Producto · Data Quality Intelligence
Tus datos te mienten. DataVault descubre dónde.
Convierte tus datos en tu activo más fiable.
Conecta tus fuentes en minutos, en modo de solo lectura — warehouses, bases operacionales, SaaS, ficheros, documentos y streaming (Kafka y Pub/Sub, todavía por instalar en el SaaS). DataVault hace profiling, monitoriza sin configuración, lee las quejas en Jira y Slack, propone la corrección en SQL y PySpark como Pull Request, y dice a tus agentes de IA si pueden confiar en cada dataset.
Ver la presentaciónDataVault
erp_demo · scan #1282/100
Puntuación de calidad
Agente IA · Recomendación
Fusionar 214 duplicados fuzzy en clientes (confianza 0,94).
CREATE TABLE customers_clean AS SELECT DISTINCT ON (email) …
El problema
Cuatro problemas que no ves. Hasta que cuestan dinero.
Los controles de calidad manuales no escalan. Estos cuatro patrones se repiten en casi todas las empresas con datos en más de un sitio.
Dispersión multicloud
De tres a cinco plataformas de datos por empresa. Sin una visión unificada de la calidad. Controles manuales, plataforma a plataforma.
Duplicados e inconsistencias
Métricas infladas, modelos de ML corrompidos, almacenamiento desperdiciado. El fuzzy matching manual es inviable.
Deriva de esquema silenciosa
Columnas nuevas, tipos cambiados y picos de nulos rompen pipelines sin avisar. PII expuesta que se descubre demasiado tarde.
Modelos de ML que se degradan
Si entra basura, sale basura. El análisis manual de causa raíz es lento, caro — y siempre llega después del daño.
50%
del tiempo de los trabajadores del conocimiento se va en buscar datos, corregir errores y confirmar cifras en las que no confían.
Estimación de Thomas C. Redman, Harvard Business Review (2016)
Cómo funciona
Descubrir. Validar. Optimizar.
No es monitorización pasiva. DataVault encuentra los problemas — y propone la corrección.
Descubrir
Descubrimiento y perfilado automáticos de cada tabla conectada. Sin configurar columna a columna.
- Métricas por columna: recuentos, nulos, valores distintos, mín./máx./media/desviación
- Cardinalidad y muestras anonimizables
- Historial por tabla: una serie temporal de calidad, escaneo a escaneo
Validar
Motor de reglas, duplicados y deriva en cada escaneo. Todo converge en una puntuación comparable.
- 6 tipos de regla: no nulo, unicidad, patrón, rango, actualidad, número mínimo de filas
- Duplicados exactos (hash) y aproximados (ML), en clústeres con niveles de confianza
- Deriva de esquema y de estadísticas frente al escaneo anterior
- Puntuación de 0 a 100 por dataset, en 5 dimensiones: completitud, unicidad, validez, actualidad, consistencia
Optimizar
El Agente de IA analiza el esquema, las incidencias y los patrones de uso — y devuelve correcciones concretas, no consejos vagos.
- Recomendaciones con SQL generado, listas para revisar y aplicar
- Estimación de ahorro en € y % — almacenamiento, cómputo, horas
- Análisis de riesgo por cambio: seguro o con ruptura
- Informes por perfil: técnico, coste-beneficio, resumen ejecutivo
Flujo
De cero al primer informe en tres pasos.
01
Conectar
Acceso de solo lectura mediante métodos oficiales de cada proveedor. Credenciales cifradas antes de tocar el disco. Menos de 15 minutos hasta el primer escaneo.
02
Analizar
Escaneos manuales o programados — diarios, semanales o mensuales. Perfilado, reglas, duplicados y deriva en cada ejecución. Alertas por severidad.
03
Optimizar
Sugerencias accionables con SQL e impacto estimado. Informes por perfil. Tú corriges, la puntuación sube — y el historial lo demuestra.
Para quién es
Una plataforma, tres lecturas.
Cada parte interesada ve lo que le importa. Nadie pierde tiempo traduciendo dashboards.
Pipelines eficientes, menos verificación manual
Data Engineer
- Puntuación por tabla y explorador de incidencias con drill-down
- Clústeres de duplicados: revisar, fusionar o ignorar
- Alertas de deriva de esquema y de estadísticas
- Informes de refactorización con SQL generado
Lo que dejas de verificar a mano: nulos, duplicados, reglas y drift, en cada scan.
