¿Qué es un glosario empresarial?
Un glosario empresarial es un repositorio, seleccionado cuidadosamente y de ámbito organizativo, que recoge definiciones consensuadas de términos y métricas empresariales. Responde a una pregunta que, aunque parezca sencilla, no lo es tanto: cuando dos equipos hablan de «ingresos», ¿se refieren a lo mismo?
Sin un glosario común, los analistas de finanzas, ventas y marketing pueden presentar cifras de ingresos diferentes, todas ellas técnicamente correctas según sus propias definiciones, pero incompatibles entre sí. El glosario empresarial elimina esa ambigüedad al establecer una definición de referencia en la que puedan basarse todos los equipos, sistemas y modelos de IA.
Glosario empresarial, diccionario de datos y catálogo de datos: en qué se diferencian
Estas tres herramientas suelen confundirse entre sí. Resuelven problemas relacionados, pero distintos.
| Glosario empresarial | Diccionario de datos | Catálogo de datos | |
|---|---|---|---|
| Público principal | Usuarios empresariales, directivos, responsables de datos | Ingenieros de datos, analistas y desarrolladores | Equipos de datos, analistas, responsables de gobernanza de datos |
| Qué define | Conceptos y métricas empresariales en lenguaje sencillo | Características técnicas de los campos de datos y las tablas | Metadatos sobre los activos de datos en todos los sistemas |
| Idioma | Lenguaje empresarial («Ingresos netos = ventas facturadas menos devoluciones») | Lenguaje técnico («campo: net_rev, tipo: decimal(12,2), nulo: falso») | Misto (nombres de activos, propietarios, etiquetas, linaje) |
| Alcance | Definiciones conceptuales a nivel de toda la organización | Específico del sistema o de la base de datos | Panorama de los datos de la empresa |
| Propiedad de | Gobernanza de datos, partes interesadas de la empresa | Ingeniería de datos, administradores de bases de datos | Plataforma de datos o equipo de gobernanza |
| Ejemplo de entrada | «Pérdida de clientes: el porcentaje de clientes que no renovaron su contrato en los 90 días siguientes a su vencimiento». | «churn_flag: booleano, derivado de renewal_date IS NULL WHERE days_since_expiry > 90» | Activo: customer_churn_model, propietario: analytics_eng, última actualización: 01/05/2026, fuente: tabla «contracts» |
| Relación entre sí | Define el concepto | Aplica el concepto a los datos | Localiza dónde se encuentra el concepto |
En resumen: El glosario define elsignificado de un término, el diccionario define cómo sealmacena y el catálogo define dónde seencuentra.
Ejemplo de entrada en un glosario
Una entrada bien estructurada contiene algo más que una definición. A continuación se muestra un ejemplo comentado.
| Campo | Valor |
|---|---|
| Término | Retención de ingresos netos (NRR) |
| Definición | Porcentaje de ingresos recurrentes retenidos de los clientes actuales durante un periodo móvil de 12 meses, incluyendo las ampliaciones, las reducciones y la pérdida de clientes. No incluye los ingresos procedentes de nuevos clientes. |
| Cálculo | (MRR inicial + MRR de expansión − MRR de contracción − MRR perdido) ÷ MRR inicial × 100 |
| Sistema de origen | Plataforma de facturación (tabla de contratos) |
| Propietario | Vicepresidente de Finanzas |
| Mayordomo | Equipo de análisis de ingresos |
| Estado | Aprobado |
| Fecha de entrada en vigor | 1 de enero de 2025 |
| Términos relacionados | Retención de ingresos brutos, ingresos recurrentes mensuales, tasa de abandono, valor del ciclo de vida del cliente |
| Notas | Las ampliaciones incluyen ventas adicionales y la incorporación de nuevas licencias. Las reducciones incluyen únicamente los cambios a un plan inferior; no se aplican a las cuotas únicas. |
Cómo elaborar un glosario empresarial: un proceso de trabajo concreto
Paso 1: Identificar y priorizar los términos
No intentes definirlo todo de una vez. Empieza por los términos que plantean más dificultades: las métricas utilizadas en los informes dirigidos al consejo de administración, los términos que aparecen en varios sistemas con valores diferentes y los indicadores clave de rendimiento (KPI) vinculados a la remuneración o al cumplimiento normativo.
Criterios de priorización:
- Gran impacto en la empresa (se utiliza en la toma de decisiones, en previsiones o en la presentación de documentación reglamentaria).
- Alta ambigüedad (que actualmente se define de forma diferente según los equipos).
