1. Introduction

1. Introducción

Understand the foundation: what a data catalog is, why it matters, and the business value it delivers.

Comprende las bases: qué es un catálogo de datos, por qué importa y el valor de negocio que entrega.

1.1 What is a Data Catalog?

1.1 ¿Qué es un catálogo de datos?

A data catalog is an organized inventory of all the information assets inside an organization — tables, views, dashboards, KPIs, reports, and datasets. It acts as a single source of truth that answers the most common data questions: What data do we have? What does this field mean? Who owns it? Where does it come from?

Un catálogo de datos es un inventario organizado de todos los activos de información de una organización: tablas, vistas, dashboards, KPIs, reportes y datasets. Funciona como fuente única de verdad que responde las preguntas más frecuentes sobre datos: ¿Qué datos tenemos? ¿Qué significa este campo? ¿Quién lo posee? ¿De dónde viene?

The Metaustral catalog — search, filter by type/status/domain, and see every asset with its owner, tags, sensitivity label, and data quality score.

El catálogo de Metaustral — busca, filtra por tipo/estado/dominio y visualiza cada activo con su propietario, etiquetas, nivel de sensibilidad y score de calidad.

1.2 Why Organizations Need a Data Catalog

1.2 Por qué las organizaciones necesitan un catálogo de datos

As organizations grow, data becomes scattered across dozens of databases, dashboards, and tools. Without a catalog, teams face recurring problems:

A medida que las organizaciones crecen, los datos se dispersan en decenas de bases de datos, dashboards y herramientas. Sin un catálogo, los equipos enfrentan problemas recurrentes:

• Data silos: each team keeps its own private copy of information.
• Duplicated effort: analysts spend 60–80% of their time finding and cleaning data instead of analyzing it.
• Broken trust: inconsistent definitions generate conflicting reports.
• Compliance risk: no visibility over sensitive data or who accesses it.
• Slow onboarding: new team members need weeks to understand the data landscape.

• Silos de datos: cada equipo mantiene su propia copia privada de la información.
• Esfuerzo duplicado: los analistas gastan el 60–80% de su tiempo buscando y limpiando datos en vez de analizarlos.
• Pérdida de confianza: definiciones inconsistentes generan reportes contradictorios.
• Riesgo de compliance: sin visibilidad sobre datos sensibles ni quién los accede.
• Onboarding lento: los nuevos integrantes tardan semanas en entender el ecosistema de datos.

1.3 Benefits of Centralized Metadata Management

1.3 Beneficios de la gestión centralizada de metadatos

2. What is Metaustral?

2. ¿Qué es Metaustral?

Enterprise-grade data governance — without the enterprise price tag or months of implementation.

Gobernanza de datos de nivel enterprise — sin el precio enterprise ni meses de implementación.

2.1 The Problem We Solve

2.1 El problema que resolvemos

Traditional data catalog tools were built for large enterprises with dedicated data engineering teams, six-figure budgets, and months to spare for implementation. The result: most mid-sized companies simply go without — their data remains undocumented, ungoverned, and inaccessible to the people who need it most.

Las herramientas tradicionales de catálogo de datos fueron construidas para grandes empresas con equipos de ingeniería de datos dedicados, presupuestos de seis cifras y meses disponibles para la implementación. El resultado: la mayoría de las empresas medianas simplemente prescinden de ellas — sus datos quedan sin documentar, sin gobernar e inaccesibles para quienes más los necesitan.

Metaustral changes that equation. It delivers the same capabilities — automated discovery, lineage mapping, data quality scoring, audit trails, AI-powered search — in a product you can set up in minutes and that your entire team can use on day one without training.

Metaustral cambia esa ecuación. Entrega las mismas capacidades — descubrimiento automatizado, mapeo de linaje, scoring de calidad, historial de auditoría, búsqueda con IA — en un producto que puedes configurar en minutos y que todo tu equipo puede usar desde el primer día sin necesidad de capacitación.

2.2 Why Metaustral?

2.2 ¿Por qué Metaustral?

2.3 Plans & Limits

2.3 Planes y límites

2.4 Typical Use Cases

2.4 Casos de uso típicos

• Data governance programs: assign owners, stewards, and sensitivity to every asset — without a dedicated data governance tool costing six figures.
• Self-service analytics: enable analysts to find and understand datasets without asking the data team, reducing back-and-forth by hours each week.
• Regulatory compliance: track sensitive PII columns and audit every change with a full log — ready for SOX, GDPR, or HIPAA reviews.
• Onboarding acceleration: new team members explore the catalog to understand the data landscape in hours, not weeks — saving days of senior engineer time.
• Impact analysis: use data lineage to understand which reports break when a source table changes, before making the change.
• Metadata synchronization: keep the catalog up to date automatically with scheduled imports — no manual work required.

• Programas de gobernanza de datos: asigna propietarios, administradores y sensibilidad a cada activo — sin una herramienta de gobernanza dedicada que cueste seis cifras.
• Analytics de autoservicio: permite que los analistas encuentren y entiendan datasets sin preguntarle al equipo de datos, reduciendo el intercambio de mensajes en horas por semana.
• Compliance regulatorio: rastrea columnas PII sensibles y audita cada cambio con un registro completo — listo para revisiones SOX, GDPR o HIPAA.
• Aceleración del onboarding: los nuevos integrantes exploran el catálogo para entender el ecosistema en horas, no semanas — ahorrando días de tiempo de ingenieros senior.
• Análisis de impacto: usa el linaje de datos para entender qué reportes se rompen cuando cambia una tabla de origen, antes de hacer el cambio.
• Sincronización de metadatos: mantén el catálogo actualizado automáticamente con importaciones programadas — sin trabajo manual.