Coste-beneficio y eficiencia operativa
Data / Product Manager
- Tendencia de la puntuación, incidencias abiertas vs. resueltas
- Horas ahorradas estimadas
- Coste de la mala calidad por dataset
- Adopción de las recomendaciones
Objetivo: priorizar con números, no con opiniones
Riesgo visible, eficiencia financiera
Directivo (CFO/CTO)
- Impacto financiero total estimado, en euros
- Coste estimado de almacenamiento y cómputo por dataset, con el desperdicio a la vista
- Resumen de incidentes críticos: severidad y exposición
- Acción recomendada para cada incidente
Objetivo: riesgo visible, ROI medible
Por industria
DataVault hablando el idioma de tu sector.
Prueba real
Nos conectamos a una fuente pública. Cero preparación.
El archivo abierto de OpenAQ — mediciones de calidad del aire de sensores reales, en un bucket público de S3 — conectado de forma anónima, sin cuenta y sin credenciales. DataVault descubrió los archivos, ejecutó el escaneo y dio su veredicto en medio minuto.
La misma fuente está en la galería de fuentes públicas de la app — conéctala en tu cuenta gratuita y verás el mismo resultado.
Pruébalo con esta fuente30
archivos descubiertos como datasets
32 s
duración del escaneo completo
30
incidencias encontradas y explicadas
Lo que apareció — suciedad auténtica de sensores del mundo real:
- —Valores centinela (-999) mezclados con mediciones válidas
- —Concentraciones de contaminantes negativas — físicamente imposibles
- —Archivos diarios con huecos y columnas inconsistentes
Lo que hace hoy
El ciclo completo: detectar, explicar, corregir, demostrar.
Conectas en minutos, solo lectura por construcción
29 tipos de fuente — warehouses, bases operacionales, SaaS, ficheros, object storage, streaming, documentos y chat — siempre por métodos oficiales de los proveedores, 22 de ellos ya disponibles en el SaaS. Credenciales cifradas, cliente HTTP de solo lectura y protección anti-SSRF: no hay camino para que DataVault escriba en tu fuente.
Empieza sin datos propios
«Explorar con datos de demostración» crea un workspace de ERP, tienda online, neobanco u hospital anonimizado con problemas plantados y la historia detrás. O conectas con 1 clic fuentes públicas verificadas (Ensembl, OpenAQ, NOAA) — y la checklist de primer valor te guía hasta el primer scan, en PT, EN o ES.
Profiling profundo con tipos semánticos
Cuantiles, histogramas, correlaciones y alertas de perfil calculados por pushdown en las bases SQL y sobre la muestra en el resto de fuentes, con muestras limitadas. Cada columna se clasifica automáticamente — email, NIF, IBAN, teléfono, código postal — y las máscaras de formato aparecen sin que configures nada.
Tablas gigantes sin coste gigante
Profiling incremental por dataset: el re-scan lee solo la ventana temporal nueva y hace merge estadístico (HLL para distintos), con perfil completo periódico.
Streaming como dataset
Los conectores de Kafka y Google Pub/Sub están hechos, con los drivers todavía por instalar en el SaaS. Con ellos instalados, los topics aparecen en el catálogo con perfil por muestra, Schema Registry opcional y panel en tiempo real. Edad máxima del evento, conformidad con el esquema, campos obligatorios y % de mensajes malformados son reglas de primera clase.
Documentos para RAG, con gate a la entrada
Confluence, GCS y S3 tratados como corpus: duplicados, idioma, PII, texto corrupto y ficheros que nadie actualiza desde hace años, con score e issues como cualquier dataset. Los conectores de SharePoint y Google Drive están hechos, con los drivers todavía por instalar en el SaaS. Antes de indexar, el gate de preingesta (API batch y middleware LangChain/LlamaIndex) frena lo que no debe entrar.
Monitores automáticos, cero configuración
Cada tabla de la conexión, hasta 500 por conexión, recibe por defecto un monitor de frescura que aprende la cadencia, uno de volumen y uno de esquema. Los cambios de esquema llegan con diff, renombrados sugeridos, impacto aguas abajo y línea temporal por dataset.
Anomalías sin reglas, con estacionalidad
Volumen, nulos y cardinalidad comparados con el histórico (mediana+MAD) y con el mismo día de la semana, para que el lunes no parezca un incidente. La tarjeta de explicación muestra el rango normal y el segmento que causó la desviación; un feedback de falso positivo silencia la métrica.
Duplicados, drift y capas medallion
Duplicados exactos y aproximados en clústeres, con acciones por clúster y visualización en constelación. Picos de nulos y caídas de filas entre scans, y capas Bronze, Silver y Gold detectadas por el nombre — la corrección se adapta: cuarentena en Bronze, limpieza en Silver, contrato en Gold.