- Alta frecuencia (aparece con regularidad en paneles de control, informes o flujos de datos).
El objetivo es incluir entre 20 y 50 términos en la versión inicial. La exhaustividad es el enemigo de la aceptación en el momento del lanzamiento.
Paso 2: Asignar la responsabilidad antes de redactar las definiciones
Cada término requiere dos funciones:
- Responsable: La parte interesada de la empresa responsable de la definición (por ejemplo, el director financiero es responsable de «Ingresos»).
- Responsable: El profesional de datos que vela por la precisión técnica y mantiene la información actualizada.
Sin una responsabilidad clara, las definiciones se van desviando y las entradas quedan obsoletas.
Paso 3: Organizar sesiones de validación con las partes interesadas
Elabora los borradores de las definiciones en pequeñas sesiones de trabajo, no a través del correo electrónico del comité. Una sesión de trabajo de 60 minutos con el responsable, el coordinador y uno o dos usuarios finales puede resolver los conflictos sobre las definiciones más rápidamente que semanas de intercambios asíncronos.
Lista de comprobación para cada sesión:
- ¿Cuál es el significado en lenguaje sencillo?
- ¿Qué queda expresamente excluido?
- ¿Cuál es el cálculo (si procede)?
- ¿Qué sistema es la fuente de referencia?
- ¿Qué términos relacionados hay que vincular?
Paso 4: Publicar e integrar
Un glosario solo aporta valor si está disponible allí donde se trabaja. Incorpora las definiciones en:
- Informaciones sobre herramientas de BI y encabezados de informes
- Descripciones de los activos del catálogo de datos
- Documentación de incorporación
- Contratos de datos y documentación sobre el proceso de tratamiento de datos
Paso 5: Establecer una periodicidad para las revisiones
Programa revisiones trimestrales como mínimo. Inicia revisiones inmediatas cuando:
- Cambios en el sistema de origen
- Un cambio en el modelo de negocio afecta a la forma en que se calcula una métrica
- Una fusión o adquisición da lugar a definiciones contradictorias
- Se vuelve a entrenar o se actualiza un modelo de IA/aprendizaje automático entrenado con datos vinculados a un glosario
Elección de la plataforma: hoja de cálculo, wiki o plataforma de inteligencia de datos
| Hoja de cálculo | Wiki (Confluence, Notion) | Plataforma de inteligencia de datos | |
|---|---|---|---|
| Tiempo de instalación | Acta | Horario | Días a semanas |
| Coste | Gratis | Bajo | Más alto |
| Integración con sistemas de datos | Ninguno | Limitado (enlaces manuales) | Nativo (catálogo, linaje, procesos) |
| Búsqueda y visibilidad | Pobre (Ctrl+F) | Moderado | Fuerte (semántico, basado en etiquetas) |
| Control de versiones | Manual | Básico | Registro de auditoría completo |
| Flujo de trabajo de gobernanza | Ninguno | Proceso de aprobación manual | Revisión y aprobación configurables |
| Escalabilidad | Desglosa los términos a partir de unos 200 | Se puede gestionar hasta unos 500 términos | Se adapta a miles de términos |
| Ideal para | Equipos que acaban de empezar, prueba de concepto | Equipos pequeños con necesidades de gestión sencillas | Organizaciones con un sistema de gobernanza de datos consolidado o que deben cumplir requisitos normativos |
Recomendación según el plazo de vencimiento:
- En las primeras etapas (menos de 50 términos, sin estructura de gobernanza formal): Basta con una hoja de cálculo o una wiki. Céntrate en acordar y documentar las definiciones, no en la herramienta.
- En fase de crecimiento (entre 50 y 300 términos, varios equipos que utilizan los datos): Pásate a una wiki con un flujo de trabajo de aprobación definido antes de que los términos se multipliquen.
- Ampliación (más de 300 términos, sector regulado o uso activo de IA/ML): Es necesaria una plataforma dedicada de inteligencia de datos con integración de catálogos. Las herramientas manuales generan más deuda de gobernanza de la que ahorran.
Errores comunes y antipatrones
1. Definirlo todo antes del lanzamiento: intentar documentar 500 términos antes de poner en marcha el proyecto garantiza que este se estanque. Lanza el proyecto con los 20-30 términos de mayor prioridad y ve perfeccionándolo sobre la marcha.
2. Sin responsables asignados: Una definición sin un responsable es una opinión. En cuestión de meses, los equipos la ignorarán de manera informal y el glosario perderá su autoridad.
