findscripter 何时使用
为创业公司 CDO（或没有 CDO 的创始人）提供战略级数据领导力，只解决四类决策、不做调研问卷：
- 能否用这份数据训练我们的模型？ —— 来源 × 同意 × 用例 三维矩阵，逐项产出 GO / 缓解 / NO-GO。
- 仓库、湖仓还是网格，哪些自建哪些外购？ —— 由阶段驱动的架构选型 + 分层 build-vs-buy。
- 我们的客户数据值多少钱？ —— 战略价值评分 + 并购倍数 + 产品化路径 + 风险调整估值。
- 下一个数据岗位招谁？ —— 阶段到角色映射 + 集中/嵌入触发点。
不该用的边界：本技能不覆盖战术数据工程。schema 设计、可观测性、查询优化、RAG、ML 平台落地，请转 database-designer / observability-designer / data-quality-auditor / sql-database-assistant / rag-architect / llm-cost-optimizer。本技能只做战略决策与权衡呈现，不替代法律审查。
步骤
先问这几个关键问题（答不上来就别急着上工具）：
- 这份数据驱动的是哪个决策？（如果没有，为什么还在收集？）
- 每个想训练的数据源，其**同意来源（consent provenance）**是什么？（仅凭 TOS ≠ 明确 opt-in。）
- 内部数据消费者是谁、跨多少个不同业务域？（决定集中/嵌入与仓库/网格。）
- 在并购情景下，我们的数据是护城河还是负债？（MSA 里的客户排除条款会直接翻转答案。）
- 下一个招分析工程师还是数据科学家？（解决的问题完全不同，创始人常混淆。）
- 对外共享前是否跑过匿名化审计？（k-匿名 ≥ 5 是底线不是上限。）
四个工作流（择需执行，结尾统一用 /cs:decide 记录决策）：
- 工作流 1 · AI 训练决策（约 1 小时）：构建
sources.json（每个数据源一条）→ 跑审计 → 每个「缓解」指派负责人+整改项 → 每个 NO-GO 记录 kill 理由入法务日志 → 与general-counsel-advisor复核 Top-3 缓解项。 - 工作流 2 · 架构决策（约 1 天）：跑
data_product_strategy_picker.py profile.json→ 与cto-advisor复核工程产能、与cfo-advisor复核 3 年 TCO → 签多年 SaaS 合同前可/cs:freeze 90。 - 工作流 3 · 并购数据资产估值（约 3 天）：盘点语料（规模/新鲜度/独占性/客户重叠/合同限制）→ 跑估值器 → 走 M&A 尽调清单 → 把合同排除条款交法务做重签计划 → 选定产品化路径（行业基准报告 / 嵌入端点 / 直接授权）。
- 工作流 4 · 数据团队路线图（约 1 周）：列出今天因缺数据/分析而无法做的 Top 5 决策 → 每个决策映射到解锁它的角色 → 按一次一个、ramp 后再招的节奏排序 → 与
chro-advisor复核 comp band 与 leveling → 标出集中/嵌入触发日期。
指令
# 1. 审计数据源的 AI 训练资格（来源×数据类别×用例 → GO/缓解/NO-GO）
python scripts/ai_training_data_audit.py # 用内置样例
python scripts/ai_training_data_audit.py path/to/sources.json
# 2. 选架构 + 分层自建/外购 + 招聘序列
python scripts/data_product_strategy_picker.py # 用内置 A 轮 SaaS 样例
python scripts/data_product_strategy_picker.py path/to/profile.json
# 3. 评估客户数据语料价值 + 产品化可行性
python scripts/data_asset_valuator.py # 用内置 B2B 样例
python scripts/data_asset_valuator.py path/to/corpus.json
被 cs-cdo-advisor 调用时的输出格式：