Trust score y preparación para IA por caso de uso
Cada dataset tiene un score de confianza explicable (A–E) con componentes y bloqueadores, y un perfil de preparación para RAG, entrenamiento, agente o BI con bloqueadores duros — PII en el RAG, drift en el entrenamiento. Radar comparable entre datasets y detección de etiquetas sospechosas en datasets de entrenamiento.
Motor de reglas con validación portuguesa
not-null, unicidad, patrón, rango, frescura y volumen mínimo verificados en cada scan. Además, dígito de control de NIF e IBAN y listas de referencia — países ISO, monedas, códigos postales PT — para que la regla «este campo es válido» no sea un regex a mano.
Reglas que nacen solas — sin IA
El generador determinista propone reglas con umbrales calculados a partir de tu perfil; al resolver un issue, DataVault sugiere la regla que lo habría detectado («nunca más»); una queja en Jira se convierte en propuesta de regla. Nada entra sin que lo aceptes, y los packs por industria — e-commerce, financiero, SaaS, salud PT — se aplican con un clic.
Importa los tests que ya tienes
Los tests de dbt, Great Expectations, SodaCL y ODCS entran con un upload, con vista previa, dedupe y skips declarados. Exportas de vuelta tests de dbt y model contracts generados a partir de lo que observamos. Cero migración, cero lock-in.
Contratos ODCS que el producer acepta
Contrato ODCS v3.1 generado a partir de lo observado — métricas, dimensiones, SLA — y formato ODCS v3.1 validado con datacontract-cli en nuestro CI de interoperabilidad. Envías un enlace al dueño del sistema fuente: comenta y acepta sección a sección sin cuenta, y la aceptación pasa a contrato activo, con versiones numeradas y diff.
Gate de CI, data-diff y reconciliación
El verdict pass/warn/fail suspende el pipeline cuando los datos suspenden — vía script, API o `datavault gate` en el SDK. Data-diff determinista entre dev y prod o entre origen y destino, y reconciliación de recuentos entre dos datasets de conectores distintos sin consultas a la fuente.
Señales de Jira y Slack
DataVault lee tickets y canales elegidos (opt-in, autores anonimizados) y convierte «la columna viene siempre nula» en un issue vinculado al dataset correcto — erróneo, desactualizado, duplicado, ausente. El conocimiento tribal se convierte en cola de trabajo. El conector de Teams está hecho, con el driver todavía por instalar en el SaaS.
Barrido de notebooks, jobs y DDL
En Databricks y Snowflake, los activos de ingeniería también se inspeccionan: SELECT * en producción, jobs sin retry, timeout o alerta, notebooks huérfanos. Issues agrupados por práctica, para que corrijas el hábito y no solo el síntoma.
Diagnóstico de causa raíz con evidencia
Un clic y el agente cruza perfiles, drift, linaje, señales humanas citadas y runs del orquestador — «el job dbt X falló 20 minutos antes» — para explicar la causa probable, con pasos de verificación. Funciona offline, sin clave de IA.
Corrección en SQL y PySpark, con aprobación
Cada sugerencia trae diagnóstico safe y corrección breaking — ALTER TABLE, CHECK, dedup — en SQL y en el PySpark equivalente, por capa. Ciclo propuesto → aceptado → aplicado → verificado: el scan siguiente confirma si lo resolvió, y exportas todo en remediation.sql. Nunca escribimos en tus fuentes.
Corrección como Pull Request
La sugerencia aceptada abre un PR en GitHub o un MR en GitLab de tu repositorio y DataVault sigue el estado del PR — abierto, cerrado o merged — y marca la sugerencia como aplicada cuando entra. La corrección entra en el flujo de revisión que tu equipo ya usa.
Cola de trabajo e incidentes
Issues con dueño, plazo, snooze e histórico, en un tablero kanban con arrastrar y soltar. Los problemas aguas arriba y aguas abajo se agrupan en un solo incidente, y un clic crea el ticket en Jira o en Linear.
Alertas, guardias y horas de silencio
Slack, Teams, email y webhooks con severidad mínima por canal y digest semanal activado por defecto. Políticas de escalado por severidad, rotaciones de guardia por dominio y quiet hours por usuario — la alerta correcta llega a la persona correcta, y no a las 3 de la mañana.