3. Lenguaje técnico en las definiciones empresariales: «El NRR se deriva del campo net_mrr_delta del esquema de facturación» es una entrada del diccionario de datos, no una entrada del glosario. Las definiciones empresariales deben ser comprensibles para personas que nunca hayan visto la base de datos.
4. Entradas estáticas que nunca se revisan:unglosario que era preciso en 2023 pero que no se ha revisado desde entonces es peor que no tener glosario alguno. Genera una falsa sensación de seguridad. Incorpora la periodicidad de las revisiones en el modelo de gestión antes del lanzamiento.
5. Considerar el glosario como un proyecto de un solo equipo: Si solo el equipo de datos se encarga de crearlo y mantenerlo, su uso fuera de ese equipo será mínimo. Los responsables de negocio deben desempeñar un papel visible.
6. Falta de conexión con los sistemas posteriores: Un glosario que se encuentre en un documento independiente, sin conexión con tus herramientas de BI, tu catálogo de datos o tus flujos de datos, será ignorado. La integración es lo que lo convierte de un documento de referencia en un activo operativo.
Glosario empresarial y preparación para la IA
A medida que las organizaciones implementan modelos de inteligencia artificial y aprendizaje automático, el glosario empresarial se convierte en un activo fundamental para la gobernanza, y no solo en una herramienta de referencia para las personas.
Desviación semántica
El lenguaje evoluciona. Es posible que el término «cliente activo» tenga hoy un significado diferente para tu equipo de ventas del que tenía cuando se entrenó tu modelo de recomendación. Si la definición del glosario cambia, pero los datos de entrenamiento del modelo no, se produce una deriva semántica: el modelo se está optimizando para una definición que ya no se ajusta a la intención empresarial.
Un glosario con versiones y fechas de vigencia permite detectar la deriva semántica. Cuando cambia una definición, los equipos de datos y de aprendizaje automático pueden evaluar si es necesario volver a entrenar o evaluar los modelos entrenados con ese concepto.
Puesta a tierra del LLM
Los modelos de lenguaje a gran escala (LLM) que se utilizan internamente para análisis, elaboración de informes o casos de uso orientados al cliente necesitan un vocabulario estructurado para evitar que inventen definiciones erróneas de las métricas. Un glosario empresarial bien mantenido puede servir para fundamentar los resultados de los LLM, proporcionando al modelo definiciones fiables para que no pueda inventarse su propia interpretación de términos como «rotación» o «conversión».
Documentación sobre las funciones
Las características de aprendizaje automático derivadas de métricas empresariales (por ejemplo, una puntuación de riesgo de pérdida de clientes calculada a partir del NRR, la frecuencia de inicio de sesión y el volumen de tickets de asistencia) deben remontarse a las definiciones del glosario en las que se basan cada uno de los datos de entrada. Esto favorece la explicabilidad del modelo y permite contrastar las predicciones con la lógica empresarial.
Contratos de datos
Los flujos de trabajo de IA que utilizan datos de producción se benefician de los contratos de datos formales que hacen referencia a definiciones aprobadas en el glosario. Si la definición de un término en la fase inicial cambia, el contrato se rompe de forma explícita, en lugar de corromper de forma silenciosa los resultados de los modelos en las fases posteriores.
Por qué Actian es el socio ideal para su negocio Glosario
Un glosario empresarial es más eficaz cuando está conectado a los datos, los sistemas y los flujos de trabajo a los que da soporte. Aquí es donde Actian ayuda a las organizaciones a pasar de definiciones estáticas a una base verdaderamente integrada para la gobernanza y el análisis.
Con la plataforma Actian Data Intelligence Platform, usted puede:
- Centralice los términos comerciales en un solo lugar.
- Mantener la coherencia de los datos en todos los sistemas.
- Conecta las definiciones con fuentes de datos reales.
- Admite metadatos y flujos de trabajo de gobernanza.
- Habilite un lenguaje empresarial común en todos los departamentos.
- Adapte las definiciones a medida que crece su ecosistema de datos.
Actian proporciona a las organizaciones la estabilidad, la visibilidad y el control necesarios para convertir un glosario empresarial en un activo estratégico. Si está listo para crear o modernizar su glosario y reforzar sus bases de gobernanza, Actian le ofrece la plataforma que le ayudará a conseguirlo. Solicite hoy mismo una demostración personalizada de la plataforma de inteligencia de datos de Actian.
