Registros y metadatos que describen los orígenes, la filiación, el historial de procesamiento y los atributos contextuales de los datos para apoyar trazabilidad, confianza, auditoría y reutilización conforme.

Principio

Capturar identificadores, pasos de transformación, agentes, marcas temporales y parámetros relevantes en cada etapa de la recolección y el procesamiento de datos para que sea posible reconstruir o explicar cómo se originaron los datos dentro de límites conocidos.

Demostración

Un conjunto de datos acompañado de metadatos que registran los archivos fuente, consultas de extracción, operaciones de limpieza aplicadas, fechas e identificadores de agentes, lo que permite a un auditor rastrear un valor hasta su fuente original y los pasos que lo produjeron.

Aplicación incorrecta

Tratar la procedencia incompleta u optimista como prueba de corrección; registrar solo procedencia gruesa o metadatos inconsistentes puede dar una falsa sensación de trazabilidad y fallar en controles regulatorios o científicos.

Consecuencia

Una procedencia robusta aumenta la responsabilidad sobre los datos, permite análisis reproducibles, facilita la depuración y la evaluación de riesgos, y apoya cumplimiento y reutilización; recopilar procedencia exhaustiva puede ser costoso y plantear problemas de privacidad.

Inversión

Conjuntos de datos sin procedencia o con filiación borrada donde ni el origen ni el historial de procesamiento pueden reconstruirse, produciendo insumos opacos difíciles de confiar o reutilizar con seguridad.

Límite

Se centra en la filiación y metadatos contextuales; se distingue del versionado de datos (que rastrea estados a lo largo del tiempo), aunque se solapan; la procedencia no garantiza por sí sola corrección, exhaustividad o ausencia de sesgos.

Tensión semántica

Tensión entre calidad de los datos y privacidad: la procedencia detallada ayuda a evaluar la calidad pero puede exponer detalles operativos sensibles; la procedencia mínima protege la privacidad pero reduce la trazabilidad.

Síntesis

La procedencia de datos es la captura estructurada de información de origen y procesamiento: al registrar fuentes, transformaciones, agentes y contexto, la procedencia proporciona los medios para evaluar, reproducir y gobernar el uso de datos equilibrando coste y privacidad.