Linaje hasta la columna, con dbt dentro
Claves foráneas, SQL de las vistas y aristas declaradas dan linaje automático a nivel de columna. El manifest de dbt entra en el grafo con exposures como consumidores y el gap de tests como sugerencias; la misma métrica con fórmulas distintas genera un issue de metric drift, y también dbt Cloud diciendo «fresh» cuando los datos dicen otra cosa.
Dominios con SLA declarado y SLOs medidos
Agrupas datasets por dominio con equipo responsable y scorecard propio. El SLA declarado alimenta el SLO: cumplimiento de frescura y latencia a lo largo del tiempo, por dataset y dominio, exportable en CSV — y, si quieres, un badge y una página pública de calidad por dataset.
Uso real y coste junto a la calidad
Los query logs de BigQuery, Snowflake y Databricks clasifican las tablas en hot, active, cold o dead — 90 días sin consultas genera un aviso de desmantelamiento. El coste de compute por dataset y los picos de coste aparecen junto al score: cuánto de lo que pagas corre sobre datos erróneos.
Pregunta a DataVault
Un chat con acceso de solo lectura a tu catálogo, las mismas tools del servidor MCP y guardas de coste: «¿qué datasets tienen PII?», «¿por qué cayó el score de los pedidos?». Cuando propone una acción — crear una regla, abrir un issue — solo la ejecuta con tu aprobación.
Informes y dashboards por perfil
Informes para ingeniero, gestor y ejecutivo con SQL, PySpark y gráficos, exportables en PDF o HTML y compartibles por enlace con caducidad para quien no tiene cuenta. Programación diaria, semanal o mensual con entrega por email, Slack o Teams; dashboards por perfil, calendario de calidad, treemap del catálogo y modo TV para la sala de control.
Memoria que se acumula
README de cada dataset generado por la IA, editado y aprobado antes de publicar. Los informes y diagnósticos entran en una base de conocimiento con búsqueda semántica y grafo fuentes↔datos↔saber, que los prompts y el asistente citan — tu feedback (útil / no útil) alimenta el golden set.
Encaja en el stack que ya tienes
Servidor MCP para agentes, SDK Python con CLI, provider de Terraform, provider de Airflow, tokens de API y configuración del workspace en YAML. Emite y consume OpenLineage, publica verdicts en OpenMetadata y en DataHub, y el webhook de dbt Cloud dispara el scan cuando el job termina.
IA en tu cuenta, a tu manera
Clave de Anthropic propia, Claude en tu cuenta de AWS (Bedrock) o GCP (Vertex), política de modelos por workspace con modo «IA desactivada». Router por tipo de tarea con muestras anonimizadas (NIF, NISS, IBAN, teléfono) antes de cualquier proveedor económico, y golden set con juez fail-closed antes de cambiar de modelo.
Privacidad y AI Act
Clasificación de sensibilidad por columna con curación manual, mapa transversal de PII del workspace y política de datos por capa — PII en gold, owner obligatorio en confidencial — verificada en cada scan y en CI. Etiqueta del art. 50 en todo el output de IA y dosier del art. 10 apartado por apartado, listo para el Anexo IV.
Seguridad de equipo, RGPD incluido
Roles admin, member y viewer, invitaciones, SSO OIDC (Google, Entra ID, Keycloak) en la instancia dedicada y organizaciones con varios workspaces y búsqueda federada en el catálogo. Audit log de administración exportable, rotación de claves de cifrado, rate limiting en la API, y el admin exporta o borra el workspace por sí mismo — sin ticket de soporte.
Conectores
Se conecta a lo que ya usas.
Data warehouses, bases de datos operativas, archivos, aplicaciones de negocio, documentos, streaming y chat: 29 tipos de fuente, 22 ya disponibles en el SaaS. Siempre de solo lectura, siempre mediante métodos oficiales.
Por qué es diferente
Detecta — y propone la corrección.
Las suites enterprise corrigen con un proyecto y credenciales de escritura. El open source es gratis hasta que cuentas las horas de ingeniería. DataVault encuentra el problema y propone la corrección, sin escribir en tus fuentes — y cada afirmación sobre los demás cita su fuente.
