AITerms 登入
資料處理MLOpsAI基礎

資料血緣追蹤(Data Lineage)是什麼?

資料血緣追蹤記錄資料從來源到目的地的流動和轉換,提供資料的完整歷史和上下文,確保資料品質和可追溯性。

同主題的術語資料處理AI基礎

完整定義

資料血緣追蹤是一種追蹤資料從其來源到其最終目的地的旅程的過程。它記錄了資料在整個生命週期中經歷的所有轉換和處理步驟。資料血緣追蹤對於理解資料的上下文、確保資料品質、滿足合規性要求以及簡化資料治理至關重要。

白話說明

你有沒有在你想追某個報表欄位到底從哪裡來時,還在想這件事到底該怎麼看?

把它想成資料的成長日記,記錄每一步怎麼變出來。

有了血緣追蹤,你才知道資料經過哪些來源、轉換和輸出。

出錯時可以快速回頭查,法遵和稽核也更容易交代。

記住這句

資料從哪來、怎麼變、去哪裡,都要看得到。

比喻:資料血緣追蹤就像一份產品履歷 -- 你能看到這個產品的原材料來自哪裡、經過了哪些加工步驟、最終變成了什麼樣子,整個生產過程一清二楚,方便你追溯問題來源。

容易混淆

資料目錄

資料目錄告訴你資料在哪,血緣追蹤告訴你資料怎麼來、怎麼變、去哪裡。

常見混淆:資料血緣追蹤 vs 資料目錄

一個看位置,一個看來源和流向,兩者互補但用途不同。

實際案例

報表追查

財務欄位突然不對,可以沿著血緣找到是哪個 ETL 步驟出問題。

法遵稽核

被問到某個指標怎麼算出來時,可以直接拿出流程證據。

演算法與應用

1. 血緣追蹤不只看資料來源,也看欄位在中間怎麼被轉換。

2. 它和資料目錄互補,目錄告訴你資料在哪,血緣告訴你資料怎麼來。

3. 導入時要從關鍵資料源開始,再慢慢擴到整個流程。

中英對照與常見說法

說法
資料血緣、資料血緣追蹤
出現場合
台灣正式用語
說法
数据血缘、数据血统
出現場合
簡體寫法
說法
Data Lineage
出現場合
英文原名
說法
資料譜系、資料溯源
出現場合
常見變體
說法
Data Provenance(資料來源證明)
出現場合
相近但不同,偏重來源的可信與可證明

它要回答哪些問題

往上游看(backward lineage):這張報表的數字從哪裡來?經過哪些轉換?中間有沒有人手動改過?

往下游看(forward lineage):我要改這個欄位的定義,會影響哪些報表、哪些模型、哪些下游系統?

第二個方向的價值常被低估。沒有血緣圖的時候,改一個上游欄位等於在黑暗中拆線,出事才知道有人在用。

追蹤的粒度

多數團隊的實務甜蜜點在欄位級。表級太粗,影響分析時仍要人工翻程式碼;列級太貴,通常只在稽核要求極高的場景才做。

粒度
表級
追到什麼
A 表來自 B 表與 C 表
成本
低,多數工具預設
粒度
欄位級
追到什麼
A 表的 total 欄位來自 B 表的 price 乘以 C 表的 qty
成本
中,需要解析 SQL
粒度
列級
追到什麼
這一筆資料是由哪幾筆來源資料算出來的
成本
高,儲存與計算成本都大

在機器學習與 AI 治理裡的用途

重現實驗。 三個月前那個表現最好的模型是用哪一版資料訓練的?沒有血緣就只能猜。

釐清事故範圍。 上游某張表灌進錯誤資料,哪些模型用到了、什麼時候開始用的、要重訓哪幾個,血緣圖能在幾分鐘內給出清單。

合規與稽核。 個資相關法規要求說明個人資料流向哪裡、被誰使用、保存多久。歐盟 AI 法規對高風險系統也要求訓練資料的可追溯性。

偵測資料洩漏。 特徵的血緣如果一路追到了標籤所在的表,那就是洩漏,這種問題用血緣圖比用直覺好抓得多。

怎麼建立

自動解析優於人工維護。 從 SQL、ETL 設定檔、工作排程器的相依關係自動抽取,人工維護的血緣文件三個月內一定會過時。

最難的是不透明的環節。 一段自訂的 Python 轉換、一份有人手動編輯的試算表、一個外部 API 呼叫,自動解析都看不進去。這些地方要嘛用約定的註解補上,要嘛就在血緣圖上明確標示為「不可追溯」,不要留白讓人誤以為已經涵蓋。

情境判斷

Q1:如果一個報表數字怪怪的,血緣追蹤最有幫助的地方是什麼?

可以快速定位是哪個來源或轉換步驟出了問題。

Q2:血緣追蹤只是在畫圖嗎?

不只是圖,它還是追責、治理和除錯的重要基礎。

常見問題

出現在這些考古題

官方公告試題的逐題解析裡,這 2 題把資料血緣追蹤列為延伸術語。

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本