la activación
Igual que los productos agrícolas se cosechan en el campo y pasan por la selección, el envasado y el almacenamiento antes de llegar a la mesa, los datos atraviesan varias etapas desde que se crean hasta que generan valor real. La guía del examen llama a este flujo la cadena de suministro de datos y lo divide en seis etapas.
!Las seis etapas de la cadena de suministro de datos: génesis, recopilación, procesamiento, almacenamiento, análisis y activación, con los productos de Google Cloud de cada una
| Etapa | Qué ocurre | Ejemplos en Google Cloud | |------|------|------| | Génesis | Los datos se crean por primera vez | Clics en la aplicación, pagos, sensores IoT, registros del sistema | | Recopilación | Se reúnen datos de muchas fuentes | Pub/Sub, Storage Transfer Service, BigQuery Data Transfer Service | | Procesamiento | Los datos se limpian, se transforman y se combinan | Dataflow, Managed Service for Apache Spark | | Almacenamiento | Los datos se guardan en el almacén que corresponde a su uso | Cloud Storage, BigQuery, Cloud SQL | | Análisis | Se plantean preguntas para encontrar patrones e información útil | BigQuery, BigQuery ML | | Activación | La información se conecta con acciones y trabajo reales | Paneles de Looker, alertas, recomendaciones personalizadas, agentes de IA |
La etapa que más se pasa por alto es la activación. Si el análisis termina en un informe, no crea valor. Cuando encuentras a los clientes con más probabilidad de irse, la lista tiene que llegar al sistema de marketing y los cupones de descuento tienen que enviarse para que se convierta en valor de negocio.
Consejo para el examen: "La etapa que conecta los resultados del análisis con los sistemas de negocio y las decisiones reales" es la activación de datos. También hay preguntas sobre el orden de las etapas, así que recuerda génesis → recopilación → procesamiento → almacenamiento → análisis → activación.
---
Gobernanza de datos: datos en los que se puede confiar
La gobernanza de datos es como un bibliotecario. Mantiene un catálogo de dónde está cada libro, decide quién puede llevarse qué y retira los libros dañados para que todos puedan fiarse de la colección. Cuantos más datos tiene una organización, más importa esta gestión; sin ella, nadie se fía de los datos.
| Ámbito de gobernanza | Qué hace | Ejemplos en Google Cloud | |------|------|------| | Descubrimiento y catálogo | Enumera qué datos existen y dónde, y define los términos de negocio | Knowledge Catalog (antes Dataplex Universal Catalog) | | Calidad de los datos | Comprueba aspectos de calidad como la exactitud y la integridad | Funciones de calidad de datos de Knowledge Catalog | | Linaje | Sigue de dónde vienen los datos y cómo se transformaron | Funciones de linaje de Knowledge Catalog | | Control de acceso | Decide quién puede ver qué datos | IAM, seguridad por columnas y por filas de BigQuery | | Protección y cumplimiento | Encuentra y enmascara datos sensibles y gestiona la conservación | Sensitive Data Protection |
La gobernanza de datos importa por estas razones:
Permite cumplir normativas como las leyes de privacidad Evita la confusión de que cada departamento calcule la misma métrica de forma distinta, lo que hace más fiables las decisiones Garantiza la calidad y el origen de los datos que se usan para entrenar la IA Reduce el riesgo de que los datos sensibles queden expuestos a quien no debe
Consejo para el examen: "Seguir de dónde vienen los datos y qué transformaciones sufrieron" es el linaje de datos. "Encontrar y catalogar los datos de toda la organización y gestionar su calidad" apunta a una herramienta de gobernanza de datos como Knowledge Catalog.
---
Apertura e interoperabilidad: evitar silos y dependencia de un proveedor
Un silo de datos es una situación en la que cada departamento guarda sus datos por separado y nadie más puede verlos. Si la información de clientes del equipo de ventas no está conectada con el historial de cons