数据要成为资产，前提是可信、可查、可控。本支柱聚焦「让数据可用」的治理体系——从标准、质量到安全合规与资产目录，而非单纯堆叠存储与计算引擎。
治理体系：分层数据流 + 贯穿治理域
左侧六层是数据自下而上的加工路径，右侧四个治理域不隶属于任何一层，而是横向贯穿全链路——这正是「治理」与「上工具」的区别。
读图要点：左边问「数据怎么流」，右边问「凭什么可信」。治理域之所以画成贯穿而不是某一层，是因为数据质量、安全、血缘在任何一层都会出问题——只在下游做质量稽核，上游口径一变，下游的全部结论都要推翻重来。
五个治理方向
- 数据标准与元数据：统一命名、口径与指标定义，建立技术元数据 + 业务元数据。
- 数据质量：完整性、准确性、及时性、一致性四类规则与稽核闭环。
- 数据安全与合规：分级分类、脱敏、访问审计，对齐等保 2.0 与《数据安全法》《个人信息保护法》。
- 数据资产目录与血缘：可搜索的资产地图 + 上下游血缘，支撑影响分析与变更管控。
- 生命周期与成本：冷热分层、归档与淘汰，控制存储与计算成本。
治理动作与交付物
| 治理域 | 关键动作 | 交付物 |
|---|---|---|
| 标准与元数据 | 口径评审、命名规范、指标字典 | 指标字典、元数据仓库 |
| 数据质量 | 规则配置、定时稽核、异常派单 | 质量分看板、告警规则 |
| 安全与合规 | 分级打标、脱敏策略、权限审批 | 分级清单、审计日志 |
| 资产与血缘 | 自动采集、SQL 解析、影响分析 | 资产目录、血缘图谱 |
度量与检查清单
- 核心指标口径唯一，且可追溯到加工链路。
- 关键表有数据质量规则，且异常能在约定时限内被发现。
- 敏感字段全量打标，访问有审批、有留痕。
- 需求变更可做影响分析（血缘覆盖率）。
国产化与自建工具示范
信创环境下优先考虑可私有化部署的治理组件；「西部荒野」自研工具可承担数据侧的采集与知识侧沉淀：perfs（指标采集与监控，可作为数据质量与运行指标的观测源）、kshare（私有域知识库中台，沉淀数据标准、口径与治理规范）。
边界与风险
- 治理不等于上工具：先定标准与责任，再选平台，否则只是把混乱搬进系统。
- 质量规则要少而准：规则过多会淹没告警，关键链路优先。
- 合规先行：涉及个人信息与重要数据的场景，需专项评估与留痕。