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。
数据治理与管理
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。
按快速学习和深度研究查阅数据标准、质量、元数据、血缘、安全、责任流程，以及AI数据治理和可信流通专题。
领域边界
这里关注数据能否被正确理解、可信使用与持续负责；数据管道和系统实现回到开发与工具，业务使用与指标效果回到分析与运营。治理不只是清洗数据，也不以平台条目数代替落地证据；法规与跨组织流通要求必须保留具体适用范围。
相邻领域
文档目录
目录分组用于定位文档，不表示必学关系。保留原目录的交叉归档，不以存放位置重新定义知识边界；方法或实现问题可转查相邻领域。显示文件名帮助定位；存在差异的原属性标题同时保留。正文审阅与事实核验分别记录，导航生成不自动校正原标题或事实。同名条目需结合完整链接路径及正文范围判断。
01-快速学习
- DAMA框架简介（原属性标题：DAMA框架简介 - 数据管理世界的"宪法"）
- 什么是数据（原属性标题：什么是数据 - 你身边无处不在的"事实记录"）
- 什么是治理（原属性标题：什么是治理 - 从管理到治理的思维转变）
- 数据安全基本概念（原属性标题：数据安全基本概念 - 你的数据城堡需要护城河）
- 数据架构基本概念（原属性标题：数据架构基本概念 - 让混乱的数据变成有序的城市）
- 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）
- 数据治理简介（原属性标题：数据治理简介 - 让混乱的数据变成有序的财富）
- 数据生命周期概念（原属性标题：数据生命周期概念 - 陪伴数据走过一生的每个阶段）
- 数据质量基本概念（原属性标题：数据质量基本概念 - 垃圾进，垃圾出的数据世界）
- 数据分类分级实践（原属性标题：数据分类分级实践 - 让每个数据都有自己的"身份证"）
- 数据架构设计方法（原属性标题：数据架构设计方法 - 打造企业数据管理的"城市规划图"）
- 数据治理检查清单（原属性标题：数据治理检查清单 - 企业数据治理全面体检工具）
- 数据质量改进方法（原属性标题：数据质量改进方法 - 让质量问题从根源上消失）
- 数据质量监控实施（原属性标题：数据质量监控实施 - 让数据质量问题无处可逃）
- 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"）
- 数据质量评估模板（原属性标题：数据质量评估模板 - 标准化评估工具）
- Apache Atlas数据血缘追踪（原属性标题：Apache Atlas数据血缘追踪 - 让数据流转如血脉般清晰可见）
- Apache Griffin实战应用（原属性标题：Apache Griffin实战应用 - 让大数据质量监控如鹰眼般敏锐）
- Apache Ranger权限管理（原属性标题：Apache Ranger权限管理 - 让大数据安全管控精确到每一行每一列）
- DataHub数据目录搭建（原属性标题：DataHub数据目录搭建 - 让数据发现像搜索网页一样简单）
- Great Expectations使用指南（原属性标题：Great Expectations使用指南 - 让数据质量像单元测试一样简单）
- 数据脱敏工具实践（原属性标题：数据脱敏工具实践 - 让敏感数据既可用又安全）
- 保险公司数据质量提升案例（原属性标题：保险公司数据质量提升案例 - 让客户数据从"泥沙"变"金沙"）
- 制造企业数据湖建设案例（原属性标题：制造企业数据湖建设案例 - 让工业数据从"散沙"聚成"金矿"）
- 新零售数据中台建设案例（原属性标题：新零售数据中台建设案例 - 让零售数据从"孤岛"变"中台"）
- 汽车制造数据血缘管理案例（原属性标题：汽车制造数据血缘管理案例 - 让复杂供应链数据关系清晰如血脉）
- 电商平台数据分类分级案例（原属性标题：电商平台数据分类分级案例 - 让海量数据井然有序、安全可控）
- 银行数据治理体系建设案例（原属性标题：银行数据治理体系建设案例 - 让"数据金矿"规范开采）
- 数据价值评估与商业化（原属性标题：数据价值评估与商业化 - 让数据资产创造真实价值）
- 数据治理变革管理（原属性标题：数据治理变革管理 - 化阻力为助力的变革艺术）
- 数据治理投资回报率分析（原属性标题：数据治理投资回报率分析 - 让数据投资看得见收益）
- 数据治理项目管理（原属性标题：数据治理项目管理 - 从规划到落地的全程指南）
