未记录事实核验 · 状态：新增内容 · 导航

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

数据治理工程师

阅读需要登录；免费正文完整开放，pro 正文按有效会员权益判断，目录不会授予或变更账号权益。

从规则、责任与落地证据进入标准和质量工作，按负责的数据域选择治理实践；AI治理是同一责任体系在新场景中的扩展。

以下关联说明适用目的，不把整个领域视作必学。

相关知识主题

• 数据治理VS数据管理（原属性标题：数据治理VS数据管理 - 不再混淆的清晰界限） — 辨别制定规则、监督与技术执行的责任边界，不把治理等同于清洗或购买平台。
• 01-指标体系构建（原属性标题：指标体系构建 - 别让一堆数字假装在管理业务） — 在指标治理中补齐业务定义、数据来源与Owner，理解标准必须服务的实际决策。

常见问题与方法

• 数据质量评估方法（原属性标题：数据质量评估方法 - 给数据做一次全面"体检"） — 把质量问题转成有范围、采样、检查与改进优先级的评估；示例阈值不直接当企业标准。

可选学习路线

• L2-治理实践（原属性标题：数据治理工程师学习路线 - L2 治理实践） — 已有SQL、数据平台运维及治理项目经验后，按质量、元数据、血缘与安全职责选取实践规划；环境、样本和验收材料需自行补齐，不是只懂基础概念即可部署的教程。

项目与案例

• 01-数据标准与数据字典落地项目 — 在教学零售主题域练习术语、数据元、代码集与字典映射，以及责任评审、差异整改和消费端验收。
• 03-Agent评估与可观测性项目（原属性标题：Agent 评估与可观测性项目） — 已有只读Agent并承担AI运行治理时，设计Trace脱敏、版本血缘、越权硬失败与坏案例责任路由；需自备SDK、存储、评估器和CI实现，不以单一模型分数代替治理证据。

仅新增导航引用，不搬迁或复制原正文；错链、用途与适用条件反馈见 维护与更新说明。