Entiende de dónde viene cada dato y qué se rompe si cambia.

El linaje de datos, o data lineage, es el registro de cómo se mueve y se transforma la información entre sistemas: de qué fuente viene un dato, qué proceso lo lee, qué transformaciones sufre y en qué tabla o dataset acaba. Permite responder preguntas de impacto y de gobierno del dato sin depender del conocimiento de una persona concreta.

De forma manual se hace con diagramas y hojas de cálculo que envejecen en cuanto alguien despliega un job nuevo. AI Data Lineage Mapper lo obtiene del propio entorno: descubre los recursos de la cuenta en modo solo lectura y analiza el código, el SQL y la configuración de los procesos que selecciones. Los procesos que se analizan para extraer linaje son Glue Jobs, funciones Lambda y Step Functions, y las relaciones resultantes conectan tablas del Glue Data Catalog, rutas de Amazon S3 y objetos de Redshift.

Es el linaje que baja del nivel de tabla al de campo: qué columna de origen alimenta cada columna de destino y con qué transformación (direct, rename, cast, calculation, join o aggregation). Se identifica cuando el código y el SQL contienen evidencia suficiente; cuando no la hay, la relación se marca como tal en lugar de darse por buena.

Con el linaje publicado se consulta en el grafo o se pregunta al Copilot en lenguaje natural. Para cualquier tabla, dataset o ruta S3 puedes ver sus procesos productores y consumidores, y recorrer el linaje aguas arriba y aguas abajo tantos niveles como necesites.

El análisis de impacto recorre el linaje hacia abajo desde el activo que quieres cambiar y lista los procesos, tablas y datasets que dependen de él. Así sabes qué puede romperse antes de tocar un esquema, en lugar de preguntarlo por chat y esperar a que alguien recuerde la respuesta.

Cada relación se propone con un nivel de confianza y la evidencia concreta en la que se basa: fichero y línea del código, sentencia SQL o parámetro del job. Después pasa por revisión humana antes de publicarse, y puede confirmarse, rechazarse o quedar pendiente. La IA propone y una persona decide, así que no hay caja negra.

Solo si tú lo eliges. El proveedor del modelo se configura en cada extracción: puedes usar Ollama ejecutándose en tu propia infraestructura, y entonces ni el código ni el SQL salen de tu red, o las APIs de Anthropic u OpenAI si prefieres su capacidad. La decisión es explícita y se toma antes de lanzar el análisis.

No. El descubrimiento se realiza en modo solo lectura y no modifica ningún recurso de tu cuenta. La conexión puede hacerse de dos formas: un rol de solo lectura que se asume entre cuentas, protegido con ExternalId y sin almacenar credenciales tuyas, o desplegando el producto como appliance dentro de tu propia cuenta. Además, únicamente se analizan los procesos que selecciones de forma explícita, y tú decides qué cuentas, regiones y entornos entran en cada escaneo.

No. El linaje se deduce del código, del SQL y de los metadatos de esquema —nombres de base, tabla y columna—, nunca de las filas. El contenido de los datos, las muestras y los valores de columna están clasificados como categoría que no puede salir hacia ningún modelo, ni externo ni local, y tampoco entran en el análisis. Las etiquetas de AWS también se excluyen, porque suelen contener correos, centros de coste o números de ticket que el linaje no necesita. El producto analiza cómo se mueven los datos, no los datos.

Con usuarios propios del producto y tres roles acumulativos. Consulta permite recorrer el dashboard, el inventario, el catálogo, el linaje y el Copilot sin poder cambiar nada. Operación añade lanzar escaneos, extraer linaje y revisar relaciones. Administración añade gestionar conexiones AWS, proveedores de IA y usuarios. Además del rol, cada usuario tiene asignadas las conexiones AWS sobre las que puede trabajar, de modo que un equipo puede ver la cuenta de desarrollo y no la de producción. La autorización se comprueba en el servidor en cada petición: ocultar un botón es una comodidad, no la protección. Hoy el acceso no se integra con un directorio corporativo por SSO.