OpenDataDiscovery

OpenDataDiscovery es una plataforma de código abierto diseñada para ayudar a las organizaciones a comprender y gestionar sus datos. Actúa como un núcleo central para el descubrimiento, la observabilidad y la gobernanza de datos. La herramienta mapea automáticamente dónde residen sus datos, cómo fluyen entre sistemas (su linaje) y quién es el propietario de los mismos. Esto ofrece a los equipos una vista clara y rastreable de todos sus activos de datos, desde bases de datos como PostgreSQL y Snowflake hasta herramientas de aprendizaje automático como Kubeflow y SageMaker.

Lo que hace que OpenDataDiscovery destaque es su enfoque en ser un catálogo federado. En lugar de reemplazar sus herramientas actuales, se conecta a ellas. Puede integrar una amplia variedad de fuentes de datos, herramientas de calidad de datos e incluso otros catálogos de datos. La plataforma utiliza entonces estos metadatos recopilados para ofrecer funciones como la visualización automática del linaje, alertas integradas de calidad de datos y la gestión de datos de referencia. Está diseñada para desplegarse con Docker o Kubernetes, y dispone de una prueba gratuita de una versión alojada.

Esta herramienta es una opción sólida para ingenieros de datos, científicos de datos y equipos de gobernanza en empresas con pilas de datos complejas. Les ayuda a responder preguntas críticas rápidamente: si un flujo de datos se rompe, pueden ver qué informes o modelos downstream se ven afectados. Cuando alguien necesita un conjunto de datos específico, puede buscarlo en el catálogo para encontrarlo y ver su puntuación de calidad y su propietario. Simplifica la tarea, a menudo caótica, de hacer un seguimiento de los datos a través de muchos sistemas diferentes.