很多人听过数据分析、数据仓库，但对“数据治理”这个岗位一直有点模糊：是不是天天写 SQL？还是专职管账号权限？结合多家用人方公开的招聘画像，把这个岗位的真实分工捋一遍。
一、先分清：数据应用 ≠ 数据治理
数据应用：把已经就绪的数据做成看板、指标、模型，回答业务问题；
数据治理：确保那些被拿来用的数据，本身说得清来源、对得上口径、找得到责任人。
一句话区别：应用岗解决“怎么算”，治理岗解决“能不能放心算”。
二、一张工单背后的五件小事
治理工程师的日常，大多落在这些动作上：
动作 | 大白话解释 | 典型场景 |
元数据维护 | 给每张表写“身份证” | 新人接手时能查到 user_age 到底是周岁还是虚岁 |
数据资产编目 | 把分散的表按业务域归类 | 市场部和财务部的“活跃客户”不再各算各的 |
主数据对齐 | 统一核心实体的唯一编码 | 同一家供应商在采购、财务、仓储系统里只认一个 ID |
质量规则校验 | 给数据设体检项 | 手机号为空率超 3% 自动告警 |
分类与脱敏 | 给字段打敏感度标签 | 手机号在前端看板默认掩码展示 |
其中数据血缘是最容易被低估的能力——它不是族谱，而是一张反向地图：当一张经营看板的数字异常时，能顺着血缘一路追到是哪张源表、哪次同步任务出了问题。
三、工具栈只有两类，不用神话
业内落地通常走两条路：一类是社区开源的元数据与质检组件，灵活但要把血缘、告警、责任流转自己拼起来；另一类是湖仓平台内置的治理模块，开箱有目录、血缘和质量面板，更适合多源异构环境。选型关键不看功能清单，看业务人员能不能自己看懂资产目录。
EEC工信教考中心，大数据应用/治理工程师，聚鑫汇
马老师13521730416
丁老师13522094648
四、想往这个方向靠，技能怎么排
公开岗位要求里反复出现的能力顺序是：SQL 熟练 → ER/维度建模 → 数据质量规则编写 → Python 做探查与自动化 → 业务域主数据梳理。比起背工具按钮，先把“指标口径怎么从业务语言落成技术约束”这件事练熟，转岗友好度会高很多。
💡 数据治理不是 DBA 的副业，也不是一次性项目。只要报表还在被拿来做决策，这张“数据质检线”就得一直有人盯。
