Agent Skills
返回列表
智能数据治理

智能数据治理

数据分析 更新于 2026.08.30

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，安装 @user_69009747/data-governance-autopilot。

技能介绍

要解决的问题

数据治理常卡在元数据分散、血缘缺失、质量规则靠人肉维护：表结构变更后文档失真，敏感字段识别依赖经验，审计前需要临时拼表。该技能把治理流程收敛为可执行管道，用YAML、采集器、检查引擎替代纯文档驱动。

工作方式

  • 元数据采集与血缘：多源元数据采集器扫描表结构、注释、存储统计，支持--incremental增量采集；自动推导字段/表级血缘，覆盖集成链路。
  • 质量检查：用六维规则定义severity: critical等约束，检查引擎执行并输出质量评分，便于按优先级维护规则。
  • 敏感数据处理：AI 分类分级引擎识别敏感字段，按L3部分脱敏保留分析价值，L4/L5可采用 Tokenization 替代 Masking。
  • 审计输出：生成合规审计报告，并映射 DAMA 知识领域，标注数据架构、数据安全、元数据管理等覆盖程度。

适用边界

该技能侧重数据架构、建模、安全、质量、元数据等自动治理；对数据存储、集成互操作、主数据仅做部分覆盖。分类准确率受--threshold影响，误报时可人工标注反馈；脱敏策略需按下游分析需求权衡。

使用场景

  • 数仓表结构变更后，自动采集新元数据并推导字段血缘，定位下游受影响的报表链路。
  • 上线前对 DW 层跑六维质量规则，筛出 critical 字段并生成质量评分与失败证据。
  • 审计前识别 L3-L5 敏感字段，按策略脱敏或 Tokenization，输出合规审计报告。
  • 千表级元数据采集变慢时，用 --incremental 仅扫描 last_modified 有变化的表。

适合人员

  • 数据工程师：需要在多源表结构变更后维护元数据、血缘和存储统计。
  • 质量分析师：需要用 YAML 规则、severity 与质量评分定位 critical 问题。
  • 安全与合规负责人：需要完成敏感字段分级、脱敏策略和审计证据整理。
  • 数仓负责人：需要在 DW 层检查引用完整性、质量规则与治理覆盖度。