# 数据 — 行业知识库

## 行业概览
- 数据已成为企业核心资产，数据驱动决策 (Data-Driven) 是现代企业标配
- 数据工程、数据分析、商业智能构成企业数据能力的三大支柱
- 中国数据要素市场规模快速增长，数据交易和数据资产化成为新趋势

## 核心概念
- **ETL/ELT**：数据抽取、转换、加载流程
- **Data Warehouse**：数据仓库
- **Data Lake**：数据湖
- **BI (Business Intelligence)**：商业智能
- **Data Governance**：数据治理
- **Data Quality**：数据质量管理
- **Data Pipeline**：数据管道
- **Data Catalog**：数据目录
- **OLAP vs OLTP**：分析型 vs 事务型数据库
- **Dimensional Modeling**：维度建模（星型/雪花模型）
- **Data Lineage**：数据血缘追踪
- **Metrics Layer**：指标层/语义层

## 行业最佳实践
- 建立统一的数据治理框架和数据标准
- 实施数据质量监控，建立数据 SLA
- 构建自助分析平台，降低数据使用门槛
- 建立数据目录，提升数据可发现性
- 实施数据血缘管理，确保可追溯性
- 建立指标体系，统一业务口径
- 数据安全分级分类管理
- 定期数据资产盘点与价值评估

## 关键指标 (KPI)
- 数据质量评分（完整性、准确性、及时性）
- 数据管道 SLA 达成率
- 自助分析采纳率
- 数据需求响应时间
- 报表准确率与时效性

## 监管与合规
- 《数据安全法》与数据分级保护
- 《个人信息保护法》与数据脱敏
- 行业数据合规（金融、医疗等）
- 跨境数据传输规定
- 数据资产入表与审计要求

## 技术趋势
- 实时数据处理 (Streaming) 成为标配
- AI 增强分析 (Augmented Analytics)
- Data Mesh 分布式数据架构
- 大模型驱动的自然语言查询 (Text-to-SQL)
- 数据编织 (Data Fabric) 统一数据访问

## 常见陷阱
- 建数仓不建治理，数据沼泽化
- 指标口径不统一，各部门数据"打架"
- 过度追求技术栈先进性，忽视业务价值
- 数据安全意识薄弱，权限管理粗放
- 报表需求堆积，分析团队沦为"取数工具人"