3. Getting Started

3. Primeros pasos

Go from zero to your first documented data asset in under 5 minutes.

De cero a tu primer activo de datos documentado en menos de 5 minutos.

3.1 Create Your Account

3.1 Crea tu cuenta

3.2 Create Your First Data Asset

3.2 Crea tu primer activo de datos

From the catalog view (/app), click + New. Choose an asset type (Table, Dashboard, KPI, etc.), fill in the name, description, owner, domain, and tags, then save. Your first asset is now in the catalog.

Desde la vista del catálogo (/app), haz clic en + Nuevo. Elige un tipo de activo (Tabla, Dashboard, KPI, etc.), completa el nombre, descripción, propietario, dominio y etiquetas, y guarda. Tu primer activo ya está en el catálogo.

3.3 Invite Users

3.3 Invita usuarios

From the Admin panel, go to the Users tab. Enter an email, choose a role (Admin, Editor, or Viewer) and send the invite. User limits depend on your plan (3 on Starter, 30 on Pro, unlimited on Enterprise).

Desde el panel de administración, ve a la pestaña Usuarios. Ingresa un correo, elige un rol (Admin, Editor o Viewer) y envía la invitación. Los límites de usuarios dependen de tu plan (3 en Starter, 30 en Pro, ilimitados en Enterprise).

3.4 Explore the Catalog

3.4 Explora el catálogo

The catalog view (/app) lets you search by name, filter by asset type, status, domain, or tag. Click any asset to open its detail page with full metadata, column documentation, lineage graph, and quality score.

La vista del catálogo (/app) te permite buscar por nombre, filtrar por tipo de activo, estado, dominio o etiqueta. Haz clic en cualquier activo para abrir su página de detalle con metadatos completos, documentación de columnas, grafo de linaje y score de calidad.

Browsing the catalog: asset type filters on the left, grid of assets with owner, domain, column count, quality score badge, and status chip.

Explorando el catálogo: filtros por tipo a la izquierda, cuadrícula de activos con propietario, dominio, cantidad de columnas, badge de calidad y etiqueta de estado.

4. Data Assets

4. Activos de datos

The core objects of the catalog — everything you document, discover, and govern.

Los objetos centrales del catálogo — todo lo que documentas, descubres y gobiernas.

4.1 Asset Types

4.1 Tipos de activos

4.2 Asset Lifecycle

4.2 Ciclo de vida del activo

Asset detail page — metadata header with status, sensitivity, domain, quality score badge, and a breakdown of score points by field (description, owner, steward, domain, category, tags, column docs).

Página de detalle del activo — encabezado con estado, sensibilidad, dominio, badge de score de calidad y desglose de puntos por campo (descripción, propietario, steward, dominio, categoría, etiquetas, documentación de columnas).

4.3 Asset Ownership

4.3 Propiedad del activo

• Owner: the person (or team) responsible for producing and maintaining the data.
• Steward: the person responsible for ensuring metadata quality and documentation accuracy.

• Propietario (Owner): la persona (o equipo) responsable de producir y mantener el dato.
• Administrador de datos (Steward): la persona responsable de asegurar la calidad de los metadatos y la exactitud de la documentación.

4.4 Tags, Domain & Classification

4.4 Etiquetas, dominio y clasificación

• Tags: free-form labels for filtering (e.g. finance, pii).
• Domain: the business area the asset belongs to (e.g. Sales, Marketing, HR).
• Category: a sub-grouping within a domain.
• Sensitivity: one of public, internal, confidential, or restricted.

• Etiquetas (Tags): etiquetas de forma libre para filtrado (ej: finanzas, pii).
• Dominio: el área de negocio a la que pertenece el activo (ej: Ventas, Marketing, RRHH).
• Categoría: una sub-agrupación dentro de un dominio.
• Sensibilidad: una de public, internal, confidential o restricted.

5. Import Wizard

5. Import Wizard

Bulk-create or update assets, columns, lineage, and ERD relationships in one step — from a single Excel file.

Crea o actualiza activos, columnas, linaje y relaciones ERD en un solo paso — desde un único archivo Excel.

5.1 What is the Import Wizard?

5.1 ¿Qué es el Import Wizard?

The Import Wizard lets you populate your data catalog in bulk using a structured Excel template (.xlsx). Instead of creating assets one by one through the UI, you can prepare hundreds of records in a spreadsheet and import them in a single operation. It is available to all plans — no database connection required.

El Import Wizard te permite poblar tu catálogo de datos de forma masiva usando una plantilla Excel estructurada (.xlsx). En lugar de crear activos uno por uno desde la interfaz, puedes preparar cientos de registros en una hoja de cálculo e importarlos en una sola operación. Está disponible para todos los planes — sin necesidad de conexión a base de datos.

Step 1 — Upload: download the Excel template, fill it in, then drag-and-drop (or browse) to upload your file. The wizard validates it before importing.

