AI 數據治理經理
AI職業名稱
AI 數據治理經理(AI Data Governance Manager)
工作概要
AI 數據治理經理負責建立與監督企業 AI 數據生命週期管理框架,確保訓練數據品質、隱私合規與可追溯性。他們制定數據分類標準、品質監控流程與存取控制政策,管理數據目錄與血統追蹤,是「數據品質決定模型品質」的戰略守護者,特別在金融、醫療等高監管產業需求強勁。
主要工作內容
-
數據分類與品質標準制定
-
建立數據分類(PII、敏感數據、商業機密)、品質維度(完整性、準確性、一致性)。
-
定義 AI 訓練數據標準:無偏誤、多樣性、代表性、可追溯性。
-
-
數據生命週期管理
-
設計數據全生命週期流程:採集 → 清洗 → 標註 → 特徵工程 → 訓練 → 部署 → 歸檔。
-
建立數據版本控制、變更追蹤、廢棄流程。
-
-
數據血統與可追溯性
-
建構數據血統系統(Lineage),追蹤「模型預測 → 特徵 → 原始數據」的完整路徑。
-
支援模型審計與法規查詢,證明數據來源合規性。
-
-
數據存取與權限管理
-
實施最小權限原則(RBAC)、動態存取控制、審計日誌。
-
設計數據沙箱(Sandbox)與試驗環境,隔離開發與生產數據。
-
-
數據品質監控與自動化
-
建立自動化數據品質檢查(Great Expectations、Soda)、漂移檢測。
-
異常數據自動警報、品質閾值觸發管線中斷。
-
-
跨部門數據治理委員會
-
協調 IT、資料科學、法務、業務部門,建立統一數據治理政策。
-
定期數據治理報告、KPI 追蹤、持續改進計劃。
-
預計薪水(參考)
-
中階(5-8年經驗):HK$960,000 - HK$1,440,000 /年
-
高階(8-12年經驗):HK$1,440,000 - HK$2,160,000 /年
-
專家級(12年以上經驗):HK$2,160,000 - HK$3,360,000+ /年
(視金融、醫療、公共部門等高監管產業,以及數據品質提升對模型效能的直接貢獻而定;包含高額 RSU,屬數據戰略管理崗位。)
必備技能與能力
-
數據治理框架
-
DAMA-DMBOK、DCAM 數據管理框架、Collibra、Alation 數據治理平台。
-
數據分類標準(ISO 27001)、數據生命週期管理。
-
-
數據品質工程
-
Great Expectations、Soda、Monte Carlo 自動化數據品質監控。
-
數據剖析(Data Profiling)、異常檢測、品質維度評估。
-
-
數據血統技術
-
Apache Atlas、Amundsen、DataHub、OpenLineage 數據血統追蹤。
-
數據譜系視覺化、影響分析、根因追蹤。
-
-
法規與隱私合規
-
GDPR、香港 PDPO、HIPAA 數據隱私要求、差分隱私技術。
-
數據主權、跨境數據傳輸、數據處理協議(DPA)。
-
-
數據目錄與金庫
-
Amundsen、DataHub、Atlan 數據目錄,數據血統與元數據管理。
-
數據市場(Data Marketplace)、自助服務數據平台。
-
常見工作領域與應用範例
-
金融業數據治理
-
客戶數據隱私保護、交易數據血統追蹤、模型審計支持。
-
-
醫療健康數據管理
-
病歷數據脫敏、臨床試驗數據品質、研究數據可重現性。
-
-
電商企業數據平台
-
用戶行為數據治理、推薦系統訓練數據品質、A/B 測試數據一致性。
-
-
政府公共數據
-
公民數據隱私、政策數據可追溯性、統計數據品質認證。
-
-
製造業數據治理
-
感測器數據品質、設備數據血統、預測維護數據可信度。
-
典型職涯路徑
-
前置經驗(5-10年)
-
資料工程師 → 數據架構師 → 數據品質工程師 → 首席數據官助理。
-
-
中階職位
-
數據治理工程師、數據品質經理、數據合規專員。
-
-
高階職位
-
AI 數據治理經理、數據治理總監、首席數據官(CDO)。
-
適合什麼樣的人?
-
結構化思維嚴謹,對數據一致性與可追溯性有強烈執著。
-
跨部門協調能力強,能平衡技術、業務、法務三方需求。
-
法規敏感度高,理解數據治理對企業風險的戰略影響。
-
流程導向思維,擅長建立標準化、可重複的治理框架。

