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
数据质量的主要维度
这部分内容有帮助吗？
- Beyond Accuracy: What Data Quality Means to Data Consumers, Richard Y. Wang, Diane M. Strong, 1996 Journal of Management Information Systems, Vol. 12 (Taylor & Francis) DOI: 10.1080/07421222.1996.11518099 - 这篇基础论文定义了数据质量的多个维度，超越了简单的准确性，这对于本节关于分解质量的论点至关重要。
- The DAMA Guide to the Data Management Body of Knowledge (DMBOK2), DAMA International, 2024 (Technics Publications, LLC) - 作为一项更广泛的数据管理标准，它提供了数据质量维度的全面框架和定义。
- Executing Data Quality Projects: Ten Steps to Quality Data and Trusted Information, Danette McGilvray, 2021 (Academic Press) - 提供了管理和改进数据质量的实用方法，与本节侧重于工程任务的观点一致。
- Fundamentals of Data Engineering: Planning and Building Robust Data Systems, Joe Reis, Matt Housley, 2022 (O'Reilly Media) - 涵盖了现代数据工程管道中数据质量、验证和测试的实践方面，包括讨论的维度。
© 2025 ApX Machine Learning用心打造