从质量核查到血缘追踪：12 个数据治理 AI Skill 完整指南

数据治理（Data Governance） 是指通过制度、流程和工具对数据资产进行全生命周期管理，确保数据的准确性、一致性、合规性与安全性。本文整理自 SkillsBot 数据治理分类，涵盖数据质量、血缘追踪、分类标注、目录管理、模式演进、合规审查等 6 大核心方向的 12 个专业 Skill，是构建企业级数据治理体系的实用工具集。

---

速览表

Skill 名称	标识符	核心功能	解决的痛点	安装量	详情页
数据质量分析器	data-quality-profiler	六维度数据质量全面评估，检测异常与PII	数据资产质量难量化、合规风险不可见	6+	查看
数据血缘关系映射器	data-lineage-mapper	从 SQL/dbt/Airflow/Spark 提取并可视化血缘关系	数据链路不透明、变更影响难评估	7+	查看
数据分类	data-classification	定义数据敏感级别、标签与生命周期策略	数据分类策略缺失、合规控制无体系	3+	查看
数据治理检查	data-governance-check	检查数据治理的隐私保护与保留合规性	隐私合规流程繁杂、风险管控不系统	2+	查看
数据目录增强器	DataCatalogEnricher	智能自动为数据目录添加标签与业务术语	元数据维护耗时、数据可发现性低	2+	查看
模式演进管理器	SchemaEvolutionManager	管理 Avro/Protobuf/JSON Schema 演进与兼容性	Schema 升级破坏兼容、迁移脚本难生成	1+	查看
RingLead 数据去重	ringlead-dedup	CRM 重复记录智能检测、合并与数据标准化	CRM 数据重复、线索分配混乱	2+	查看
文档网站生成	site	自动生成 Starlake 数据域文档站（Docusaurus/JSON）	数据文档滞后、可视化分析协作难	1+	查看
文化审查	cultural-review	评估代码与内容是否符合原住民数据主权 OCAP 框架	涉及原住民数据的项目缺乏文化合规指引	1+	查看
验证技能	validate	验证 Starlake YAML 配置文件语法与模式合规性	ETL 运行时才暴露配置错误，调试成本高	0	查看
数据验证	data-validation	分析结果发布前的质量保证、偏见检测与可重复性验证	数据分析结果可靠性无法保证	0	查看
数据新鲜度检查	freshness	监控数据表最后更新时间戳，异常自动告警	数据管道延迟无法及时感知	0	查看

---

详细技能说明

🔍 数据质量与验证

---

1. 数据质量分析器（data-quality-profiler）

数据质量分析器是一款专业的数据剖析工具，用于全面评估数据资产的六个核心质量维度：完整性、准确性、一致性、有效性、及时性、唯一性。它能自动检测数据异常、识别个人身份信息（PII），并生成包含可操作建议的详细质量报告。

• 适用场景：数据治理体系建设、ETL/ELT 流程监控、数据仓库质量保障、合规性审计
• 核心能力：异常检测 · PII 识别 · 统计剖析 · 模式识别 · 质量报告生成
• 关键词：数据质量，数据剖析，异常检测，PII识别，数据治理，统计分析
• 安装量：6+
• 📎 查看详情

---

2. 数据验证（data-validation）

数据验证技能用于在分享数据分析结果前进行全面的质量保证，包括方法论检查、准确性验证和偏见检测。它涵盖数据质量检查、计算逻辑验证、结果合理性核查以及文档标准化，确保分析的可重复性、可靠性和透明度。

• 适用场景：数据科学报告发布前审核、分析结果同行评审、数据产品质量控制
• 核心能力：方法论检查 · 准确性验证 · 偏见检测 · 可重复性保障 · 文档标准化
• 关键词：数据验证，质量保证，数据分析，偏见检测，可重复性，数据治理
• 安装量：0
• 📎 查看详情

---

3. 数据新鲜度检查（freshness）

数据新鲜度检查技能用于监控数据表的最后更新时间戳，并将结果存储在审计表中进行持续监控和告警。适用于数据治理、数据工程和云服务等领域，确保数据管道的时效性。

• 适用场景：数据仓库 SLA 监控、数据管道健康检查、ETL 时效性审计
• 核心能力：时间戳查询 · 审计表写入 · 异常告警 · Starlake 集成
• 关键词：数据新鲜度，更新时间戳，数据监控，数据告警，数据治理，ETL
• 安装量：0
• 📎 查看详情