Paso 1 — Subir archivo: descarga la plantilla Excel, complétala y arrástrala (o búscala) para subirla. El wizard la valida antes de importar.

5.2 Excel Template Structure

5.2 Estructura de la plantilla Excel

Download the template from the Import Wizard tab ( in the sidebar). It contains five sheets:

Descarga la plantilla desde la pestaña Import Wizard ( en el menú lateral). Contiene cinco hojas:

• Assets — required fields: asset_name, asset_type. Supports all 6 asset types: TABLE, VIEW, DASHBOARD, KPI, REPORT, DATASET.
• Columns — required fields: asset_name, asset_type, column_name. Documents schema columns for TABLE and VIEW assets.
• Lineage — required fields: source_asset, target_asset. Use source_type / source_database when asset names are ambiguous.
• ERD — required fields: source_table, target_table. Defines foreign-key relationships between tables.
• Instructions (EN / ES) — embedded reference guide with field descriptions and examples.

• Assets — campos requeridos: asset_name, asset_type. Soporta los 6 tipos de activo: TABLE, VIEW, DASHBOARD, KPI, REPORT, DATASET.
• Columns — campos requeridos: asset_name, asset_type, column_name. Documenta las columnas de esquema de activos TABLE y VIEW.
• Lineage — campos requeridos: source_asset, target_asset. Usa source_type / source_database cuando los nombres de activos sean ambiguos.
• ERD — campos requeridos: source_table, target_table. Define relaciones de clave foránea entre tablas.
• Instrucciones (EN / ES) — guía de referencia embebida con descripción de campos y ejemplos.

5.3 Preview & Validation

5.3 Previsualización y validación

After uploading, the wizard shows a preview before any data is written to the catalog. The preview screen displays:

Tras subir el archivo, el wizard muestra una previsualización antes de escribir ningún dato en el catálogo. La pantalla de previsualización muestra:

• A summary count of new assets to create, assets to update, columns, lineage rows, ERD rows, and errors.
• A table of assets to create (green) and assets to update (blue), with the affected fields listed.
• Any row-level errors that must be fixed before the import can run — for example, an invalid asset type, a missing required field, or an ambiguous asset name.

• Un resumen con el conteo de activos nuevos a crear, activos a actualizar, columnas, filas de linaje, filas de ERD y errores.
• Una tabla de activos a crear (verde) y activos a actualizar (azul), con los campos afectados listados.
• Cualquier error a nivel de fila que deba corregirse antes de ejecutar la importación — por ejemplo, tipo de activo inválido, campo requerido faltante o nombre de activo ambiguo.

Step 2 — Preview: stat cards show the counts at a glance. Errors are listed row by row with the sheet name and row number so you can go back and fix them in the Excel file. Valid rows are shown in the create/update tables below.

Paso 2 — Previsualización: las tarjetas de estadísticas muestran los conteos de un vistazo. Los errores se listan fila por fila con el nombre de la hoja y el número de fila, para que puedas corregirlos en el archivo Excel. Las filas válidas se muestran en las tablas de crear/actualizar más abajo.

5.4 Merge Rules

5.4 Reglas de fusión

• Match logic: an asset is matched by name + type. For TABLE and VIEW, database_name is an additional tie-breaker.
• Update, never overwrite with blank: if a cell in the Excel is empty, the existing catalog value is kept. Only non-blank cells update the catalog.
• Ambiguity error: if two assets share the same name and type and no database_name is provided, the wizard raises an error — add database_name to disambiguate.
• Lineage & ERD deduplication: rows that already exist in the catalog are silently skipped — no duplicates are created.
• Same-file dependencies: you can import columns, lineage, and ERD for assets being created in the same Excel file — the wizard resolves them in the correct order.

• Lógica de coincidencia: un activo se identifica por nombre + tipo. Para TABLE y VIEW, database_name es un desempate adicional.
• Actualizar, nunca sobreescribir con vacío: si una celda en el Excel está vacía, se conserva el valor existente en el catálogo. Solo las celdas no vacías actualizan el catálogo.
• Error de ambigüedad: si dos activos comparten nombre y tipo y no se provee database_name, el wizard genera un error — agrega database_name para desambiguar.
• Deduplicación de Lineage y ERD: las filas que ya existen en el catálogo se omiten silenciosamente — no se crean duplicados.
• Dependencias en el mismo archivo: puedes importar columnas, linaje y ERD para activos que se crean en el mismo Excel — el wizard los resuelve en el orden correcto.

5.5 Audit Log

5.5 Registro de auditoría

Every Import Wizard execution is recorded in the audit log. Each created or updated asset generates an individual CREATE or UPDATE entry, and a single IMPORT batch summary entry captures the full operation totals. This lets administrators trace exactly what was imported, by whom, and when.

Cada ejecución del Import Wizard queda registrada en el historial de auditoría. Cada activo creado o actualizado genera una entrada individual de CREATE o UPDATE, y una entrada resumen de tipo IMPORT captura los totales de la operación completa. Esto permite a los administradores rastrear exactamente qué se importó, quién lo hizo y cuándo.

6. Metadata Discovery

6. Descubrimiento de metadatos

Connect your databases and let Metaustral automatically discover tables, views, and columns.

Conecta tus bases de datos y deja que Metaustral descubra automáticamente tablas, vistas y columnas.

