Changelog – Versión 2026.11¶

La Versión 2026.11 gira en torno a tres grandes novedades:

digna Data Reconciliation (Beta): comprueba que los datos se mantienen consistentes al moverse entre sistemas
digna Agentic (Beta): abre digna a los agentes de IA a través del digna MCP Server
digna Engine: perfila opcionalmente los datos dentro de digna y permite comprobaciones de integridad referencial entre distintas tecnologías de bases de datos

Nuevas características¶

digna Data Reconciliation (Beta) – Consistencia de origen a destino¶

Los datos suelen pasar por varios sistemas antes de llegar a un informe. digna Data Reconciliation (Beta) compara una fuente de datos de destino con los orígenes a partir de los cuales se construyó, y alerta cuando dejan de coincidir.

Se configura como reglas con nombre en la nueva pestaña Data Reconciliation de la fuente de datos de destino
Cualquier fuente de datos del proyecto con Data Reconciliation activado puede ser un origen
Entre los casos de uso se incluyen los procedimientos de conciliación estándar y la validación de los resultados de procesos ETL
Dos tipos de reglas: Exact y AI

Reglas Exact – La conciliación como regla de calidad de datos: defines exactamente qué debe coincidir entre un origen y un destino, como en una regla de calidad de datos.

Compara una fuente de datos de origen con una fuente de datos de destino
Empareja una comprobación de destino con una de origen por estadística y atributo, p. ej., el recuento de filas o la suma de una columna de importes
Permite una diferencia con una tolerancia Absolute (p. ej., ± 10) o Relative (p. ej., ± 0,5 % del origen)
La línea de tiempo muestra la diferencia de cada día frente a la tolerancia

Reglas AI – La conciliación como observabilidad de datos: digna aprende cómo un destino sigue a sus orígenes, del mismo modo en que digna observa los datos en otros módulos, y alerta cuando esa relación se rompe.

Combina comprobaciones de varias fuentes de datos de origen con las comprobaciones de un destino
No necesitas conocer ni documentar la lógica que las une (joins, filtros, agregaciones)
Un modelo aprende del historial cómo el destino sigue a sus orígenes en el mismo día
Cada comprobación de destino se predice a partir de los valores de origen del día, y digna alerta cuando el destino sale de la banda formada por los errores pasados de la propia regla
Cada regla tiene sus propios Model settings: Sensitivity, Memory y Model Complexity

Las comprobaciones de conciliación aparecen en el Dashboard con una línea de tiempo por regla. Cuentan para el estado global de la inspección y disparan notificaciones.

Impacto: Cubre ambas caras de la conciliación. Las reglas Exact aplican controles conocidos entre origen y destino, y las reglas AI supervisan flujos complejos como los procesos ETL, de modo que los datos perdidos o modificados por el camino se detectan sin SQL de conciliación escrito a mano.

digna Agentic (Beta) – digna para agentes de IA¶

La primera versión de digna Agentic (Beta). Los agentes de IA ya pueden trabajar con digna, responder preguntas de negocio sobre tus datos y ayudarte a mejorar tu configuración.

digna MCP Server: permite que Claude y otros agentes de IA trabajen con digna a través del Model Context Protocol.

Gestiona proyectos, fuentes de datos, reglas, programaciones de inspección y suscripciones
Consulta los estados de inspección hasta el nivel de cada comprobación para investigar alertas

Descripciones en fuentes de datos y atributos: describe en lenguaje sencillo qué contiene una fuente de datos o un atributo.

Los agentes de IA usan las descripciones para interpretar tus datos
Haz preguntas de negocio sobre tus datos y los agentes de IA las responden a partir de lo que digna monitoriza
Si la configuración actual de digna no puede responder a una pregunta, el agente de IA sugiere cambios en la fuente de datos y sus atributos cuando es posible, p. ej., añadir un nuevo dataset

Impacto: Te permite hacer preguntas de negocio sobre tus datos en lenguaje sencillo, y permite que los agentes de IA ayuden a configurar digna y a investigar problemas de calidad de datos.

digna Engine – Perfila donde elijas¶

De forma predeterminada, digna perfila los datos donde residen, en la base de datos de origen. El digna Engine añade una opción: digna exporta los datos desde el origen y los perfila dentro del digna Engine.

Opcional, no obligatorio: el perfilado en la base de datos de origen sigue disponible
Se selecciona por conexión de base de datos como ubicación de perfilado (Profiling Location): Source Database o digna Engine
Disponible para todas las tecnologías de origen compatibles

Integridad referencial entre conexiones: algunas comprobaciones requieren exportar los datos. El digna Engine amplía digna Data Validation para estos casos.

Comprobaciones de integridad referencial entre fuentes de datos en distintas conexiones de base de datos, incluidas distintas tecnologías de bases de datos (p. ej., Oracle y PostgreSQL)
Funciona con ambas ubicaciones de perfilado: con Source Database, solo se exportan las columnas clave al digna Engine
El dashboard indica cuándo una comprobación se ejecuta entre dos conexiones

Impacto: Te permite elegir dónde se perfilan los datos y hace cumplir las relaciones entre sistemas que funcionan con distintas tecnologías de bases de datos.

Mejoras en el perfilado¶

Esta versión también da a los usuarios más control sobre qué se perfila y cómo.

Atributos de consulta – Columnas definidas por el usuario¶

Define columnas artificiales: una expresión SQL sobre una o varias columnas de la fuente de datos
Cada atributo de consulta tiene su propio nombre
Se perfila y se comprueba como cualquier otro atributo

Categoría de columna DATE¶

Nueva categoría Date para atributos
Métricas relativas a la fecha inspeccionada

Perfilado bajo demanda¶

Perfila cualquier atributo sobre la instantánea completa de una fecha, sin ejecutar una inspección
Ayuda a establecer el tipo de columna del atributo: Numerical, Categorical, Date o Unspecified

Beneficiarios de esta versión¶

Data Engineers: validación de los resultados de ETL con digna Data Reconciliation (Beta)
Equipos de Finanzas, Riesgos y Controlling: procedimientos de conciliación estándar como reglas Exact en digna Data Reconciliation (Beta)
Equipos de Calidad de Datos y Gobernanza: integridad referencial entre tecnologías de bases de datos con el digna Engine
Usuarios de negocio: preguntas de negocio sobre los datos respondidas por agentes de IA con digna Agentic (Beta)
Equipos de IA y Automatización: agentes de IA que trabajan con digna a través de digna Agentic (Beta)

Actualizaciones del CLI¶

Sin cambios