Changelog – Versión 2026.06¶

Con la Versión 2026.06, digna da un gran paso adelante en automatización, extensibilidad y usabilidad de la plataforma.
Esta versión introduce el nuevo SDK de Python de digna, soporte oficial de despliegue con Docker, una experiencia de dashboard renovada y mayor portabilidad para la gestión de reglas de validación.

Ver la presentación de la versión¶

What's New in digna | The Major Release of 2026 — un recorrido por esta versión en el canal de YouTube de digna.

Nuevas características¶

digna Python SDK – Automatiza todo con Python¶

Instalar mediante:
```
pip install digna-sdk
```
Gestiona y automatiza digna programáticamente usando Python
Crea y configura proyectos mediante código
Dispara inspecciones y ejecuciones de monitoreo
Gestiona datasets, reglas y configuraciones de forma programática
Perfila tablas y extrae insights de metadata
Exporta resultados de perfilado y calidad de datos a repositorios y sistemas externos
Integra con notebooks, herramientas de orquestación y pipelines de CI/CD

Impacto: Habilita infraestructura como código (infrastructure-as-code) y una profunda automatización de flujos de trabajo de calidad y observabilidad de datos usando Python.

Soporte Docker – Despliegue y operaciones simplificadas¶

Imagen oficial de Docker para digna
Configuración rápida y consistente entre entornos
Incorporación simplificada para desarrollo, pruebas y producción
Integración fácil con Kubernetes y plataformas de contenedores
Mejor portabilidad y reproducibilidad de despliegues

Impacto: Facilita el despliegue y la operación de digna en arquitecturas cloud-native modernas.

QueryMode – Estrategia flexible de ejecución SQL¶

Configura la estrategia de ejecución de consultas: modo Single o Combined

Single Mode: Cada estadística se calcula con una consulta SQL dedicada

Ideal para fuentes de datos grandes donde la memoria es limitada
Evita la agotación de recursos en consultas combinadas (out of memory, límites de spool)
Mayor número de consultas pero menor uso de memoria por consulta

Combined Mode: Todas las estadísticas se calculan dentro de una única consulta SQL

Reduce el número total de consultas y la sobrecarga de red
Optimiza el rendimiento cuando las fuentes de datos son manejables en memoria
Más eficiente para ejecuciones frecuentes y en paralelo

Impacto: Permite a los usuarios controlar con detalle la ejecución de consultas para equilibrar rendimiento, uso de recursos y seguridad de memoria según las características de su fuente de datos.

Modelo de predicción configurable¶

El modelo que sustenta la detección de anomalías ahora sopesa explicaciones alternativas de cada serie – un patrón combinado con una lectura de las observaciones más recientes – y combina sus pronósticos según el respaldo que tenga cada una. Un único valor extremo ya no puede filtrarse en las predicciones siguientes.

Dos ajustes de la nueva pestaña Model de la fuente de datos lo controlan, cada uno de 0.0 a 1.0 con 0.5 como valor predeterminado:

Break Sensitivity – con qué rapidez un salto a un nuevo nivel o un cambio de tendencia se acepta como real en lugar de tratarse como valores atípicos
Model Complexity – cuánta estructura busca el modelo, desde efectos de calendario y un único cambio de nivel hasta ciclos desconocidos, efectos del día del mes y reinicios mensuales

Ambos pueden restaurarse a sus valores predeterminados en cualquier momento. Consulte Ajustes del modelo para ver cómo actúa cada uno.

Impacto: Da a los usuarios control sobre el propio modelo de predicción, junto a los ajustes Sensitivity y Memory ya existentes en la banda de tolerancia, ahora en la pestaña Thresholds.

Control de notificaciones de anomalías¶

Nueva pestaña Notifications en los ajustes de anomalías de la fuente de datos:
Minimum Alerts – cuántas comprobaciones fallidas (no las inciertas) necesita una inspección antes de enviar una notificación (predeterminado 1)
Pause After Notification (Days) – cuánto tiempo permanece en silencio una suscripción después de notificar sobre la fuente de datos (predeterminado 0, sin pausa)

Experiencia de Dashboard rediseñada¶

Diseño UI/UX modernizado y mejorado
Navegación y estructura más clara
Mejor visibilidad de resultados de monitoreo e insights de calidad de datos
Mayor legibilidad de alertas, estadísticas y paneles
Acceso más rápido a la información operacional clave

Impacto: Mejora la usabilidad y la productividad diaria de todos los usuarios.

Importación y exportación ampliada para reglas de validación¶

Funcionalidad mejorada de importación/exportación para reglas de validación
Migración más sencilla entre entornos y proyectos
Mayor reutilización de conjuntos de reglas estandarizados
Mejor gobernanza y gestión del ciclo de vida de las reglas
Colaboración simplificada entre equipos

Impacto: Permite una gobernanza de calidad de datos escalable y consistente en toda la organización.

Mejoras en la plataforma¶

Integración completa del SDK de Python para automatización
Despliegue en contenedores vía Docker
UX mejorada a través del dashboard rediseñado
Mayor portabilidad de la lógica de validación

Beneficiarios de esta versión¶

Data Engineers: automatización, uso del SDK, integración en pipelines
Platform Teams: despliegue simplificado vía Docker
Data Governance Teams: gestión reutilizable de reglas de validación
Analytics Teams: mejor usabilidad y visibilidad de insights

Actualizaciones del CLI¶

Añadido soporte de integración con el SDK
Flujo de trabajo de import/export mejorado
Mejoras generales de estabilidad y rendimiento