---

4. 验证技能（validate）

验证技能用于验证 Starlake 项目配置的 YAML 文件语法、模式合规性、连接引用等，确保在运行时前捕获配置错误，提升数据治理和 ETL 流程的可靠性。

• 适用场景：Starlake 数据项目 CI/CD 流程、ETL 配置预检、数据管道上线前验证
• 核心能力：YAML 语法验证 · 模式合规检查 · 引用连通性检验 · 错误前置捕获
• 关键词：验证，配置管理，YAML语法，Starlake工具，数据治理，ETL开发，错误预防
• 安装量：0
• 📎 查看详情

---

🗺️ 数据血缘与目录

---

5. 数据血缘关系映射器（data-lineage-mapper）

数据血缘关系映射器是一款用于数据治理的专业工具，能够从 SQL、dbt、Airflow、Spark 等多种数据源自动提取、分析和可视化数据血缘关系。它支持列级血缘追踪、上下游影响分析，并能生成兼容 DataHub、OpenLineage 等主流数据目录的标准化血缘图谱，帮助企业实现数据资产的透明化管理、变更影响评估和数据合规性设计。

• 适用场景：数据仓库变更影响分析、数据合规审计、ETL 流程透明化管理
• 核心能力：列级血缘 · 上下游影响分析 · DataHub/OpenLineage 兼容图谱生成
• 关键词：数据血缘，数据治理，数据透明化，血缘追踪，DataHub，OpenLineage
• 安装量：7+ ⭐ 本分类最高
• 📎 查看详情

---

6. 数据目录增强器（DataCatalogEnricher）

数据目录增强器是一款自动化元数据管理工具，专为提升企业数据治理和数据发现效率而设计。它通过智能算法自动为数据目录条目添加标签、匹配业务术语、推荐数据所有者、分析使用模式并进行数据分类（含敏感信息和 PII 识别）。该工具能集成数据质量评分、丰富数据血缘关系，并优化搜索功能，帮助企业实现高效的数据资产管理、提升数据可发现性和加强数据安全合规。

• 适用场景：企业数据资产盘点、数据目录自动维护、数据安全合规增强
• 核心能力：自动标签 · 业务术语匹配 · 数据所有者推荐 · PII 识别 · 质量评分集成
• 关键词：数据治理，元数据管理，数据目录，数据分类，数据血缘，业务术语表
• 安装量：2+
• 📎 查看详情

---

🏷️ 数据分类与合规

---

7. 数据分类（data-classification）

数据分类技能提供了一个全面的框架，用于定义数据的敏感性级别、处理要求、标签和生命周期管理。它帮助组织建立数据分类政策，实施数据保护控制，并确保合规性。

• 适用场景：企业数据分类体系建设、隐私合规设计、数据访问控制策略制定
• 核心能力：敏感级别定义 · 标签管理 · 生命周期策略 · 合规控制框架
• 关键词：数据分类，数据治理，数据安全，生命周期管理，合规，访问控制，加密
• 安装量：3+
• 📎 查看详情

---

8. 数据治理检查（data-governance-check）

数据治理检查技能用于检查数据治理的隐私保护和保留策略，确保合规性和风险管控。

• 适用场景：数据隐私保护审查、数据保留策略合规检查、数据治理风险评估
• 核心能力：隐私保护检查 · 数据保留合规 · 风险管控 · 数据分类审核 · 访问路径审计
• 关键词：数据治理，隐私保护，数据保留，合规性，风险控制，设计，数据分类，访问路径
• 安装量：2+
• 📎 查看详情

---

9. 文化审查（cultural-review）

文化审查技能是一个专注于评估软件代码、功能特性与内容是否符合文化敏感性及原住民数据主权 OCAP 框架（所有权、控制权、访问权、持有权）合规性的专业指南。它提供详细的检查清单、敏感度分级标准、批处理工作流程和风险标识，帮助开发者和组织在涉及原住民知识、故事和数据的项目中，确保技术实现尊重文化传统、保护数据主权并满足伦理要求。

• 适用场景：涉及原住民知识产权的数据项目、文化敏感性内容开发、数据伦理合规审查
• 核心能力：OCAP 合规检查 · 文化敏感度分级 · 风险标识 · 批处理工作流
• 关键词：文化审查，原住民数据主权，OCAP框架，文化敏感性，数据伦理，合规检查
• 安装量：1+
• 📎 查看详情

---

⚙️ 数据工程与架构

---

10. 模式演进管理器（SchemaEvolutionManager）

模式演进管理器是一款专注于数据治理的工具，用于管理数据模式的演进和兼容性。它支持 Avro、Protobuf、JSON Schema 等多种格式，提供破坏性变更检测、迁移脚本生成、版本管理和跨系统同步功能，确保数据系统在升级过程中的稳定性和兼容性。

