DataBuddy 如何做数据治理？

DataBuddy 将数据治理从"人工巡检、事后补救"升级为"自动巡检、AI 诊断、智能修复"的主动治理模式，覆盖数据治理的五大核心领域：

1. 数据编目

自动扫描数据资产，发现未编目的数据表、缺失业务描述的字段、分类标签不一致的数据集等问题，并自动生成编目建议。用户确认后，DataBuddy 自动完成数据编目操作。

2. 语义建模

基于业务术语和指标定义，自动构建和维护语义层，确保不同用户对同一业务指标的理解一致。当检测到语义冲突（如两个表对"活跃用户"的定义不同）时，DataBuddy 会自动标记冲突点并建议统一方案。

3. 数据质量

自动执行数据质量检查规则（如空值检测、格式校验、范围验证、唯一性检查等），发现质量异常后沿血缘追溯根因（是源系统问题、接入转换问题，还是计算逻辑问题），并生成修复方案。

低风险的质量修复操作（如补充空值、修正格式）可秒级自动完成；高危操作（如删除异常记录、修改历史数据）需人工确认后执行。

4. 数据安全

自动扫描敏感数据（如身份证号、手机号、银行卡号等），检测是否进行了脱敏处理、访问权限是否配置合理、数据导出是否合规等。发现合规风险后，DataBuddy 会生成风险报告并建议修复方案。

5. 血缘分析

自动构建和维护数据血缘图谱，记录数据从源系统到最终报表的完整流转路径。当数据出现异常时，可沿血缘快速追溯根因；当需要进行影响分析时（如某张源表字段变更会影响哪些下游报表），DataBuddy 可一键输出影响范围报告。