解读

面试官想验证三件事：

1. 你是否把“数据孤岛”当成组织问题而非纯技术问题；
2. 能否在合规红线（《数据安全法》《个人信息保护法》、行业监管）内给出可落地的中国本土方案；
3. 是否具备把“共享”转化为业务增量、而不是简单“搬数据”的产品视角。
   回答必须体现“业务-数据-算法-合规”四位一体的闭环思维，且能区分“同一法人内部共享”与“跨法人外部共享”两种场景。

知识点

1. 数据孤岛根因：BU KPI 独立、数据标准不一、元数据缺失、合规恐惧。
2. 国内三大红线：重要数据出境、个人信息滥用、算法歧视。
3. 共享范式：
   ‑ 物理集中：集团级数据中台（湖仓一体）。
   ‑ 逻辑集中：联邦层（Federation）+ 数据虚拟化，数据不动模型动。
   ‑ 场景分层：ODS（原始）→DWD（明细）→DWM（汇总）→ADS（应用），按“业务域-标签-敏感度”三级目录挂接。
4. 技术-治理一体：数据资产目录 + 数据血缘图谱 + 自动分级分类 + 区块链/防篡改日志。
5. 激励相容：数据贡献计入 BU 的“虚拟股份”或“结算单价”，用量即收益。
6. 合规沙箱：个人信息匿名化（含ID 化哈希+加盐）、差分隐私、可信执行环境（TEE）、联邦学习。
7. 产品化落地：把共享数据封装成“特征服务（Feature Store）”“画像服务”“向量检索服务”，通过 API/订阅制对内计价，对外输出“联合建模”增值服务。

答案

“我会把数据共享拆成四步：确权、分类、定价、闭环。
第一步，确权。联合法务、数据安全部在集团层面发布《数据共享白皮书》，明确‘谁的数据、谁授权、谁受益’；对个人信息和重要数据采用‘双重同意+场景最小可用’原则，先过合规沙箱。
第二步，分类。用 AI 辅助做敏感级别识别，把字段拆成公共、内部、机密、核心四层；同步建立企业级数据资产目录，所有表必须挂“业务域负责人+更新频率+质量评分”，否则不准入湖。
第三步，定价。把数据当成内部商品：原始数据按条计价，特征数据按调用量阶梯计费，模型回流的提升收益按 30% 反哺数据提供方；每月出具《数据收益报表》给 BU 总经理，直接挂钩利润考核。
第四步，闭环。技术侧用“联邦层+特征 store”方案：敏感数据用联邦学习或 TEE 方式“计算不动数据”，非敏感数据直接入湖；产品侧把高频特征封装成标准化服务，比如“电商+金融”共享的“高潜消费分”，让业务方 3 行代码即可调用；运营侧每季度召开“数据圆桌”，让共享带来的 GMV、风控 KS 提升等可量化指标透明化，持续迭代共享清单。
通过‘合规先行、收益共享、技术分层’，我们过去 8 个月把 6 条业务线的 300+ 特征复用率从 11% 提升到 47%，同时零合规事件。”

拓展思考

1. 如果未来集团要对外输出数据能力做“行业云”，如何在不转移原始数据的前提下，把数据变现金？——可设计“联邦特征洞察报告”订阅服务，客户只拿到统计级指标，数据不出域。
2. 面对监管对“算法备案”的要求，共享特征是否需要单独备案？——需把跨 BU 复用的“高风险特征”纳入算法影响评估清单，并在备案材料中说明数据来源与授权链路。
3. 当 A 业务线数据质量差导致 B 业务模型效果下降，如何定责？——在数据 SLA 里约定 PSI、缺失率、延迟三维指标，未达标自动触发“赔偿券”，从数据提供方收益中扣除。