microsoft-purview-and-azure-data-governance

用途：当 Microsoft Purview 作为 Azure 数据平台的治理控制面时，使用该技能可帮助智能体设计元数据集合、分类策略、扫描范围、血缘预期以及受治理的发布行为，覆盖 Microsoft 分析类产品。适用场景包括：设计 Purview 集合与所有权结构；定义扫描、分类、词汇表和血缘预期；在 ADLS、Synapse、Data Factory、Azure Databricks 或 Fabric 间治理数据集；改善共享数据产品的可信发现与认证；让 Azure 原生治理与隐私、安全、发布控制对齐。资料提醒不要把 Purview 仅当作目录工具，它常成为受治理分析的平台证据与策略面。工作流分五步：一是定义治理范围，明确在范围内平台、业务域、关键数据产品、数据管理员与所有权模型；二是设计元数据运营模型，决定集合、词汇表边界、分类与敏感度标签、扫描节奏与归属；三是定义可信发布行为，要求认证或背书规则、血缘完整性预期、所有权可见性，并在相关处对接受监管数据控制；四是让 Azure 服务与治理对齐，考察 Purview 与 ADLS、Synapse、Data Factory、Databricks、Fabric 的协作，而非各自为政；五是验证运营可持续性，确保扫描、分类、血缘随资产、团队与环境增长仍有用。资料列出的常见合理化误区：认为“扫描一切等于治理一切”，实际还需所有权、信任信号与对消费者有用的边界；认为可在管道完成后再加 Purview，晚治理常导致血缘薄弱、认证差和发现不一致；认为各 Azure 服务团队可各自管理元数据，碎片化治理削弱平台级信任与策略证据。危险信号包括：集合未映射真实所有权或域；扫描范围广但血缘与认证薄弱；分类跨 Azure 服务不一致；Purview 与发布或安全决策脱节；数据管理员期望依赖口口相传。验证要点：治理范围与管理员模型明确；集合、扫描与分类经过有意设计；可信发布行为含血缘与认证预期；Azure 服务对齐同一治理模型；模型随采用增长保持可持续。