- 数据治理风险管理（原属性标题：数据治理风险管理 - 筑牢数据安全防线）
- 数据治理学习资源汇总（原属性标题：数据治理学习资源汇总 - 全方位学习指南与资源导航）
- 数据治理技能认证指南（原属性标题：数据治理技能认证指南 - 专业资质提升完全攻略）
- 数据治理职业发展路径（原属性标题：数据治理职业发展路径 - 从入门到专家的成长指南）
- 数据治理面试宝典（原属性标题：数据治理面试宝典 - 从准备到成功的全方位指南）
02-深度研究
- 数据治理成熟度模型（原属性标题：数据治理成熟度模型 - 评估与改进数据治理能力）
- 数据治理框架（原属性标题：数据治理框架 - 构建系统化的数据治理体系）
- 数据治理概述（原属性标题：数据治理概述 - 从混乱数据到可信决策）
- 数据治理组织架构（原属性标题：数据治理组织架构 - 构建高效的数据治理组织）
- 数据管理概述（原属性标题：数据管理概述 - 数据管理的基础概念）
- 数据管理角色与职责（原属性标题：数据管理角色与职责 - 数据管理团队构建）
- 元数据管理（原属性标题：元数据管理 - 管理数据的数据）
- 数据分类分级（原属性标题：数据分类分级 - 数据安全分类与保护等级）
- 数据字典管理（原属性标题：数据字典管理 - 统一数据定义和规范）
- 数据标准制定（原属性标题：数据标准制定 - 建立统一的数据标准体系）
- 数据安全审计（原属性标题：数据安全审计 - 数据安全合规的审计机制）
- 数据安全框架（原属性标题：数据安全框架 - 构建企业级数据安全防护体系）
- 合规监控与报告（原属性标题：合规监控与报告 - 数据合规的监控和报告机制）
- 数据保护法规（原属性标题：数据保护法规 - 国内外数据保护法规解读）
- 数据合规要求（原属性标题：数据合规要求 - 数据合规的基本要求）
- 数据跨境传输（原属性标题：数据跨境传输 - 中国数据出境合规路径）
- 数据架构概述（原属性标题：数据架构概述 - 构建企业数据的基础框架）
- 数据架构模式（原属性标题：数据架构模式 - 常见的数据架构模式）
- 数据架构设计原则（原属性标题：数据架构设计原则 - 数据架构设计的基本原则）
- 数据架构评估（原属性标题：数据架构评估 - 评估数据架构的方法）
- OneData方法论（原属性标题：OneData方法论 - 阿里巴巴数据中台统一数据架构方法论）
- OneID统一身份（原属性标题：OneID统一身份 - 企业级统一身份标识体系设计与实现）
- OneModel统一模型（原属性标题：OneModel统一模型 - 企业级统一数据建模方法论）
- OneService统一服务（原属性标题：OneService统一服务 - 企业级统一数据服务架构设计与实现）
- 数据中台建设（原属性标题：数据中台建设 - 企业级数据中台的建设实施指南）
- 数据中台架构（原属性标题：数据中台架构 - 企业级数据中台的技术架构设计）
- 数据中台概述（原属性标题：数据中台概述 - 构建企业数据服务的核心平台）
- 数据仓库设计（原属性标题：数据仓库设计 - 企业级数据仓库架构设计与实施指南）
- 数据建模（原属性标题：数据建模 - 企业级数据模型设计的理论与实践）
- 数据湖架构（原属性标题：数据湖架构 - 现代化数据湖的设计与实现）
- 数据集成（原属性标题：数据集成 - 现代企业数据集成的策略与实践）
- DataFabric架构（原属性标题：DataFabric架构 - 数据编织的分布式架构模式）
- DataMesh架构（原属性标题：DataMesh架构 - 去中心化的数据架构范式）
- 主数据管理MDM落地避坑指南
- 互联网大厂数据标准落地全案例
- 元数据管理平台选型与建设案例
- 实践案例总览（原属性标题：实践案例总览 - 数据治理与数据管理最佳实践）
- 数据安全分级分类的实操手册
- 数据架构实践案例（原属性标题：数据架构实践案例 - 从理论到落地的完整指南）
- 数据标准实践案例（原属性标题：数据标准实践案例 - 构建统一数据语言的最佳实践）
- 数据治理工具与平台实践案例（原属性标题：数据治理工具与平台实践案例 - 技术赋能数据治理）
- 数据治理成熟度评估与路线图制定
- 数据治理成熟度评估实践案例（原属性标题：数据治理成熟度评估实践案例 - 科学评估与持续改进）
- 数据治理推广失败的五个典型案例
- 数据质量治理从0到1的实战经验
- 金融行业实践（原属性标题：金融行业数据治理实践 - 从监管合规到业务创新的全链路治理）