5.1 Supported Data Sources

5.1 Fuentes de datos soportadas

SQL Server MySQL PostgreSQL Snowflake BigQuery Databricks

5.2 Connecting a Database

5.2 Conectar una base de datos

The DB Connections panel in the Admin area — where you add, test, and manage your database connections before running discovery.

El panel de Conexiones BD en el área de administración — donde agregas, pruebas y gestionas tus conexiones de base de datos antes de ejecutar el descubrimiento.

5.3 Automatic Metadata Discovery

5.3 Descubrimiento automático de metadatos

Metaustral reads the INFORMATION_SCHEMA of your database to discover tables, views, and their columns. For Databricks, it supports both Unity Catalog (3-level namespace: catalog.schema.table) and the legacy Hive metastore. No data is ever read from your tables — only schema definitions.

Metaustral lee el INFORMATION_SCHEMA de tu base de datos para descubrir tablas, vistas y sus columnas. Para Databricks, soporta tanto Unity Catalog (espacio de nombres de 3 niveles: catalog.schema.table) como el metastore Hive legacy. Nunca se leen datos de tus tablas — solo definiciones de esquema.

5.4 Scheduled Synchronization

5.4 Sincronización programada

Create import schedules to keep your catalog synchronized automatically. Each run uses a smart merge: new tables are created, existing ones updated, and tables no longer present in the source are marked inactive (not deleted). Available frequencies: Daily, Weekly (selected day), Monthly (selected day).

Crea programaciones de importación para mantener tu catálogo sincronizado automáticamente. Cada ejecución usa una estrategia de fusión inteligente (smart merge): las tablas nuevas se crean, las existentes se actualizan, y las tablas que ya no están en el origen se marcan inactivas (no se eliminan). Frecuencias disponibles: Diaria, Semanal (día seleccionado), Mensual (día seleccionado).

6. Data Lineage

6. Linaje de datos

Trace data as it flows from source tables to dashboards and reports.

Rastrea los datos a medida que fluyen desde las tablas de origen hasta dashboards y reportes.

6.1 What is Data Lineage?

6.1 ¿Qué es el linaje de datos?

Data lineage is the documented history of how data moves and transforms across systems. It answers: "This KPI is broken — which upstream table did it come from?" or "If I change this table, which dashboards will be affected?"

El linaje de datos es el historial documentado de cómo los datos se mueven y transforman a través de los sistemas. Responde: "Este KPI está roto — ¿de qué tabla upstream proviene?" o "Si cambio esta tabla, ¿qué dashboards se verán afectados?"

6.2 How Lineage Works in Metaustral

6.2 Cómo funciona el linaje en Metaustral

Lineage is expressed as directed edges between catalog assets. Each edge has a source, a target, an optional transformation type (e.g. "ETL", "SQL view", "dbt model"), and a free-text description. From any asset's detail page, you can view both upstream and downstream dependencies. Editors and above can create or delete lineage edges.

El linaje se expresa como aristas dirigidas entre activos del catálogo. Cada arista tiene un origen, un destino, un tipo de transformación opcional (ej: "ETL", "SQL view", "dbt model") y una descripción de texto libre. Desde la página de detalle de cualquier activo, puedes ver tanto las dependencias upstream como downstream. Los editores y superiores pueden crear o eliminar aristas de linaje.

6.3 Business Benefits

6.3 Beneficios de negocio

• Impact analysis: before changing a table, see which downstream assets depend on it.
• Root cause analysis: when a report breaks, trace the data pipeline upstream to find the issue.
• Compliance: demonstrate the full chain of data movement for sensitive datasets.
• Trust: analysts understand where their numbers come from.

• Análisis de impacto: antes de cambiar una tabla, ve qué activos downstream dependen de ella.
• Análisis de causa raíz: cuando un reporte falla, rastrea el pipeline de datos upstream para encontrar el origen del problema.
• Compliance: demuestra la cadena completa de movimiento de datos para datasets sensibles.
• Confianza: los analistas entienden de dónde vienen sus números.

7. ERD Diagrams

7. Diagramas ERD

Visualize foreign-key relationships between tables as auto-generated entity-relationship diagrams.

Visualiza relaciones de clave foránea entre tablas como diagramas entidad-relación generados automáticamente.

7.1 What is an ERD?

7.1 ¿Qué es un ERD?

An Entity Relationship Diagram (ERD) shows how database tables are connected through foreign-key constraints. It answers questions like "Which tables reference the customers table?" or "What does the orders schema look like structurally?" An ERD is the fastest way to onboard new team members on a database schema and to document the data model for compliance or architecture review.

Un Diagrama Entidad-Relación (ERD) muestra cómo las tablas de base de datos están conectadas a través de restricciones de clave foránea. Responde preguntas como "¿Qué tablas referencian la tabla customers?" o "¿Cómo es la estructura del esquema de orders?" Un ERD es la forma más rápida de incorporar nuevos miembros del equipo a un esquema de base de datos y documentar el modelo de datos para compliance o revisión arquitectónica.

7.2 ERDs in Metaustral

7.2 ERDs en Metaustral

ERD diagrams appear on the detail page of TABLE assets only — as a dedicated ERD tab between Lineage and Glossary. Relations are stored in a separate erd_relations table, independent of the lineage graph, so adding or deleting ERD edges never affects your lineage data.