| Dimensión | Enterprise (Collibra, Informatica) | Open source DIY (Great Expectations, Soda) | Observabilidad cloud (Monte Carlo, Sifflet) | DataVault |
|---|---|---|---|---|
| Prueba antes de comprar | Demostración y prueba de concepto acompañadas por el proveedor o un integrador[1][2] | Instalas y pruebas ya: GX Core y Soda Core son open source[3][4] | Demo o prueba solicitadas por formulario al equipo comercial[5] | Cuenta gratuita en autoservicio, sin tarjeta ni llamada comercial, y prueba pública con datos abiertos: 30 archivos analizados en 32 s |
| Time-to-value | Proyecto con integrador y servicios de implantación; Collibra DQ se instala en el entorno del cliente[1][2] | Primer check en horas; la cobertura y la investigación son trabajo continuo de ingeniería | Monitores por metadatos tras conectar el warehouse, sin consultar las tablas (Monte Carlo), en SaaS o con un colector en tu entorno; Metaplane documenta excepciones en Postgres, MySQL y SQL Server[6][7][8] | Primer scan en menos de 15 minutos; monitores por metadatos en todos los datasets de la conexión desde el primer scan, hasta 500 por conexión |
| Corrección | Limpieza, estandarización y MDM que escriben en tus sistemas (Informatica IDMC) — exige credenciales de escritura y proyecto[2] | Los tests fallan. Alguien investiga y corrige a mano | Detecta, alerta y ayuda a investigar; la corrección queda con el equipo[5][7] | Propone la corrección en SQL/PySpark o como Pull Request, con ahorro en € y riesgo — solo lectura por contrato |
| Corrección donde vive el código | Flujos de trabajo dentro de la plataforma[1][2] | Tú escribes el PR | Alerta con enlace a la plataforma; el PR queda en manos del equipo[5] | La corrección aceptada abre un Pull Request en GitHub o GitLab, sigue el estado del PR y el scan siguiente confirma que lo resolvió Evidencia |
| Tests que ya tienes | Reglas nativas de la suite; importación de dbt, Great Expectations o Soda no anunciada[1][2] | Son tus tests — y tu mantenimiento | Monitores en YAML propio o en el meta de dbt; Monte Carlo genera monitores a partir de los tests de dbt, singulares incluidos, y Sifflet abre incidentes cuando falla un test de dbt; devolución como tests de dbt e importación de Great Expectations o Soda no anunciadas[9][10][11][12][13] | Importa tests de dbt, singulares incluidos, suites de Great Expectations y SodaCL y devuelve dbt, SodaCL y GX; relationships se convierte en una regla de integridad referencial; lo que no se convierte (macros y Jinja más allá de ref, source y config), o no vuelve igual en la exportación a SodaCL y GX, queda declarado, no se pierde en silencio |
| Checks a medida | Informatica: rule specifications con elementos gráficos o expresiones IF-THEN-ELSE; Collibra: reglas SQL a medida, con joins y agregaciones, escritas a mano o sugeridas por IA — solo en jobs pushdown[14][15][16] | SQL y Python sin límites: tests singulares y macros (dbt), expectations propias en Python o SQL (Great Expectations), checks SQL (Soda)[17][18][19][20] | Monitores por metadatos; Monte Carlo admite monitores SQL a medida, con umbrales manuales o aprendidos[6][21] | 16 tipos de regla (nulos, unicidad, patrones, rangos, frescura, volumen, validez de NIF/IBAN y listas de referencia, exactitud contra fuentes autorizadas (opt-in), streams (Kafka y Pub/Sub, todavía por instalar en el SaaS), condiciones entre columnas, SQL a medida e integridad referencial entre datasets), packs por industria y sugerencias a partir del perfil y del historial de aceptación; el SQL a medida es un solo SELECT de solo lectura, validado antes de ejecutarse en la fuente (solo fuentes SQL); sin checks en Python a medida |
| Señales del trabajo y reglas nuevas | Flujos de stewardship: la incidencia se registra a mano y las reglas las escriben los stewards[1] | La queja llega por ticket; tú escribes y mantienes cada test | Abren tickets en Jira o ServiceNow y aprenden monitores; no leen las quejas de los equipos[5] | Lee Jira, Confluence y Slack y convierte quejas en incidencias vinculadas al dataset correcto; propone reglas a partir del perfil, de la incidencia resuelta y de esas quejas — solo entran cuando las aceptas. El conector de Teams está hecho, con el driver todavía por instalar en el SaaS Evidencia |
| Memoria de lo que ya ocurrió | Glosario y stewardship manual[1] | — | Histórico de incidentes por tabla[5] | Base de conocimiento con informes y diagnósticos, búsqueda semántica y grafo fuentes↔datos↔saber; el asistente y los diagnósticos la citan Evidencia |
