📚 课程目录第4章数据治理核心概念与DAMA框架

4. 数据治理核心概念与DAMA框架

数据治理核心概念与DAMA框架是大厂面试的基石考点，面试官通过此考察候选人对数据治理体系化理解深度。本章聚焦三大板块：DAMA数据治理域、成熟度模型及面试高频考点，帮助你建立结构化回答体系，在面试中展现全局视野与落地能力。

  🎯 面试回答框架：被问到"数据治理域"相关问题时，按以下5步结构化展开，展现体系化思维。

⚠️ 面试官追问路径：回答完基础问题后，面试官常从以下5个方向发起追问，提前准备可化被动为主动。

  📌 备考提示：成熟度模型面试中，面试官更关注你如何判断当前级别以及如何推动进阶，而非背诵级别名称。建议结合CMMI或DCAM模型准备实际案例。

面试官考察点体系化理解 × 域间关联思维 × 全局视野

回答框架总（框架定位）→ 分（列举3-5个核心域）→ 联（域间协同关系）→ 合（总结价值）

📝 示例回答： DAMA框架包含11个治理域，核心包括数据架构、数据质量、数据安全、元数据管理和数据生命周期。它们并非孤立；元数据管理为其他域提供基础，数据质量与数据安全需要架构支撑，生命周期管理贯穿全域。实际项目中我以元数据为枢纽串联多域协同。

🔍 可能追问：你们公司在数据质量域和数据安全域之间是如何协同的？遇到过什么冲突？

⚠️ 避坑提醒：不要只罗列11个域名称而不解释关系。面试官期待看到你理解域间的依赖与协同，建议用"元数据是数据治理的中枢"作为串联主线。

面试官考察点模型应用能力 × 评估方法论 × 组织级视角

回答框架模型五级概述 → 评估维度（制度/流程/技术/人员）→ 判定方法（问卷+访谈+数据度量）→ 案例佐证

📝 示例回答：常见五级：初始→可重复→已定义→已管理→优化。评估时从制度完备性、流程执行力、技术支撑度和人员参与度四维打分。我之前用DCAM模型评估所在组织处于"已定义级"向"已管理级"过渡阶段，核心短板是自动化质量度量。

🔍 可能追问：你们从"已定义级"到"已管理级"具体做了哪些改进？花了多长时间？

⚠️ 避坑提醒：避免空谈理论级别而脱离组织实际。面试官更关注你如何诊断现状和推动进阶的具体动作。务必准备1个自己参与过的成熟度评估或提升案例。

面试官考察点域间协同经验 × 冲突处理能力 × 权衡思维

回答框架冲突场景描述 → 矛盾点分析（质量需要开放 vs 安全需要控制）→ 解决方案（分级分类+按场景定策略）→ 效果验证

📝 示例回答：常见冲突：数据质量需要全量访问来校验，但安全策略限制敏感数据使用。我们采用数据分级分类，对低敏感数据开放质量校验，高敏感数据用脱敏样本替代。同时建立安全质量联合评审机制，按场景动态平衡，既保障质量又守住安全红线。

🔍 可能追问：如果业务方要求开放敏感数据做质量分析，安全团队不同意，你怎么推动？

⚠️ 避坑提醒：不要只讲理论平衡而回避实际冲突。面试官希望听到真实的两难场景和你的推动策略。建议用"数据不出域+脱敏处理+审计追踪"的组合方案来体现工程化思维。

高阶实战

业务背景	满足银保监会《银行数据治理指引》要求，解决跨部门数据标准不一致、质量无法度量、安全合规风险高等痛点。
规模指标	200+ 业务系统接入，500TB+ 数据总量，日处理 2亿+ 记录，覆盖 8个核心业务域。
技术栈	Apache Atlas（元数据）、DataHub（数据目录）、dbt（数据转换）、Great Expectations（质量校验）、Airflow（调度）、Ranger（安全策略）
核心难点	多域协同难：质量、安全、元数据三域独立运作，缺乏联动机制元数据一致性差：200+系统元数据格式不统一，血缘链路断裂质量度量标准化低：各业务线用不同质量规则，无法横向对比

🔥 面试高频追问：

💬 可迁移回答话术：