Los diagramas ERD aparecen en la página de detalle de activos tipo TABLE únicamente — como una pestaña ERD dedicada entre Linaje y Glosario. Las relaciones se almacenan en una tabla separada erd_relations, independiente del grafo de linaje, de modo que agregar o eliminar aristas ERD nunca afecta los datos de linaje.

7.3 Automatic FK Detection

7.3 Detección automática de FK

When you import tables from a connected database, Metaustral automatically detects foreign-key constraints and creates ERD relations for them. Detected relations are marked with an AUTO badge. Detection is supported for:

Al importar tablas desde una base de datos conectada, Metaustral detecta automáticamente las restricciones de clave foránea y crea relaciones ERD para ellas. Las relaciones detectadas se marcan con un badge AUTO. La detección es compatible con:

• SQL Server — via sys.foreign_key_columns
• MySQL — via INFORMATION_SCHEMA.KEY_COLUMN_USAGE
• PostgreSQL — via information_schema.table_constraints

• SQL Server — vía sys.foreign_key_columns
• MySQL — vía INFORMATION_SCHEMA.KEY_COLUMN_USAGE
• PostgreSQL — vía information_schema.table_constraints

7.4 Manual Relations

7.4 Relaciones manuales

Editors and admins can add relations manually from the ERD tab. Click + Add relation, search for the related table, optionally specify the FK and PK column names, choose a cardinality type (many-to-one, one-to-many, one-to-one, many-to-many), and optionally add a label. Manually added relations are marked with a MANUAL badge and can be deleted at any time.

Los editores y administradores pueden agregar relaciones manualmente desde la pestaña ERD. Haz clic en + Agregar relación, busca la tabla relacionada, especifica opcionalmente los nombres de las columnas FK y PK, elige un tipo de cardinalidad (muchos a uno, uno a muchos, uno a uno, muchos a muchos) y agrega opcionalmente una etiqueta. Las relaciones agregadas manualmente se marcan con un badge MANUAL y pueden eliminarse en cualquier momento.

8. Glossaries

8. Glosarios

Define shared business terminology and link it directly to catalog assets.

Define la terminología de negocio compartida y vincúlala directamente a los activos del catálogo.

8.1 What are Glossaries?

8.1 ¿Qué son los glosarios?

A business glossary is a collection of standardized term definitions used across your organization. Without one, the same concept can mean different things to different teams — "active customer" might be defined differently by Marketing, Sales, and Finance, leading to conflicting reports.

Un glosario de negocio es una colección de definiciones estandarizadas de términos usados en toda la organización. Sin uno, el mismo concepto puede significar cosas diferentes para distintos equipos — "cliente activo" puede estar definido de manera diferente por Marketing, Ventas y Finanzas, generando reportes contradictorios.

8.2 How Glossaries Work in Metaustral

8.2 Cómo funcionan los glosarios en Metaustral

Each glossary has a name, an optional description, and a list of terms — each term has a name and a definition. Glossaries are created and managed from the Admin panel. Any catalog asset can be linked to a glossary, so its terms appear directly on the asset's detail page.

Cada glosario tiene un nombre, una descripción opcional y una lista de términos — cada término tiene un nombre y una definición. Los glosarios se crean y gestionan desde el panel de administración. Cualquier activo del catálogo puede vincularse a un glosario, y sus términos aparecen directamente en la página de detalle del activo.

9. Data Quality Score

9. Score de calidad de datos

An automatic completeness score that shows how well each asset is documented.

Un score de completitud automático que muestra qué tan bien está documentado cada activo.

9.1 Why It Matters

9.1 Por qué importa

A catalog with undocumented assets provides little value. The Data Quality Score gives every asset a 0–100 score based on metadata completeness, making it easy to prioritize documentation efforts and surface assets that need attention. The Admin dashboard shows the overall tenant quality score — the average across all assets in your workspace.

Un catálogo con activos sin documentar aporta poco valor. El Score de calidad asigna a cada activo un score de 0 a 100 basado en la completitud de sus metadatos, facilitando la priorización del esfuerzo de documentación. El dashboard de administración muestra el score general del tenant — el promedio de todos los activos en tu espacio de trabajo.

9.2 Score Calculation

9.2 Cálculo del score

The Score breakdown panel on an asset's detail page — each field shows how many points it contributed toward the total 100-point quality score.

El panel de desglose del score en la página de detalle del activo — cada campo muestra cuántos puntos aportó al total de 100 puntos del score de calidad.

10. Audit History Pro Enterprise

10. Historial de auditoría Pro Enterprise

A complete log of every write action in your workspace.

Un registro completo de cada acción de escritura en tu espacio de trabajo.

10.1 What is Tracked

10.1 Qué se registra

Every create, update, and delete action on catalog assets is recorded with: action type (e.g. create_item, update_item), resource type and ID, the user email who performed it, a JSON payload with field values, and an exact UTC timestamp. Logs are filterable by action and resource type and paginated up to 200 records per request.

Cada acción de creación, actualización y eliminación en los activos del catálogo se registra con: tipo de acción (ej: create_item, update_item), tipo de recurso e ID, el correo del usuario que la realizó, un payload JSON con los valores de campo, y un timestamp UTC exacto. Los logs se pueden filtrar por acción y tipo de recurso, paginados hasta 200 registros por solicitud.

