En un entorno cada vez más regulado, donde normativas como HIPAA, GDPR o PCI-DSS imponen controles estrictos sobre el manejo de información personal y sensible, las organizaciones necesitan herramientas que permitan identificar, clasificar y proteger sus datos de forma automática y consistente.
Snowflake, a través de sus capacidades de Sensitive Data Classification, ofrece una solución moderna para abordar este reto.
¿Por qué es crítica la clasificación de datos sensibles?
Conocer dónde reside la información personal y cómo se utiliza es un requisito fundamental en sectores como salud, finanzas o logística. Snowflake enfatiza esta necesidad al indicar que: «indentificar la ubicación y protección del dato sensible no es solo una buena práctica, sino una exigencia regulatoria«
Las regulaciones como HIPAA obligan a las empresas a:
- Detectar información personal protegida (PHI).
- Controlar accesos a nivel granular.
- Aplicar enmascaramiento, trazabilidad y políticas de retención.
- Garantizar auditorías claras y actualizadas.
Sin una clasificación confiable, es prácticamente imposible cumplir con estos requisitos.
Clasificación automática de datos en Snowflake: cómo funciona
Snowflake proporciona funcionalidad avanzada para descubrir automáticamente columnas que contienen datos sensibles y asignarles categorías y etiquetas que sirven como base para las políticas de seguridad.
La clasificación automática se apoya en tres pilares:
[1] Categorías nativas y personalizadas de datos sensibles
Cada columna detectada se clasifica según:
Categoría semántica: Define el tipo de atributo personal (nombre, dirección, identificadores naciones, etc.). Snowflake proporciona categorías nativas, pero también permite crear categorías personalizadas, lo cual es crucial si una empresa necesita detectar un tipo específico de dato sensible propio del sector salud para cumplir con HIPAA.
Categoría de privacidad: Indica el nivel de sensibilidad del atributo, pudiendo ser:
- IDENTIFIER
- QUASI_IDENTIFIER
- SENSITIVE (para datos como salarios o atributos no identificadores)
Estas clasificaciones permiten definir políticas de enmascaramiento dinámico, acceso condicional y auditoría específica.
[2] Etiquetas (tags) del sistema y mapeo automático
Snowflake asigna tags del sistema a columnas con datos sensibles para activar controles de gobernanza:
- SNOWFLAKE.CORE.SEMANTIC_CATEGORY
- SNOWFLAKE.CORE.PRIVACY_CATEGORY
Además, Snowflake permite mapear estos tags a tags definidos por el usuario, creando reglas automáticas, por ejemplo:
Si el sistema clasifica una columna como NAME, se le asigna automáticamente el tag interno de la empresa «PII – Alto riesgo«.
Esto puede ser clave en un entorno HIPAA para marcar automáticamente datos PHI y activar políticas de cifrado, auditoría o limitaciones de acceso según el rol.
[3] Perfiles de clasificación y automatización continua
Snowflake introduce los classification profiles, que permiten:
- Definir criterios automáticos de clasificación.
- Controlar la frecuencia de re-clasificación.
- Indicar si se aplican tags automáticamente o requieren revisión.
- Configurar el uso de clasificadores personalizados.
Asignar un «perfil de clasificación» a un schema o base de datos garantiza que los datos nuevos o modificados se clasifiquen automáticamente, garantizando cumplimiento continuo sin intervención manual.
Clasificación de subconjuntos de categorías (nuevo en Snowflake)
En las últimas actualizaciones, Snowflake ha incorporado mejoras significativas, como la capacidad de clasificar subconjuntos específicos de categorías nativas, lo que permite una mayor precisión al identificar tipos concretos de datos sensibles.
Este enfoque es especialmente útil para organizciones que deben cumplir regulaciones sectoriales (como HIPAA), pues les permiten enfocarse en detectar atributos concretos como:
- Identificadores de pacientes.
- Información biométrica.
- Registros médicos.
- Datos financieros asociados a tratamientos.
Clasificación automática y cumplimiento de HIPAA
HIPAA (Health Insurance Portability and Accountability Act) como vimos anteriormente, requiere:
- Identificar PHI (Protected Health Information)
- Controlar acceso según «mínimo privilegio»
- Aplicar enmascaramiento según rol
- Asegurar auditoría y trazabilidad de accesos
Y estas capacidades están soportadas en Snowflake mediante:
Descubrimiento automático de PHI: La clasificación automatizada garantiza que cualquier colulmna que contenga identificadores, información de salud o datos personales sea detectada y etiquetada adecuadamente.
Etiquetado consistente con categorías de privacidad: Gracias a las categorías IDENTIFIER y SENSITIVE, es posible establecer reglas estrictas de enmascaramiento y acceso.
Automatización continua mediante perfiles: Esto es esencial para HIPAA, donde la incorporación de nuevos datos debe cumplir los mismos controles desde el momento en que ingresan al sistema.
Integración con políticas de seguridad Snowflake: Los tags pueden activar máscaras dinámicas, row-access policies o auditoría centralizada.
Clasificación de datos sensible en JSON: un avance clave para el cumplimiento de HIPAA
Por último, mencionar una de las últimas mejoras que se han introducido en Snowflake en 2026 (disponible en GA) y es la capacidad de clasificar datos sensibles dentro de columnas semiestructuradas (VARIANT, OBJECT, ARRAY), siempre que contengan formato JSON. Esta funcionalidad amplía notablemente el alcance de la gobernanza automatizada y resulta crítica en sectores regulados.
¿Por qué esta capacidad es tan importante?
En sistemas reales, los datos sensibles no siempre residen en columnas tradicionales. Cada vez más organizaciones almacenan información en formatos semiestructurados como JSON: historiales médicos, resultados de sensores, formularios de admisión, logs clínicos o estructuras jerárquicas generadas por aplicaciones.
Hasta ahora, detectar PHI dentro de JSON requería lógica personalizada, ETLs adicionales o inspección manual. Con esta actualización, Snowflake automatiza la clasificación dentro del propio JSON, sin necesidad de transforma el dato ni romper su estructura original.
Conclusión
la clasificación de datos sensibles ya no es opcional: es un requisito regulatorio. En entornos donde se manejan datos personales, y especialmente en industrias reguladas como la salud bajo HIPAA, la capacidad de Snowflake para:
- Detectar automáticamente datos sensibles
- Clasificarlos en categorías semánticas y de privacidad.
- Aplicar tags consistentes.
- Ejecutar políticas automatizadas mediante perfiles
… se convierte en un pilar central para garantizar seguridad, cumplimiento y gobernanza.
Las organizaciones que aprovechen estas capacidades podrán proteger mejor la información, simplificar auditorías y garantizar un cumplimiento continuo incluso en entornos de datos dinámicos.
Foto de portada gracias a RDNE Stock project: https://www.pexels.com/es-es/foto/mujer-en-traje-azul-con-cama-de-hospital-blanca-y-gris-6129676/
Alb3rto Alonso 