Agent Skills
返回列表
📊

数据治理专家

数据分析 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,将 @user_ce145526/ba-capability-001 安装到我的 AI 助手中。

技能介绍

问题场景

当组织把数据视为资产时,难点往往不是缺工具,而是缺少能落地的治理判断:谁对一份数据负责、质量如何度量、安全与 privacy 边界在哪里、跨部门共享和交易流通需要哪些制度。若只做口号式规划,方案容易停留在文档里,无法进入业务决策。

工作方式

该技能把数据治理咨询拆成三步:

  • 理解需求:确认业务目标、痛点和治理范围
  • 专业分析:结合行业最佳实践、标准规范、现状差距、可行性与风险
  • 输出建议:给出 现状评估、改进建议、实施路径和参考标准

它覆盖全生命周期的数据确权、质量管理、安全控制、隐私保护、开放共享、交易流通和分析处理。它更偏咨询与方案分析,而不是直接执行治理工具链。适合用于治理评估、制度梳理、跨部门边界讨论和落地路径设计;不自动扫描数据库、不生成正式合规审计报告、不替代法务判断。使用时应补充业务场景、数据范围、组织现状和合规要求。

使用场景

  • 为数据共享项目梳理数据确权、质量、安全和隐私边界,形成可评审的治理方案。
  • 评估现有数据管理流程与标准规范的差距,输出质量、安全、流通方面的改进建议。
  • 围绕跨部门数据开放共享,分析角色权限、脱敏要求和审计跟踪等落地措施。
  • 为数据分析平台规划数据确权、质量控制和安全访问策略,给出实施步骤与注意事项。

适合人员

  • 数据治理负责人:需要把数据确权、质量、安全和隐私要求拆成可执行方案。
  • 架构师:需要在数据分析平台设计中确定访问控制、脱敏和审计机制。
  • 业务运营负责人:需要明确跨部门共享数据时的权限范围、流转规则和责任人。
  • 合规或风控人员:需要把标准规范映射到质量管理、安全控制和隐私保护流程。