知识点 › 数据基础设施

数据治理四件套

Data Governance

数据基础设施Lv.2

定义

标准（命名/口径/枚举）、质量（完整性/一致性/有效性/唯一性/及时性）、安全（分级/脱敏/权限/审计）、成本（生命周期/冷热/去重）。治理的最终产出不是文档，而是一个「能自助找到并信任数据」的资产目录。

关键要点

标准先行：口径不统一，后面所有看板与模型指标都不可信
质量要前置到入库拦截，事后清洗的成本高一个数量级
成本要下沉到团队/项目维度核算，否则没人有动力省
治理必须有 owner 与例会，否则必然退化成文档工程

面试怎么答

讲「标准-质量-安全-成本」四件套，各举一个落地动作，再给一个指标。

相关知识

数据目录与资产化 — 把数据集当资产管理：每个数据集有 owner、用途、版本、规模、质量分、使用记录、过期策略。让「找数据」从问人变成搜索…
数据质量体系 — 从「事后发现」转为「入库即拦截」：完整性（帧率/文件数）、一致性（时间戳/标定）、有效性（模糊/遮挡/曝光）、准确性（…
存储与算力成本治理 — PB 级数据的成本治理：冷热分层、生命周期删除、去重、压缩、按需转码、算力错峰、GPU 利用率。目标是「单位有效训练样…
数据平台整体架构 — 分层：接入层（回传网关/解析）→ 存储层（对象存储 + 数据湖）→ 治理层（元数据/质量/权限）→ 加工层（管道/打标…

在星图上打开这颗星 →