- 00-AI数据治理概述与导航（原属性标题：AI数据治理概述与导航 - AI时代的数据治理新范式）
- 01-AI治理技术落地实践
- 01-AI数据治理vs传统数据治理（原属性标题：AI数据治理vs传统数据治理 - 智能时代的治理范式变革）
- 02-AI数据生命周期管理（原属性标题：AI数据生命周期管理 - 从采集到反馈的完整数据旅程）
- 03-AI数据治理成熟度模型（原属性标题：AI数据治理成熟度模型 - 评估与提升AI数据治理能力）
- 01-训练数据采集与合规（原属性标题：训练数据采集与合规 - 构建符合法规的AI数据采集体系）
- 02-数据标注质量管理（原属性标题：数据标注质量管理 - 打造高质量AI训练数据基础）
- 03-训练数据版本控制（原属性标题：训练数据版本控制 - 构建可追溯的数据管理体系）
- 04-数据集文档化与可追溯性（原属性标题：数据集文档化与可追溯性 - 构建透明可信的数据资产）
- 05-数据偏见检测与纠正（原属性标题：数据偏见检测与纠正 - 构建公平可信的AI系统）
- 01-预训练数据治理框架
- 02-微调数据管理最佳实践
- 03-RAG知识库治理
- 04-Prompt资产管理
- 05-合成数据生成与治理
- 01-Embedding质量管理
- 02-向量索引治理策略
- 03-向量数据生命周期
- 04-语义搜索质量评估
- 01-AI数据质量维度体系（原属性标题：AI数据质量维度体系 - AI场景下的质量评估框架）
- 02-数据漂移检测与监控（原属性标题：数据漂移检测与监控 - AI模型生产环境质量保障）
- 03-特征质量评估方法（原属性标题：特征质量评估方法 - 特征层面的数据质量管理）
- 04-模型性能与数据质量关联分析（原属性标题：模型性能与数据质量关联分析 - 量化数据质量的业务价值）
- 01-训练数据隐私保护技术
- 02-联邦学习与隐私计算
- 03-模型数据泄露防护
- 04-AI合规与法规遵循
- 05-差分隐私在AI中的应用
- 06-零知识证明技术
- 07-国产隐私计算平台
- 01-模型数据血缘追踪（原属性标题：模型数据血缘追踪 - 让AI模型的数据来源清晰可见）
- 02-特征血缘管理（原属性标题：特征血缘管理 - 让每个特征都有清晰的"身世"）
- 03-AI决策可解释性与数据溯源（原属性标题：AI决策可解释性与数据溯源 - 打开AI决策的"黑箱"）
- 04-模型卡片与数据卡片（原属性标题：模型卡片与数据卡片 - AI的"产品说明书"）
- 01-数据飞轮构建方法（原属性标题：数据飞轮构建方法 - AI系统的持续进化引擎）
- 02-反馈数据闭环管理（原属性标题：反馈数据闭环管理 - 让AI系统自我进化）
- 03-AB测试数据治理（原属性标题：A/B测试数据治理 - 科学验证AI优化效果）
- 04-AI数据资产化运营（原属性标题：AI数据资产化运营 - 将数据转化为持续价值）
- 01-金融风控模型数据治理
- 02-医疗AI诊断数据合规
- 03-自动驾驶感知数据管理
- 04-推荐系统用户行为数据治理
- 00-AI-ready Data专题导览
- 01-AI-ready Data标准框架
- 02-语义层与指标口径治理
- 03-数据合约与AI数据接口
- 04-Agent数据权限与审计
- 05-AI-ready Data成熟度评估清单
- 11-Agent权限审计与责任边界
- 12-EU-AI-Act与企业AI合规路线图（原属性标题：EU AI Act与企业AI合规路线图）
- 13-NIST-AI-RMF到数据治理控制项（原属性标题：NIST AI RMF到数据治理控制项）
- 14-AI系统审计日志与证据链
- AI-First治理模型（原属性标题：AI-First 治理模型：从叠加到重构）
- AI-Lineage血缘2.0（原属性标题：AI Lineage：从数据血缘到 Prompt/Model 血缘）
- 非结构化数据治理（原属性标题：非结构化数据治理：2026 年治理侧最大的空白）
- 00-数据要素市场与国家数据基础设施
- 01-数据空间与可信数据流通
本领域文档
- 00-数据治理知识库导览
- 初学者成功案例库（原属性标题：🌟 初学者成功案例库 - 真实转型故事集）
- 数据质量管理体系与实践（原属性标题：数据质量管理体系与实践 - 企业级数据质量管理完整指南）
- 新手快速入门指南（原属性标题：数据治理新手快速入门指南 - 7天从零到入门）
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。