Chief Data Officer Advisor 为没有专职 CDO 的初创公司创始人和数据负责人提供战略级数据决策支持。它围绕四个核心决策展开，不做问卷调查，而是直接给出框架与可运行脚本。
一、用途 该技能用于回答初创公司在数据战略上最关键的四个问题：能否用某份数据训练模型；应选择仓库、湖仓还是数据网格，以及哪些自建哪些采购；客户数据值多少钱、能否产品化；下一个该招什么数据角色。它明确不覆盖战术性数据工程，例如模式设计、可观测性、查询优化、RAG 或 ML 平台实现，这些应参考 engineering 目录下的相关技能。
二、主要能力
- AI 训练数据权利：通过“来源 × 数据类别 × 用例”三维矩阵，对每个数据源组合给出 GO / MITIGATE / NO-GO 判定。来源维度包括一方明确选择加入、一方仅靠服务条款、合作方授权、抓取、合成；数据类别包括匿名聚合、行为数据、PII、第三方内容、受监管数据（PHI、PCI、儿童）；用例包括产品内个性化、微调自有模型、训练基础模型、对外共享。配套脚本 ai_training_data_audit.py 可对 JSON 数据源清单执行审计。
- 数据产品策略：架构选择由阶段驱动。仓库（Snowflake/BigQuery/Postgres）适用于不超过 5 个数据消费者、小于 2TB、无 ML 用例；湖仓（仓库加对象存储，常见 Databricks 或 Snowflake-with-Iceberg）适用于 5–25 个消费者、2TB–1PB、1–3 个 ML 用例；数据网格适用于 25 个以上消费者、跨 4 个以上领域、已具备联邦所有权文化。自建与采购按层决策：存储/仓库与 ELT/摄取基本不建，建模（dbt）始终自建，BI 在少于 100 消费者时采购，特征存储推迟到 3 个以上生产模型，ML 平台推迟到 5 个以上生产模型。脚本 data_product_strategy_picker.py 可给出阶段化建议。
- B2B 客户数据资产：在 B 轮以后，客户数据可成为防御护城河、并购倍数（战略买家可带来 1.2x–2x ARR 提升）或直接收入来源（匿名行业基准、嵌入端点、授权）。但也可能成为负债，例如 MSA 客户排除条款、匿名化审计发现再识别风险、产品化带来的监管暴露。脚本 data_asset_valuator.py 可输出战略价值评分、产品化路径与风险调整后价值。
- 数据团队组织演进：按阶段给出招聘顺序。种子前/种子期由创始人兼任分析师；A 轮招分析师，再招分析工程师（dbt）；B 轮招数据工程师、嵌入 GTM 的资深分析师，若 3 个以上团队需要数据则招数据 PM；成长期招分析经理、ML 工程师（若模型为核心）、数据负责人；后期由数据负责人向 CDO 演进，并设 BI、MLE、DPO 等专业角色及按领域的联邦负责人。集中与嵌入的触发点：当 3 个以上职能领域每周需要定制数据时，中央团队成为瓶颈，应转向中心辐射模式。
三、使用方式 该技能提供三个命令行脚本，均可使用内置示例或传入 JSON 文件： python scripts/ai_training_data_audit.py python scripts/ai_training_data_audit.py path/to/sources.json python scripts/data_product_strategy_picker.py python scripts/data_product_strategy_picker.py path/to/profile.json python scripts/data_asset_valuator.py python scripts/data_asset_valuator.py path/to/corpus.json
文档还给出四个工作流：AI 训练决策（1 小时）、架构决策（1 天）、并购准备的数据资产估值（3 天）、数据团队路线图（1 周）。通过 cs-cdo-advisor 调用时，输出遵循固定格式：Bottom Line、The Decision、The Evidence、How to Act、Your Decision。
四、适用场景 适用于初创公司创始人、CDO 或数据负责人进行 AI 训练数据合规判断、数据架构选型、客户数据资产估值与并购尽调准备、数据团队招聘规划。
五、限制 该技能不覆盖战术性数据工程。涉及训练数据权利、数据产品化或并购数据尽调的决定应咨询合格法律顾问；该技能呈现决策与权衡，不替代法律审查。版本 1.0.0，状态为 Production Ready。