**结论（Bottom Line）：** [一句话——决策与理由]
**这个决策是：** [四类框架之一]
**证据：** [用数字，不用形容词]
**怎么做：** [3 个具体下一步]
**你来拍板的：** [只有创始人能做的那个决定]
示例
训练数据权利三维矩阵（每种组合产出 GO / 缓解 / NO-GO）：
| 维度 | 取值 |
|---|---|
| 来源 Origin | 1st-party 明确 opt-in / 1st-party 仅 TOS / 伙伴授权 / 抓取 scraped / 合成 synthetic |
| 数据类别 | 匿名聚合 / 行为 / PII / 第三方内容 / 受监管（PHI、PCI、儿童） |
| 用例 Use case | 产品内个性化 / 微调自有模型 / 训练基础模型 / 对外共享 |
完整矩阵 + GDPR 第 6 条合法性基础决策树 + EU AI Act 高风险触发项见 references/ai_training_data_rights.md。
架构由阶段驱动，而非偏好驱动：
- 仅仓库（Snowflake/BigQuery/Postgres）：≤5 个数据消费者、<2TB、无 ML 用例。
- 湖仓 Lakehouse（仓库 + 对象存储，常用 Databricks 或 Snowflake+Iceberg）：5–25 个消费者、2TB–1PB、1–3 个 ML 用例。
- 数据网格 Mesh：25+ 消费者跨 4+ 业务域，且已具备联邦化所有权文化。
分层 build-vs-buy（关键约束，逐层判定）：
| 层 | 默认外购，除非 | 仅当…才自建 |
|---|---|---|
| 存储/仓库 | 永不自建 | 你就是数据基础设施公司 |
| ELT/接入 | 永不自建 | Fivetran/Airbyte 不支持该源 |
| 建模（dbt） | 永远自建 | 这是你的 IP |
| BI/看板 | <100 消费者时外购 | 给客户的嵌入式分析 |
| 特征存储 | 推迟到 3+ 生产模型 | 届时自建或买 Tecton/Hopsworks |
| ML 平台 | 推迟到 5+ 生产模型 | 届时买 SageMaker/Vertex/Databricks |
客户数据既是资产也是负债：B 轮后客户数据可成为护城河、并购倍增器（对战略买家 1.2x–2x ARR 提升）、或直接收入流；但 47/380 客户带 MSA 排除条款会使产品化在法律上不可行，匿名化审计常暴露超阈值的再识别风险，监管暴露随产品化线性上升（GDPR 第 28 条处理者 vs 第 26 条共同控制者）。
阶段到角色映射（B2B SaaS 基线）：种子前=创始人当分析师（SQL+表格）→ A 轮=分析师 → 分析工程师(dbt) → B 轮=数据工程师 → GTM 内嵌资深分析师 → 数据 PM（3+ 团队需数据时）→ 增长期=分析经理 → ML 工程师 → 数据负责人 → 晚期=数据负责人/CDO → 按域联邦化所有者（mesh）。集中/嵌入触发：当 3+ 职能域（销售、市场、产品、运营、CS）每周都需要定制数据时，中央团队成为瓶颈，应在演变成招聘危机前转向 hub-and-spoke（中央平台 + 内嵌分析师）。
注意事项
- 触及训练数据权利、数据产品化、并购数据尽调的决策，应引入合格法律顾问；本技能只呈现决策与权衡，不替代法律审查。
- 仅凭服务条款（TOS）不等于明确 opt-in，训练资格不要默认 GO。
- 匿名化对外共享：k-匿名 ≥ 5 是底线非上限；估值前务必先跑再识别审计。
- 架构与角色都是阶段函数，不要因偏好跳级（如未到 25+ 消费者/4+ 域就上 data mesh）。
- 招聘一次一个角色，ramp 稳定后再招下一个；先定义「解锁哪个决策」再定岗位。
互见
cto-advisor—— 架构产能、扩展悬崖ciso-advisor—— 数据安全、产品化数据的威胁建模general-counsel-advisor—— 合同约束、DPA、训练数据权利cfo-advisor—— build-vs-buy TCO、并购估值测算chro-advisor—— 数据团队招聘、leveling、薪酬database-designer/rag-architect/llm-cost-optimizer—— 战术 schema 设计 / AI-RAG 落地 / 模型成本管理
采编自 alirezarezvani/claude-skills（MIT 许可）。