趋近智
生产环境中的数据治理、质量与可观测性
章节 1: 数据治理代码基本原理
以工程视角定义数据治理
数据分类与标记方法
基于角色的访问控制模型
策略即代码架构
实践：实施访问策略
章节 2: 数据质量维度与测试
数据质量的主要维度
数据断言的剖析
验证模式和类型
统计画像与分布检查
实践：编写数据验证套件
章节 3: 数据可观测系统
数据可观测性的支柱
监控时效性与延迟
数据量与行数异常
模式漂移检测
实践：构建数据新鲜度监控器
章节 4: 数据血缘与元数据管理
静态与动态血缘
OpenLineage 标准
依赖图的构建
影响分析技术
实践：从日志中提取数据血缘
章节 5: CI流水线中的自动化可靠性
数据代码的预提交钩子
实施质量门
流水线中的断路器
告警与事件管理
实践：配置CI数据测试
数据分类与标记方法
这部分内容有帮助吗？
- The DAMA Guide to the Data Management Body of Knowledge (DAMA-DMBOK 2), DAMA International, 2017 (Technics Publications) - 提供了一个全面的数据管理框架，涵盖数据治理、元数据管理和数据分类原则，对于建立一个强大的数据治理项目至关重要。
- Understanding Policy Tags and Access Policies, Snowflake Documentation, 2023 (Snowflake Inc.) - 解释如何在Snowflake数据平台中实施数据分类、标签和相关访问控制策略的官方文档。与敏感度级别的程序化强制执行直接相关。
- Model Properties & Tags, dbt Labs Documentation, 2023 (dbt Labs) - 官方文档，详细说明如何使用dbt为数据模型定义元数据（包括自定义标签）。这支持在数据转换管道中通过“基础设施即代码”方法进行明确的数据分类。
© 2025 ApX Machine Learning用心打造