10.2 How Audit Logs Help Governance

10.2 Cómo los logs de auditoría ayudan a la gobernanza

• Accountability: every change has a named actor and timestamp — no anonymous modifications.
• Regulatory compliance: demonstrate to auditors (SOX, GDPR, HIPAA) that changes to sensitive data assets are tracked.
• Incident investigation: the audit log tells you exactly who changed what and when.

• Responsabilidad: cada cambio tiene un actor identificado y un timestamp — sin modificaciones anónimas.
• Compliance regulatorio: demuestra a los auditores (SOX, GDPR, HIPAA) que los cambios en activos sensibles están rastreados.
• Investigación de incidentes: el log de auditoría dice exactamente quién cambió qué y cuándo.

11. User Roles & Permissions

11. Roles de usuario y permisos

Control who can see, edit, and manage data in your workspace.

Controla quién puede ver, editar y gestionar datos en tu espacio de trabajo.

The Admin Control Panel — overview of total assets, users, average quality score, and quality distribution across Excellent / Good / Fair / Poor levels, with assets that need attention highlighted.

El Panel de Control de Administración — resumen de activos totales, usuarios, score de calidad promedio y distribución de calidad en niveles Excelente / Bueno / Regular / Deficiente, con activos que necesitan atención destacados.

12. AI Module Enterprise

12. Módulo de IA Enterprise

Ask questions about your catalog in natural language and get instant, context-aware answers.

Haz preguntas sobre tu catálogo en lenguaje natural y obtén respuestas instantáneas con contexto.

12.1 Natural Language Search

12.1 Búsqueda en lenguaje natural

Instead of navigating filters, you can ask the AI assistant questions like you would ask a colleague. The assistant has full context of your catalog — all asset names, types, descriptions, owners, tags, and glossary terms — and answers based on what is actually documented in your workspace.

En vez de navegar filtros, puedes hacerle preguntas al asistente de IA como se las harías a un colega. El asistente tiene contexto completo de tu catálogo — todos los nombres de activos, tipos, descripciones, propietarios, etiquetas y términos del glosario — y responde basándose en lo que está realmente documentado en tu espacio de trabajo.

12.2 How it Works

12.2 Cómo funciona

When you submit a question, Metaustral builds a context snapshot of your catalog and sends it along with your question to Claude Haiku (Anthropic). The model returns a natural language answer displayed in the chat interface. No raw data from your databases is ever sent — only catalog metadata.

Cuando envías una pregunta, Metaustral construye un snapshot del contexto de tu catálogo y lo envía junto con tu pregunta a Claude Haiku (Anthropic). El modelo devuelve una respuesta en lenguaje natural mostrada en la interfaz de chat. Nunca se envían datos reales de tus bases de datos — solo metadatos del catálogo.

13. On-Premise Agent Enterprise

13. Agente on-premise Enterprise

Discover metadata from databases that cannot be accessed directly from the cloud.

Descubre metadatos de bases de datos que no pueden ser accedidas directamente desde la nube.

13.1 Why Organizations Need It

13.1 Por qué las organizaciones lo necesitan

Many organizations operate databases inside private networks that cannot be reached from the cloud. The on-premise agent solves this by running inside the private network: it connects to the local database, discovers the metadata, and pushes it to Metaustral's cloud API — without ever exposing the database to the internet.

Muchas organizaciones operan bases de datos dentro de redes privadas que no pueden ser alcanzadas desde la nube. El agente on-premise resuelve esto ejecutándose dentro de la red privada: se conecta a la base de datos local, descubre los metadatos y los envía a la API en la nube de Metaustral — sin exponer nunca la base de datos a internet.

13.2 Security Considerations

13.2 Consideraciones de seguridad

• Outbound-only: the agent initiates outbound HTTPS requests to Metaustral's API. No inbound firewall ports need to be opened.
• Metadata-only: the agent reads only schema definitions (table names, column names, data types) — never actual row data.
• Credential isolation: database credentials are stored in a local .env file and are never transmitted to the cloud.

• Solo tráfico saliente: el agente inicia solicitudes HTTPS salientes a la API de Metaustral. No es necesario abrir puertos de firewall entrantes.
• Solo metadatos: el agente lee únicamente definiciones de esquema — nunca datos reales de filas.
• Aislamiento de credenciales: las credenciales se almacenan en un archivo .env local y nunca se transmiten a la nube.

13.3 Architecture Overview

13.3 Resumen de arquitectura

The agent can run once (on-demand) or on a recurring interval (e.g. every hour). Each run syncs the metadata and reports the result to the platform's run history.

El agente puede ejecutarse una vez (bajo demanda) o en un intervalo recurrente (ej: cada hora). Cada ejecución sincroniza los metadatos e informa el resultado al historial de ejecuciones de la plataforma.

Excel / Import Wizard

Excel / Import Wizard

Populate your catalog in bulk — assets, columns, lineage, and ERD relationships — from a single structured Excel file.

Llena tu catálogo en masa — activos, columnas, linaje y relaciones ERD — desde un único archivo Excel estructurado.

Overview

Descripción general

The Import Wizard lets you create or update hundreds of catalog entries at once using a pre-structured .xlsx template. It is ideal for initial migrations, bulk documentation sprints, and keeping the catalog in sync with a master spreadsheet maintained by your data team.