| Gobierno y stewardship | Catálogo y glosario de negocio son el sistema de registro de la suite; en Collibra, los scores de calidad aparecen en el propio marketplace de datos[22] | Fuera de alcance: los tests viven en tu repositorio y conectarlos al catálogo queda en tus manos | El foco es detectar e investigar incidentes; el gobierno y el stewardship formales no son el producto[5][7] | Glosario de negocio vinculado a columnas, responsable y steward por dataset, etiquetas y diccionario de datos exportable; publica veredictos en tu OpenMetadata o DataHub y lee de ahí responsables, dominios y etiquetas |
| Visión multi-fuente | Suite amplia, licenciada por módulo[1][2] | Un repositorio de tests por fuente | Fuerte en warehouses; fuentes SaaS operacionales limitadas[5][7] | Warehouses, bases de datos operacionales y SaaS en una sola visión Evidencia |
| Integración con procesos (SAP, Salesforce) | Calidad dentro del proceso, con escritura: SAP MDG valida los cambios en los datos maestros contra reglas de negocio antes de activarlos; Informatica limpia, estandariza y valida con agentes y lleva la calidad de datos a las aplicaciones (Informatica Headless). Collibra se conecta a S/4HANA mediante Edge, para el catálogo[23][24][25] | Los tests se ejecutan en tu pipeline, sobre datos ya grabados; llamarlos desde SAP o Salesforce es integración que escribes y mantienes | Monte Carlo se conecta a Salesforce CRM y SAP HANA y monitoriza los datos ya grabados (frescura, volumen, esquema, reglas SQL); validación en el punto de entrada no anunciada[26][27] | Lee SAP S/4HANA y SAP Gateway por OData, Salesforce, Dynamics 365 y las bases de datos de los ERP en SQL Server (Primavera, PHC, Sage). Valida los registros en el punto de entrada: el integrador llama por API a las reglas del dataset antes de escribirlos y recibe el veredicto de cada registro, sin que DataVault guarde nada. Nunca escribe en el ERP ni en el CRM: la corrección sale en SQL/PySpark o PR |
| Confianza para agentes de IA | Gobierno de catálogo y de IA; veredicto de preparación por caso de uso no anunciado[1][28] | — | Monitorizan datos y pipelines; veredicto sobre el dataset antes de que el agente lo consuma no anunciado[5][7] | Trust score explicable y preparación por finalidad (RAG, entrenamiento, agente, BI), gate de preingesta para RAG y servidor MCP para que el agente pregunte antes de usar Evidencia |
| Dónde se ejecuta el trabajo — y qué sale de tu perímetro | SaaS del proveedor o instalación en el entorno del cliente (Collibra DQ se instala allí): instalado, el procesamiento se queda en tu infraestructura[1][28] | Se ejecuta en tu pipeline, sobre tu warehouse o tu Spark: nada sale — la operación y la escala son tuyas | Leen metadatos y query logs del warehouse, en SaaS o con el colector en tu entorno (Monte Carlo)[7] | En las fuentes SQL, el perfil se ejecuta en la propia fuente y solo vuelven agregados y pocos ejemplos por columna; las reglas de fila y los duplicados usan una muestra de hasta 5.000 filas por tabla, procesada en la UE. Guardamos resultados y ejemplos limitados, nunca la tabla. Con la IA activa, los ejemplos siguen la política de IA del workspace |
| IA en tu cuenta | IA integrada en la plataforma del proveedor; clave propia o modelo en tu cuenta cloud no anunciados[1][2] | — | IA integrada en la plataforma del proveedor; modelo en tu cuenta cloud no anunciado[5][7] | Clave propia, Claude en tu cuenta de AWS o GCP, política de modelos por workspace con modo «IA desactivada» y muestras anonimizadas antes de cualquier proveedor económico |
| Conformidad con el AI Act | Gobierno de IA como módulo de la suite (Collibra: ISO 42001)[28] | — | Etiquetado del art. 50 y dosier del art. 10 no anunciados[5][29] | Etiquetado del art. 50 en todo el output de IA + dosier del art. 10 exportable |
| Seguridad, residencia y certificaciones | Informatica: ISO 27001 (BSI) y SOC 2 Type II; Collibra: SOC 2 e ISO 27001/42001, con trust center público. SaaS o instalación en el entorno del cliente[1][2][28] | Se ejecuta en tu perímetro: la seguridad y la certificación son las de tu infraestructura | Monte Carlo y Sifflet: SOC 2 Type II e ISO 27001; Monte Carlo en SaaS o híbrido, con el colector en tu entorno[5][7][29] | SaaS alojado en la UE (Google Cloud europe-west1), solo lectura impuesta en el código e IA opcional con tu clave o en tu cuenta de AWS o GCP (Bedrock o Vertex), con muestras anonimizables antes del modelo. IP de salida fija (Cloud NAT) para la lista de permitidos de tu firewall: preparada, aún por activar en producción. SOC 2 Type I en curso, ISO 27001 a continuación — sin sellos que no tenemos: no los afirmamos y respondemos con la evidencia técnica de cada control |