Preguntas frecuentes
Un glosario empresarial defineel significado deun término en el lenguaje empresarial; está destinado a las personas. Un diccionario de datos define cómo serepresentaun término en una base de datos; está destinado a los sistemas y a los ingenieros. Una entrada del glosario para «valor del ciclo de vida del cliente» explica el concepto empresarial y el cálculo aprobado en un lenguaje sencillo. La entrada correspondiente del diccionario de datos especifica el nombre del campo, el tipo de datos, las restricciones de valores nulos y la tabla en la que se encuentra. Ambos son necesarios; ninguno sustituye al otro.
Un catálogo de datos recopila los activos de datos de toda la organización —tablas, paneles de control, flujos de datos, modelos— junto con los metadatos de cada activo (propietario, linaje, uso). Un glosario empresarial define los conceptos y las métricas que representan esos activos. Ambos elementos son complementarios: el catálogo indica dónde se encuentran los datos de «ingresos»; el glosario explica qué significa «ingresos». La mayoría de los programas de gobernanza de datos bien desarrollados vinculan los términos del glosario con los activos del catálogo, de modo que cada activo de datos se vincula a una definición aprobada.
Empieza por los términos que: (a) se utilicen con frecuencia en la toma de decisiones y la elaboración de informes; (b) sean ambiguos entre los distintos equipos; o (c) estén relacionados con el cumplimiento normativo o la información financiera. Entre las categorías habituales para empezar se incluyen las métricas financieras básicas (ingresos, margen, coste), las métricas de clientes (tasa de abandono, retención, LTV, clientes activos), las métricas operativas (SLA, rendimiento, utilización) y los términos regulados específicos de cada ámbito. Evita la tentación de incluir todos los campos técnicos o parámetros específicos de cada sistema; esos pertenecen al diccionario de datos.
Asigna un responsable y un gestor a cada término. Programa revisiones trimestrales de todo el glosario y activa revisiones inmediatas cuando cambien los sistemas de origen, los modelos de negocio o los requisitos normativos. Utiliza un sistema con versiones que registre cuándo se modificaron las definiciones y quién aprobó el cambio. Retira o archiva los términos que ya no se utilicen, en lugar de dejar definiciones obsoletas en el glosario activo.
De tres maneras. En primer lugar, evita la deriva semántica al hacer que los cambios en las definiciones sean explícitos y estén versionados, de modo que los equipos puedan evaluar si los modelos entrenados con un concepto concreto deben volver a entrenarse cuando cambie la definición. En segundo lugar, puede utilizarse para fundamentar los modelos de lenguaje grande (LLM) internos, dotándolos de un vocabulario de referencia que les impida inventarse definiciones de métricas. En tercer lugar, favorece la explicabilidad de los modelos y los contratos de datos al documentar la definición aprobada de cada característica utilizada en un modelo.
La responsabilidad tiene dos niveles. El programa en sí suele ser responsabilidad de una función de gobernanza de datos, de un director de datos o de un consejo de gestores de datos —quienquiera que sea el responsable de la calidad y la coherencia de los datos en toda la organización—. Los términos individuales son responsabilidad de los responsables empresariales que más se encargan de ese concepto (por ejemplo, el director financiero se encarga de las definiciones de ingresos, y el director de marketing, de las definiciones de atribución de marketing). El equipo de datos actúa como gestor —garantizando la precisión técnica—, pero no debe ser el único autor ni la única autoridad en cuanto al significado empresarial.
Consulte la entrada de ejemplo anterior sobre «Retención de ingresos netos». Una entrada completa incluye: nombre del término, definición en lenguaje sencillo, cálculo (si el término es una métrica), sistema de referencia oficial, responsable de negocio, gestor de datos, estado de aprobación, fecha de entrada en vigor y enlaces a términos relacionados. Los campos opcionales incluyen notas de uso, exclusiones y enlaces a paneles de control o recursos del catálogo relacionados.
El linaje de datos traza el recorrido que siguen los datos desde los sistemas de origen, pasando por las transformaciones, hasta su destino final en informes o modelos. Un glosario empresarial define elsignificadode los conceptos en los extremos de dicho linaje. Juntos, responden tanto a la pregunta «¿de dónde procede esta cifra?» (linaje) como a «¿qué significa esta cifra?» (glosario). Para los sectores regulados y la gobernanza de la IA, vincular el linaje a las definiciones aprobadas en el glosario es un control clave: permite rastrear una métrica comunicada hasta su origen y confirmar que se ha calculado de acuerdo con la definición aprobada en todo el proceso.