El Import Wizard permite crear o actualizar cientos de entradas del catálogo a la vez usando una plantilla .xlsx pre-estructurada. Es ideal para migraciones iniciales, sprints de documentación masiva y para mantener el catálogo sincronizado con una hoja maestra gestionada por tu equipo de datos.

Step 1 — Download the template and upload your file

Paso 1 — Descarga la plantilla y sube tu archivo

Navigate to Data Management → Import Wizard. Click Download template to get the official .xlsx file, fill in your data across its four sheets (Assets, Columns, Lineage, ERD), then drag and drop the completed file into the upload area.

Navega a Data Management → Import Wizard. Haz clic en Download template para obtener el archivo .xlsx oficial, completa los datos en sus cuatro hojas (Assets, Columns, Lineage, ERD) y arrastra el archivo completado al área de carga.

Import Wizard step 1: download the Excel template, then drag & drop your completed file to upload it.

Import Wizard paso 1: descarga la plantilla Excel y luego arrastra tu archivo completado para cargarlo.

Step 2 — Preview and execute

Paso 2 — Vista previa y ejecución

After upload, Metaustral parses the file and shows a preview of what will be created or updated — broken down by new assets, updates, columns, lineage links, and ERD relations. Review the summary and click Execute import to apply the changes.

Tras la carga, Metaustral analiza el archivo y muestra una vista previa de lo que se creará o actualizará — desglosado por nuevos activos, actualizaciones, columnas, vínculos de linaje y relaciones ERD. Revisa el resumen y haz clic en Execute import para aplicar los cambios.

Import Wizard step 2: preview of new assets and updates, with counts per category and a per-row detail table before execution.

Import Wizard paso 2: vista previa de nuevos activos y actualizaciones, con conteos por categoría y detalle fila a fila antes de ejecutar.

Excel template sheets

Hojas de la plantilla Excel

SQL Server Integration

Integración con SQL Server

Connect a Microsoft SQL Server instance to Metaustral and automatically discover tables, views, columns, and foreign keys.

Conecta una instancia de Microsoft SQL Server a Metaustral y descubre automáticamente tablas, vistas, columnas y claves foráneas.

Prerequisites

Requisitos previos

• A SQL Server instance (2012 or later) reachable from the Metaustral cloud — or use the On-Premise Agent for private networks.
• A SQL login with at least VIEW DEFINITION and SELECT on INFORMATION_SCHEMA.
• TCP/IP enabled on port 1433 (or a custom port) and allowed through any network firewalls.
• Starter, Pro, or Enterprise plan (database connections are not available on the Free plan).

• Una instancia de SQL Server (2012 o superior) accesible desde la nube de Metaustral — o usa el Agente on-premise para redes privadas.
• Un login SQL con al menos VIEW DEFINITION y SELECT sobre INFORMATION_SCHEMA.
• TCP/IP habilitado en el puerto 1433 (o un puerto personalizado) y permitido a través de firewalls de red.
• Plan Starter, Pro o Enterprise (las conexiones a bases de datos no están disponibles en el plan Free).

How to connect

Cómo conectar

SQL Server connection form — host, port 1433, database, username, password, and optional schema filter.

Formulario de conexión SQL Server — host, puerto 1433, base de datos, usuario, contraseña y filtro de esquema opcional.

Connection fields

Campos de conexión

MySQL Integration

Integración con MySQL

Connect a MySQL or MariaDB database to Metaustral and automatically discover tables, views, columns, and foreign-key relationships.

Conecta una base de datos MySQL o MariaDB a Metaustral y descubre automáticamente tablas, vistas, columnas y relaciones de clave foránea.

Prerequisites

Requisitos previos

• MySQL 5.7+ or MariaDB 10.3+ reachable from the Metaustral cloud — or use the On-Premise Agent for private networks.
• A MySQL user with SELECT on information_schema for the target database.
• Port 3306 open to inbound connections from Metaustral's IP ranges.
• Starter, Pro, or Enterprise plan.

• MySQL 5.7+ o MariaDB 10.3+ accesible desde la nube de Metaustral — o usa el Agente on-premise para redes privadas.
• Un usuario MySQL con SELECT en information_schema para la base de datos objetivo.
• Puerto 3306 abierto para conexiones entrantes desde los rangos IP de Metaustral.
• Plan Starter, Pro o Enterprise.

How to connect

Cómo conectar

MySQL connection form — host, database name, username, and password.

Formulario de conexión MySQL — host, nombre de base de datos, usuario y contraseña.

PostgreSQL Integration

Integración con PostgreSQL

Connect a PostgreSQL database to Metaustral and automatically catalog its tables, views, columns, and foreign-key relationships.

Conecta una base de datos PostgreSQL a Metaustral y cataloga automáticamente sus tablas, vistas, columnas y relaciones de clave foránea.

Prerequisites

Requisitos previos

• PostgreSQL 11+ reachable from the Metaustral cloud — or use the On-Premise Agent for private networks.
• A PostgreSQL user with CONNECT on the target database and USAGE on the schema(s) to introspect.
• Port 5432 accessible from Metaustral.
• Starter, Pro, or Enterprise plan.