| Identidad y administración | SSO y control de acceso por roles, incluidos en la suite[1][2] | El open source no tiene usuarios; SSO y roles llegan con los planes cloud de pago (p. ej., Soda Team)[4] | SSO y roles en los planes superiores[5] | SSO por OIDC con tu IdP (Entra ID, Google Workspace, Keycloak…), MFA por TOTP obligatoria para los administradores de la organización y exigible a todo el workspace, roles por workspace, equipos, registro de auditoría exportable en CSV y acceso del soporte solo con tu consentimiento, en lectura y 72 h como máximo; aún sin SCIM |
| Soporte y SLA | Niveles de soporte y de disponibilidad en el contrato — Informatica IDMC: 99,5 % con créditos de servicio; Collibra: página de estado pública[1][2][30] | Comunidad en el open source; soporte con SLA solo en los planes de pago[3][4] | Soporte y SLA por plan, en el contrato anual[5] | Aún sin SLA contractual de disponibilidad ni de soporte: solo entra en el contrato después de un trimestre de disponibilidad medida y de una política de soporte por severidad, todavía en definición. Hoy: copias diarias con PITR de 7 días y modo offline si falla la IA |
| Salida de datos | Extracción de datos al final del contrato, según los términos del servicio[1][2] | Los tests y los resultados ya son tuyos, en código y en tu warehouse | Exportación de datos solo en los planes Scale y Enterprise (Monte Carlo)[31] | Exportación en autoservicio de los datos del workspace (RGPD) y de la configuración como código (datavault.yaml) |
| Coste real | Precio público en UK G-Cloud: Collibra DQ 122.919 £ por licencia/año; Informatica IDMC 74.999 £/año, más implantación[1][2] | Licencia 0; Soda Team 750 $/mes, más cómputo en el warehouse y horas de ingeniería[4] | Contratos anuales o por tabla monitorizada (Metaplane, con 10 tablas gratis); Sifflet ≈48 k$/año según su precio publicado[5][32] | Plan gratuito; de pago desde 490 €/mes, sin proyecto de implantación Evidencia |
Fuentes
Páginas públicas de los proveedores que respaldan las columnas de la competencia. Los números de la tabla remiten aquí; la columna DataVault enlaza con las respuestas para RFP y la página de seguridad.
- 1.UK G-Cloud — Collibra Data Quality (servicio 136629392504870) · applytosupply.digitalmarketplace.service.gov.uk ·
- 2.UK G-Cloud — Informatica IDMC (servicio 727452156234281) · applytosupply.digitalmarketplace.service.gov.uk ·
- 3.Great Expectations — planes y precios · greatexpectations.io ·
- 4.Soda — planes y precios · soda.io ·
- 5.Sifflet — planes y precios · siffletdata.com ·
- 6.Monte Carlo — documentación: visión general de los monitores · docs.getmontecarlo.com ·
- 7.Monte Carlo — documentación: seguridad y cumplimiento · docs.getmontecarlo.com ·
- 8.Metaplane — documentación: tipos de monitor · docs.metaplane.dev ·
- 9.Monte Carlo — documentación: Monitors as Code (montecarlo.yml y meta del schema.yml de dbt) · docs.getmontecarlo.com ·
- 10.Monte Carlo — documentación: generar monitores a partir de los tests de dbt · docs.getmontecarlo.com ·
- 11.Sifflet — documentación: Monitors as Code (workspaces y monitores en YAML) · docs.siffletdata.com ·
- 12.Sifflet — documentación: incidentes a partir de monitores o de tests de dbt · docs.siffletdata.com ·
- 13.Metaplane — documentación: Monitors as Code (en el meta de los modelos dbt) · docs.metaplane.dev ·
- 14.Informatica — documentación: modos de la rule specification · docs.informatica.com ·
- 15.Collibra — documentación: rule workbench (reglas SQL a medida) · productresources.collibra.com ·
- 16.Collibra — documentación: tipos de regla SQL admitidos · productresources.collibra.com ·
- 17.dbt — documentación: data tests (singulares y genéricos) · docs.getdbt.com ·
- 18.Great Expectations — documentación: definir una clase de Expectation propia · docs.greatexpectations.io ·
- 19.Great Expectations — documentación: Expectation a medida en SQL · docs.greatexpectations.io ·
- 20.Soda — documentación: checks definidos por el usuario (SodaCL) · docs.soda.io ·
- 21.Monte Carlo — documentación: monitores Custom SQL · docs.getmontecarlo.com ·
- 22.Collibra — Data Quality & Observability · collibra.com ·
- 23.SAP — Master Data Governance · sap.com ·
- 24.Informatica — Data Quality & Observability · informatica.com ·
- 25.Collibra Marketplace — driver para la integración con S/4HANA · marketplace.collibra.com ·
- 26.Monte Carlo — documentación: integración con Salesforce CRM · docs.getmontecarlo.com ·
- 27.Monte Carlo — documentación: integración con SAP HANA · docs.getmontecarlo.com ·
- 28.Collibra — Trust Center · collibra.com ·
- 29.Monte Carlo — Trust Center · trust.montecarlo.ai ·
- 30.Collibra — página de estado · status.collibra.com ·
- 31.Monte Carlo — documentación: exportación de datos · docs.getmontecarlo.com ·
- 32.Metaplane — planes y precios · metaplane.dev ·
Seguridad
Tus datos se quedan donde están.
