数据治理基础概念与核心术语
章节导入：数据治理是数据平台工程师的“底层语言”。面试中80%的技术追问都围绕“治理≠管理”“DAMA/DCMM如何落地”。本章帮你建立权威术语体系，避免“术语打架”。
Q1：请简述数据治理的定义，以及它与数据管理的区别。
- 🎯 面试官考察点：是否理解治理的“决策-执行”分层；能否用一句话说清区别；是否关注过行业标准定义（如DAMA）。
- 🧠 回答框架：定义（治理是规范决策+监督执行）→ 区别（治理定规则，管理做执行）→ 举例（数据标准谁制定vs谁执行）→ 关联（治理驱动管理闭环）。
- 📝 简短示例回答：数据治理是对数据资产的决策权和问责制进行规范（DAMA定义），而数据管理是具体执行这些决策的技术活动。简单说，治理是“定规矩”，管理是“守规矩”。
- 💡 可能追问：你们公司数据治理归哪个部门管？治理委员会怎么运作？
- ⚠️ 避坑提醒：不要只背定义，要结合公司实际举例（如：我们由CDO牵头，数据治理组制定规范，开发团队按规范建模）。
Q2：介绍DAMA数据管理知识体系（DMBOK）中的主要领域。
- 🎯 面试官考察点：对DAMA框架的熟悉程度；能否提炼出最相关领域（如数据质量、元数据）；是否知道DAMA 2.0版本变化。
- 🧠 回答框架：总说11个领域 → 挑3-5个核心展开（数据架构、数据建模、数据质量、元数据、数据安全）→ 强调领域间关系（如元数据驱动数据血缘）→ 说明与治理的关系（治理贯穿所有领域）。
- 📝 简短示例回答：DAMA定义了11个领域，包括数据架构、建模、存储、安全、质量、元数据等。作为平台工程师，我重点关注元数据（血缘追踪）和数据质量（规则校验），它们直接决定治理效果。
- 💡 可能追问：DAMA中数据治理与数据管理是如何互相包含的？你们用过DAMA成熟度评估吗？
- ⚠️ 避坑提醒：不要死记11个领域名称，面试官更关心你如何结合工作场景选择重点领域。建议准备1个自己实际落地的领域案例。
Q3：什么是DCMM模型？它和数据治理有什么关系？
- 🎯 面试官考察点：是否了解国家标准；能否区分DCMM与DAMA；是否知道DCMM等级评估体系。
- 🧠 回答框架：DCMM定义（中国本土化数据管理成熟度模型）→ 8个能力域（数据战略、数据治理、数据架构等）→ 5个等级（初始级到优化级）→ 与DAMA的关系（DCMM更侧重能力评估，DAMA更多是知识体系）→ 与数据治理的关系（DCMM中数据治理是核心域之一）。
- 📝 简短示例回答：DCMM是中国信标委发布的数据管理成熟度模型，含8个能力域5个等级。数据治理本身是其中一个域，但也是提升整体成熟度的关键。我们公司正按DCMM二级（受管理级）进行整改。
- 💡 可能追问：你们公司DCMM做到几级？数据治理域在具体评估中有哪些难点？如何证明“受管理”？
- ⚠️ 避坑提醒：不要只说概念，要提前了解公司DCMM现状。如果公司没做过，可以说“虽未正式参评，但已参照DCMM梳理了能力差距”。
🏢 公司侧重点
- 大厂（BAT/字节/华为）：侧重DAMA框架的工程落地，必问元数据中心、数据质量平台
- 金融/银行：强调DCMM等级和监管合规，关注数据安全与数据资产入表
- 初创/中厂：更看重“轻量治理”思维，如何用最小成本满足业务数据管理需求
👤 面试官画像
- 常见角色：数据治理负责人、平台架构师、资深数开
- 提问风格：先探基础概念，再追问细节，最后要求举例
- 判断标准：概念是否准确、是否理解“治理≠管理”、能否用一句话讲清框架差异
📌 复习提示：本章术语极易混淆，建议用“3句话差异法”记忆：
① 数据治理 ≠ 数据管理（决策 vs 执行）
② DAMA = 知识体系（What），DCMM = 能力评估（How good）
③ 元数据是治理的“血液”，数据质量是治理的“结果”
① 数据治理 ≠ 数据管理（决策 vs 执行）
② DAMA = 知识体系（What），DCMM = 能力评估（How good）
③ 元数据是治理的“血液”，数据质量是治理的“结果”