• PostgreSQL 11+ accesible desde la nube de Metaustral — o usa el Agente on-premise para redes privadas.
• Un usuario PostgreSQL con CONNECT en la base de datos objetivo y USAGE en los esquemas a inspeccionar.
• Puerto 5432 accesible desde Metaustral.
• Plan Starter, Pro o Enterprise.

How to connect

Cómo conectar

PostgreSQL connection form — host, database, username, and password.

Formulario de conexión PostgreSQL — host, base de datos, usuario y contraseña.

Snowflake Integration

Integración con Snowflake

Connect your Snowflake data warehouse to Metaustral and automatically discover databases, schemas, tables, and views.

Conecta tu data warehouse de Snowflake a Metaustral y descubre automáticamente bases de datos, esquemas, tablas y vistas.

Prerequisites

Requisitos previos

• An active Snowflake account with a running virtual warehouse.
• A Snowflake user with USAGE on the warehouse and REFERENCES (or higher) on the target database and schemas.
• Starter, Pro, or Enterprise plan.

• Una cuenta activa de Snowflake con un virtual warehouse en ejecución.
• Un usuario Snowflake con USAGE en el warehouse y REFERENCES (o superior) en la base de datos y esquemas objetivo.
• Plan Starter, Pro o Enterprise.

How to connect

Cómo conectar

Snowflake connection form — account identifier, database, warehouse, optional role, username, and password.

Formulario de conexión Snowflake — account identifier, database, warehouse, role opcional, usuario y contraseña.

Connection fields

Campos de conexión

Databricks Integration

Integración con Databricks

Connect a Databricks workspace to Metaustral using a personal access token and discover Unity Catalog tables, schemas, and metadata.

Conecta un workspace de Databricks a Metaustral usando un token de acceso personal y descubre tablas, esquemas y metadatos del Unity Catalog.

Prerequisites

Requisitos previos

• A Databricks workspace (AWS, Azure, or GCP) with Unity Catalog or Hive Metastore enabled.
• A Personal Access Token — generate one in Databricks under User Settings → Developer → Access Tokens.
• An HTTP Path for a running SQL Warehouse — found under SQL Warehouses → Connection details.
• Starter, Pro, or Enterprise plan.

• Un workspace de Databricks (AWS, Azure o GCP) con Unity Catalog o Hive Metastore habilitado.
• Un Personal Access Token — genéralo en Databricks en User Settings → Developer → Access Tokens.
• Un HTTP Path de un SQL Warehouse en ejecución — encuéntralo en SQL Warehouses → Connection details.
• Plan Starter, Pro o Enterprise.

How to connect

Cómo conectar

Databricks connection form — host, port 443, catalog, HTTP path, and personal access token.

Formulario de conexión Databricks — host, puerto 443, catalog, HTTP path y personal access token.

Connection fields

Campos de conexión

On-Premise Databases Enterprise

Bases de datos on-premise Enterprise

Connect SQL Server, MySQL, or PostgreSQL databases running inside private corporate networks — without opening inbound firewall ports.

Conecta bases de datos SQL Server, MySQL o PostgreSQL que corren dentro de redes corporativas privadas — sin abrir puertos de firewall entrantes.

Why can't I connect directly?

¿Por qué no puedo conectar directamente?

Cloud-hosted databases (RDS, Azure SQL, Cloud SQL) are reachable by IP from Metaustral. But databases running inside a private corporate network are typically blocked by firewalls and have no public IP. The On-Premise Agent solves this: a lightweight Python script runs inside your network, connects to the database locally, and pushes metadata to Metaustral over outbound HTTPS — the only direction that firewalls usually allow by default.

Las bases de datos en la nube (RDS, Azure SQL, Cloud SQL) son accesibles por IP desde Metaustral. Pero las bases de datos en redes corporativas privadas suelen estar bloqueadas por firewalls y no tienen IP pública. El Agente on-premise resuelve esto: un script Python liviano corre dentro de tu red, se conecta a la base de datos localmente y envía los metadatos a Metaustral por HTTPS saliente — la única dirección que los firewalls suelen permitir por defecto.

Architecture

Arquitectura

Supported databases (on-premise)

Bases de datos soportadas (on-premise)

SQL Server MySQL PostgreSQL

Security highlights

Aspectos de seguridad

• Outbound-only traffic: the agent makes HTTPS requests to api.metaustral.com. No inbound ports need to be opened.
• Metadata only: the agent reads schema definitions from INFORMATION_SCHEMA only — it never reads actual row data.
• Credentials stay on-premise: database credentials are stored in a local .env file and are never sent to the cloud.
• Encrypted transport: all communication between the agent and Metaustral uses TLS 1.2+.

• Solo tráfico saliente: el agente realiza solicitudes HTTPS a api.metaustral.com. No se necesitan abrir puertos entrantes.
• Solo metadatos: el agente lee definiciones de esquema desde INFORMATION_SCHEMA únicamente — nunca lee datos reales de filas.
• Credenciales permanecen on-premise: las credenciales de la base de datos se almacenan en un archivo .env local y nunca se envían a la nube.
• Transporte cifrado: toda la comunicación entre el agente y Metaustral usa TLS 1.2+.

For full setup instructions, see the On-Premise Agent documentation →

Para instrucciones completas de configuración, consulta la documentación del Agente on-premise →

FAQ

Common questions about Metaustral.

Preguntas comunes sobre Metaustral.