Acceso de solo lectura
DataVault nunca escribe, mueve ni modifica datos en tus fuentes. Lee, analiza e informa.
Métodos oficiales de cada proveedor
Drivers y APIs oficiales para cada plataforma. Sin scraping, sin atajos.
Credenciales cifradas
Cifradas con Fernet antes de persistirse. Nunca aparecen en los logs.
Muestras controladas
En las fuentes SQL, el perfil se ejecuta en la propia fuente. Las reglas de fila y los duplicados usan como máximo 5.000 filas por tabla, procesadas en la UE — la tabla nunca se copia. Las muestras que usa la IA son limitadas y anonimizables.
Precios
Precios sencillos. Sin proyecto de implementación.
Gratuito
0 €/mes
Conecta una fuente y mira el motor en acción.
- Fuentes de datos
- 1
- Datasets
- 25
- Escaneos por mes
- 30
- Informes de IA por mes
- 5
- Historial de mediciones
- 30 días
- Motor de calidad completo + muestra de sugerencias de IA
- Sin tarjeta
Team
490 €/mes
Para que el equipo de datos lleve la calidad a producción.
- Fuentes de datos
- 5
- Datasets
- 500
- Escaneos por mes
- Sin límite
- Informes de IA por mes
- 200
- Historial de mediciones
- 1 año
Todo lo de Gratuito, más:
- Tokens de API
- Webhooks de alertas
- Análisis de documentos para RAG
- Informes programados por email
- Datos sintéticos a partir del perfil
- Correspondencia de entidades entre datasets
- Glosario de negocio vinculado a las columnas
- Ensayo de solo lectura de la corrección antes de aceptarla
- Usuarios ilimitados
- Contratos ODCS + gate de CI
Business
1190 €/mes
Para quien responde de la conformidad, el coste y la remediación.
- Fuentes de datos
- 15
- Datasets
- 2000
- Escaneos por mes
- Sin límite
- Informes de IA por mes
- 1000
- Historial de mediciones
- 2 años
Todo lo de Team, más:
- Dosier de conformidad del AI Act
- Telemetría de coste de las plataformas
- Remediación como Pull Request (GitHub/GitLab)
- Clave de Anthropic propia (BYOK)
- Elección de modelos de IA por tarea
- Profiling profundo por defecto (correlaciones y co-nulidad)
- Límite de IA 4× el de Team
Enterprise
A medida
Para volúmenes y requisitos de compras a medida.
Volúmenes a medida: sin límites de fuentes, datasets, escaneos ni IA
Todo lo de Business, más:
- Claude en la cuenta cloud de la organización (Amazon Bedrock o Google Vertex AI)
- Onboarding asistido
Bajo petición, en curso
- Instancia dedicada, gestionada por Praxis
- DPA con términos negociados (la plantilla ya existe)
- SLA de disponibilidad contractual
Precios de lanzamiento, por mes y por workspace, sin IVA, con facturación anual; la facturación mensual cuesta un 20 % más. Team y Business se activan en la app, con tarjeta y factura con el NIF/VAT ID de la empresa; Enterprise se contrata con nosotros. El hueco entre el open source hecho en casa y las suites enterprise —con los precios públicos citados en la comparación de arriba— es donde estamos, a propósito.
Ver todo lo que incluye cada planMira DataVault funcionando con tus datos.
Una demo de 30 minutos, con tus datos o con nuestro ERP de demostración. Sales sabiendo lo que encontraría en tu cuenta.