• 适用场景：数据管道 Schema 版本管理、微服务数据契约演进、数据仓库结构升级
• 核心能力：破坏性变更检测 · 迁移脚本生成 · 版本管理 · 跨系统同步
• 关键词：模式演进，数据兼容性，数据治理，迁移脚本，模式管理，数据工程，ETL
• 安装量：1+
• 📎 查看详情

---

11. RingLead 数据去重（ringlead-dedup）

RingLead 数据去重技能是一个专注于企业 CRM 数据治理的自动化工具。它通过智能算法实现重复记录检测与合并、数据标准化清洗，以及线索与客户账户的精准匹配。核心功能包括模糊匹配、数据质量评分、自动合并规则执行，旨在提升销售数据完整性、优化线索分配流程并增强客户关系管理效率。

• 适用场景：Salesforce/CRM 数据清洗、销售线索去重、客户账户数据标准化
• 核心能力：模糊匹配 · 智能合并规则 · 数据标准化 · 质量评分 · 线索精准匹配
• 关键词：CRM数据去重，数据质量平台，线索匹配，数据清洗，RingLead集成，销售自动化
• 安装量：2+
• 📎 查看详情

---

📄 文档与协作

---

12. 文档网站生成（site）

文档网站生成技能专用于生成 Starlake 项目的自动化文档网站，覆盖所有数据域、表结构、属性定义、转换逻辑及关系图，支持 Docusaurus MDX 和 JSON 多种输出格式，便于数据治理、可视化分析和项目协作，提升数据透明度和可维护性。

• 适用场景：数据仓库文档自动化、数据团队协作文档站建设、ETL 项目文档化管理
• 核心能力：数据域文档生成 · 表结构可视化 · 转换逻辑文档化 · Docusaurus 集成 · JSON 输出
• 关键词：数据文档，网站生成，数据治理，Starlake，Docusaurus，JSON输出，自动化文档
• 安装量：1+
• 📎 查看详情

---

按应用方向分类

📊 数据质量与验证（4个）

监控与保障数据的准确性、完整性和时效性。

Skill	安装量	特点
数据质量分析器	6+	六维度评估，支持 PII 识别，报告最完整
数据验证	0	专注分析结果发布前的偏见检测与可重复性
数据新鲜度检查	0	轻量级监控，适合 Starlake ETL 管道
验证技能	0	配置文件预检，适合 CI/CD 前置验证

🗺️ 数据血缘与目录（2个）

构建数据资产透明化管理的核心基础设施。

Skill	安装量	特点
数据血缘关系映射器	7+ ⭐	支持列级血缘，兼容 DataHub/OpenLineage
数据目录增强器	2+	元数据自动化丰富，提升数据可发现性

🏷️ 数据分类与合规（3个）

建立数据分类体系，满足隐私与合规要求。

Skill	安装量	特点
数据分类	3+	全框架覆盖，从分级到生命周期管理
数据治理检查	2+	隐私保护与保留策略专项合规检查
文化审查	1+	独特的 OCAP 框架，适合原住民数据项目

⚙️ 数据工程与架构（2个）

保障数据系统演进的稳定性与数据一致性。

Skill	安装量	特点
模式演进管理器	1+	支持多格式 Schema，破坏性变更自动检测
RingLead 数据去重	2+	CRM 专向，模糊匹配+智能合并规则

📄 文档与协作（1个）

将数据治理成果可视化，提升团队协作效率。

Skill	安装量	特点
文档网站生成	1+	Starlake 专用文档站，支持 MDX/JSON 输出

---

常见问题 FAQ

Q：企业刚开始建设数据治理体系，应该先用哪些 Skill？

A：建议按优先级顺序：① 数据质量分析器（摸清数据资产现状）→ ② 数据分类（建立分类体系）→ ③ 数据血缘关系映射器（理清数据链路）→ ④ 数据目录增强器（提升数据可发现性）。这四个工具构成了数据治理"地基四件套"。

Q：数据验证（data-validation）和数据质量分析器（data-quality-profiler）有什么区别？

A：两者侧重不同：数据质量分析器主要用于数据资产的持续监控与评估（六维度 + PII 识别），适合数据工程团队；数据验证技能更聚焦于分析报告发布前的结果可靠性验证（偏见检测、可重复性），适合数据分析师在出具报告前使用。

Q：validate（验证技能）和 data-validation（数据验证）是同一个吗？

A：不是。validate 专用于验证 Starlake 框架的 YAML 配置文件语法和模式；data-validation 是通用的数据分析结果质量验证工具，两者场景不同，可配合使用。

Q：数据血缘映射器支持哪些工具链？

A：支持 SQL、dbt、Apache Airflow、Apache Spark，以及 DataHub 和 OpenLineage 格式输出，能无缝对接大多数现代数据栈（Modern Data Stack）。

---

关于本文档

• 数据来源：SkillsBot 数据治理分类