标签

#数据治理

共 7 篇文章

数据治理体系到底包含什么？元数据、质量、安全、成本四条线

数据治理的四条主线：元数据管理、数据质量、数据安全与合规、成本与生命周期，各自的抓手、工具和落地顺序。

91学AI·8 阅读

数仓成本分存储和计算两块。存储侧靠生命周期 TTL、冷表下线、压缩和小文件合并；计算侧治全量扫描和资源浪费；成本要分摊到团队才有治理动力。

91学AI·7 阅读

血缘靠 SQL 解析拿表级和字段级依赖，调度依赖做兜底。核心用途是影响分析、口径溯源、问题定位和下线评估，准确率要靠多来源互补。

91学AI·6 阅读

DQC 落地的三要素：规则体系覆盖完整性/及时性/准确性/一致性，卡点挂在任务产出后下游启动前，强规则熔断阻断调度、弱规则告警通知。

91学AI·7 阅读

评价数仓看五点：数据质量（完整准确一致及时）、模型复用度、稳定性与 SLA、资源成本、规范性。可量化为 DQC 通过率、任务破线率、重复表比例等指标。

91学AI·8 阅读

指标体系自上而下拆解：北极星指标按 OSM/UJM 拆到过程指标；落地靠「原子指标+修饰词+时间周期」定义派生指标。指标字典解决同名不同义、同义不同名的口径混乱。

91学AI·7 阅读

数仓建设真正的难点不在于数仓设计，而在于后续业务发展起来，业务线变的庞大之后的数据治理，包括资产治理、数据质量监控、数据指标体系的建设等。

园陌·2 阅读