CDO 评审

cdo-review
分类数据
作者Alireza Rezvani
许可MIT
评分4.90/5
使用16.5K

/cs:cdo-review — CDO 核心质询

命令： /cs:cdo-review <plan>

决策驱动的 CDO 将对任何涉及数据战略的计划进行压力测试。在承诺任何数据架构、AI 训练运行、数据产品化或数据团队招聘之前，必须回答以下六个问题。

适用场景

  • 在批准任何使用客户数据的新 ML 模型训练运行之前
  • 在签署多年期数据基础设施 SaaS 合同（如 Snowflake, Databricks, Fivetran）之前
  • 在将任何客户数据产品化（如基准报告、Embedding 接口、授权许可）之前
  • 在进行重大数据团队招聘（如数据负责人、CDO、数据 PM、ML 工程师）之前
  • 在进行并购（M&A）尽职调查之前（无论是己方还是对方）
  • 当创始人将“变现”与“数据”这两个词放在一起使用时

CDO 六大质询

1. 这些数据驱动了什么决策？

如果没有被解锁的决策，我们为什么要收集/训练/产品化它？
  • “以后可能需要”不是决策。
  • “感觉像是个护城河”不是决策。
  • 真正的答案必须指明一个需要该数据的具体业务决策。

2. 每个来源的同意权溯源（Consent Provenance）是什么？

针对每个数据源：来源、同意流程、数据类别、预期用途。
  • “仅限第一方服务条款（TOS）”的效力弱于“第一方明确选择加入（Opt-in）”。
  • 捆绑式 TOS 并不涵盖重大的新用途（例如使用 PII 训练基础模型）。
  • 如果涉及 AI 用例，请运行 ai_training_data_audit.py。

3. 内部谁在消费这些数据 —— 涉及多少个不同的职能领域？

这决定了是选择“集中式 vs 嵌入式”以及“仓库 vs 网格”架构。
  • < 5 个消费者：仅限仓库（Warehouse）。
  • 5-25 个消费者：湖仓（Lakehouse）。
  • 25+ 个消费者且具有联邦文化：网格（Mesh）。
  • 过早选择架构是导致数据团队倦怠的首要原因。

4. 对并购（M&A）尽职调查的影响是什么？

如果收购方明天询问这个数据集，我们准备好了吗？
  • 是否有记录在案的匿名化流程？
  • 多少比例的客户在主服务协议（MSA）中有排除条款？
  • 训练数据的溯源日志是否是最新的？
  • 每季度运行一次 data_asset_valuator.py。

5. 如果没有这个数据源，模型/决策/报告是否可以重新训练/运行/发布？

测试你对特定数据源的依赖程度。
  • 如果可以 $\rightarrow$ 影响范围（Blast Radius）小；以后可以更改同意权方案。
  • 如果不可以 $\rightarrow$ 影响范围大；你在结构上已经绑定了该来源。需更严格地审核。

6. 哪个角色能解锁此环节 —— 这是否是正确的下一个招聘目标？

在需要分析工程师（Analytics Engineer）时错误地招聘数据科学家（Data Scientist），会导致 12 个月的生产力损失。
  • 将被解锁的决策映射到具体角色。
  • 确认前置角色已到位（ML 工程师之前需有数据工程师，数据科学家之前需有分析师）。

工作流

bash
# 1. AI 训练审计（若涉及任何 ML / AI 用例）
python ../../../skills/chief-data-officer-advisor/scripts/ai_training_data_audit.py sources.json

2. 架构决策（若涉及技术栈变更）

python ../../../skills/chief-data-officer-advisor/scripts/data_product_strategy_picker.py profile.json

3. 数据资产估值（若涉及产品化或并购前准备）

python ../../../skills/chief-data-officer-advisor/scripts/data_asset_valuator.py corpus.json
输出格式
markdown
# CDO 评审：<方案>
日期： YYYY-MM-DD

决策事项

[一句话描述 —— 四项 CDO 决策中的哪一项：训练 | 架构 | 资产 | 招聘]

训练审计（如适用）


  • 不通过 (NO-GO) 数据源：N


  • 需缓解 (MITIGATE) 数据源：N


  • 通过 (GO) 数据源：N


  • 首要修复方案：<一行文字>


架构（如适用）


  • 推荐方案：WAREHOUSE / LAKEHOUSE / MESH


  • 自研 vs 外购总结：<一行文字>


  • 终止标准：<何时重新评估>


资产价值（如适用）


  • 战略价值：X/10 | 护城河：STRONG / MEDIUM / WEAK


  • M&A 乘数：X.Xx – X.Xx ARR


  • 推荐产品化路径：<名称>


组织（如适用）


  • 下一个招聘岗位：<角色>


  • 为什么选这个而非那个：<一行文字>


  • 前置招聘是否到位：是/否


结论

🟢 通过 (SHIP) | 🟡 优化 (SHARPEN) | 🔴 拦截 (BLOCK)

后续步骤

[3 项具体行动]

路由

  • /cs:gc-review — 用于任何产品化或许可路径
  • /cs:ciso-review — 用于任何涉及客户数据的架构变更
  • /cs:cfo-review — 用于自研 vs 外购的 TCO 和 M&A 估值计算
  • cs-chro-advisor 智能体 — 用于数据团队招聘（薪酬、职级、定级）
  • /cs:decide — 记录结论
  • /cs:freeze 90 — 用于多年期基础设施合同

相关链接

  • 相关领域：../../../skills/general-counsel-advisor/ (合同约束), ../../../skills/cto-advisor/ (架构能力)

---

版本： 1.0.0