AIHRAI 数据治理清单 v1.0
AI 数据治理清单
把 AI 背后的数据底座拆成一张可勾选、可自评的清单，锚定 DAMA-DMBOK 数据治理框架的六大职能（治理 / 质量 / 架构 / 元数据 / 安全 / 隐私），输出组织数据治理就绪度与优先加固项。
📋 使用说明
1. 每个条目左侧勾选框＝你认为「本项已落地 / 已具备」（快速落地率用）；右侧滑块＝该项的成熟度自评（1 最弱 → 5 最强）。
2. 六个治理域共 18 项，覆盖从治理责任到隐私保护的全链路。
3. 点「计算就绪度」得到总分（1–5）、快速落地率与各域短板；任意短板域即优先加固对象。
4. 点「打印 / 导出 PDF」可生成自查底稿。
1. 每个条目左侧勾选框＝你认为「本项已落地 / 已具备」（快速落地率用）；右侧滑块＝该项的成熟度自评（1 最弱 → 5 最强）。
2. 六个治理域共 18 项，覆盖从治理责任到隐私保护的全链路。
3. 点「计算就绪度」得到总分（1–5）、快速落地率与各域短板；任意短板域即优先加固对象。
4. 点「打印 / 导出 PDF」可生成自查底稿。
一、数据治理 · Governance
锚定 DAMA 数据治理职能
治理责任归属有明确的数据治理责任人 / 委员会，权责写入制度
政策与标准有书面的数据使用政策、分级与审批流程
数据素养团队理解数据权责与质量责任边界
二、数据质量 · Quality
锚定 DAMA 数据质量职能
质量维度定义对准确性、完整性、及时性等有明确口径
质量监控对关键数据有质量监控与异常告警
偏差治理对训练 / 输入数据偏见有识别与纠偏机制
三、数据架构 · Architecture
锚定 DAMA 数据架构职能
统一模型有统一的数据模型与命名，跨系统口径一致
集成与流转数据可在系统间有序集成与流转，而非各自为政
可获取性授权人员能便捷获取所需数据，支撑 AI 复用
四、元数据 · Metadata
锚定 DAMA 元数据职能
数据目录有可检索的数据目录，知道「有什么数据、在哪」
血缘与来源能追溯数据的来源、加工与用途
业务语义元数据含业务释义，避免「同词异义」误用
五、数据安全 · Security
锚定 DAMA 数据安全职能
访问控制按角色 / 敏感级做访问控制与最小授权
加密与留存对敏感数据有加密、留存期限与销毁策略
审计日志对数据访问与 AI 使用有日志，支持追溯
六、数据隐私 · Privacy
锚定 DAMA 数据隐私职能
授权与合规数据获取与使用符合授权、许可与所在法域要求
最小化与脱敏对个人数据做最小化收集与脱敏处理
敏感场景保护对招聘 / 绩效等敏感场景做额外隐私保护
AI 数据治理就绪度
—
各治理域就绪度
优先加固项
这个工具在解决什么
「AI 不行」十有八九不是模型不行，而是数据底座不行：口径不一致、来源说不清、敏感数据乱飞。AI 数据治理清单把 AI 背后的数据底座拆成一张可勾选、可自评的清单，锚定数据管理领域最被广泛引用的知识体系——DAMA-DMBOK 的六大职能（数据治理 / 数据质量 / 数据架构 / 元数据 / 数据安全 / 数据隐私），让你在同一张底稿上看到数据治理全貌与短板。
如何使用
- 适用对象：已部署或计划规模化使用 AI 的团队（建议数据治理责任人 + HR / 合规共评）。
- 勾选：左侧勾选框标记「本项已落地」，用于快速落地率。
- 自评：右侧滑块对每项成熟度打 1–5 分。
- 出结果：点「计算就绪度」，得到总分、快速落地率与各域短板。
- 复用：点「打印 / 导出 PDF」生成自查底稿；对勾选项优先排期落地。
为什么有效
DAMA-DMBOK 把数据管理拆成相互支撑的职能域，其中数据治理是统领（定责任、定政策），其余五域是支撑它的具体能力。本清单取与 AI 落地最相关的六域：质量决定 AI 产出可信度、架构与元数据决定数据可复用、安全与隐私决定底线是否守住。任一域成为短板，都会成为 AI 落地的瓶颈——尤其「数据质量」与「数据安全」，是多数「AI 试点热闹、规模翻车」的共同根因。阈值（总分 < 3.0 视为需重点加固）是便于落地的经验切分，应结合行业与数据敏感度校准。
变体
- 立项基线版：新 AI 系统立项时自评一次，作为数据治理基线。
- 季度复盘版：每季度复评，观察短板域是否改善。
- 敏感场景版：对招聘 / 绩效等敏感域提高「数据隐私」「数据安全」权重。
更新日志
- v1.0（2026-08-11）：锚定 DAMA 六大职能的可勾选数据治理清单初版，统一森林绿设计系统，含打印视图与「延伸阅读」内链。
AIHR 数智引擎 · 资源库「浏览器内即用」系列原型。本清单为数据治理自查辅助工具，具体合规判定须咨询法律与合规专业人士，并结合所在法域。