cdo-review

Compare original and translation side by side

🇺🇸

Original

English

🇨🇳

Translation

Chinese

/cs:cdo-review — CDO Forcing Questions

/cs:cdo-review — CDO核心质询问题

Command:

/cs:cdo-review <plan>

The decision-driven CDO pressure-tests any plan that touches data strategy. Six questions before any commitment to a data architecture, AI training run, data productization, or data team hire.

命令:

/cs:cdo-review <plan>

由决策驱动的CDO会对任何涉及数据策略的方案进行压力测试。在承诺推进数据架构搭建、AI训练任务、数据产品化或数据团队招聘之前，需先回答以下六个问题。

When to Run

适用场景

Before approving any new ML model training run that uses customer data
Before signing a multi-year data-infrastructure SaaS contract (Snowflake, Databricks, Fivetran)
Before productizing any customer data (benchmark report, embedding endpoint, license)
Before a major data team hire (head of data, CDO, data PM, ML engineer)
Before M&A diligence — yours or theirs
When the founder uses the word "monetize" near "data"

在批准任何使用客户数据的新ML模型训练任务之前
在签署多年期数据基础设施SaaS合同（Snowflake、Databricks、Fivetran）之前
在将任何客户数据产品化（基准报告、嵌入端点、授权许可）之前
在进行重大数据团队招聘（数据主管、CDO、数据产品经理、ML工程师）之前
在开展并购尽职调查时（无论是我方收购还是被收购）
当创始人将“变现”与“数据”关联提及之时

The Six CDO Questions

六个CDO质询问题

1. What decision does this data drive?

1. 该数据将驱动哪些决策？

If no decision is unblocked, why are we collecting / training on / productizing it?

"We might need it later" is not a decision.
"It feels like a moat" is not a decision.
A real answer names a specific business call that requires this data.

如果没有任何决策需要依赖它推进，我们为何要收集/基于它训练/将它产品化？

“我们以后可能需要它”不属于决策范畴。
“它感觉像是护城河”也不属于决策范畴。
合理答案需明确指出一项需要该数据支撑的具体业务决策。

2. What's the consent provenance for every source?

2. 每个数据源的同意来源是什么？

For each data source: origin, consent flow, data class, intended use.

1st-party-TOS-only is weaker than 1st-party-explicit-opt-in.
Bundled TOS doesn't cover material new purposes (training on PII for foundation models).
Run
```
ai_training_data_audit.py
```
if there's any AI use case in scope.

针对每个数据源：来源渠道、同意流程、数据类别、预期用途。

仅依赖第一方服务条款（TOS）的同意力度弱于第一方明确主动勾选的同意。
捆绑式服务条款不适用于重大新用途（比如使用个人身份信息（PII）训练基础模型）。
如果涉及AI用例，请运行
```
ai_training_data_audit.py
```
脚本。

3. Who consumes this internally — and how many distinct functional domains?

3. 内部有哪些角色会使用它——覆盖多少个不同的职能领域？

Drives the centralize-vs-embed and warehouse-vs-mesh decisions.

<5 consumers: warehouse-only.
5-25 consumers: lakehouse.
25+ consumers + federated culture: mesh.
Premature architecture choice is the #1 cause of data-team burnout.

这将决定数据架构是采用集中式还是嵌入式，以及选用数据仓库还是数据网格。

少于5个使用者：仅使用数据仓库。
5-25个使用者：使用湖仓一体（lakehouse）。
25个以上使用者+联邦文化：使用数据网格（mesh）。
过早确定架构是导致数据团队倦怠的首要原因。

4. What's the M&A diligence impact?

4. 对并购尽职调查有何影响？

If an acquirer asks about this data corpus tomorrow, are we ready?

Is there a documented anonymization process?
What % of customers have MSA carve-outs?
Are training-data provenance logs current?
Run
```
data_asset_valuator.py
```
quarterly.

如果收购方明天询问这个数据集的情况，我们是否准备就绪？

是否有文档化的匿名化流程？
有多大比例的客户在主服务协议（MSA）中存在例外条款？
训练数据来源日志是否是最新的？
每季度运行一次
```
data_asset_valuator.py
```
脚本。

5. Can the model / decision / report be retrained / re-run / re-published without this source?

5. 如果移除该数据源，模型/决策/报告能否重新训练/重新运行/重新发布？

Tests how much you depend on a specific data source.

If yes → low blast radius; you can change consent posture later.
If no → high blast radius; you've structurally committed to the source. Vet harder.

测试你对特定数据源的依赖程度。

如果可以→影响范围小；后续可调整同意策略。
如果不可以→影响范围大；你已在结构上绑定该数据源，需更严格地审核。

6. What role unblocks this — and is it the right next hire?

6. 哪个角色能推进这件事——这是当下最适合招聘的岗位吗？

Wrong hire (data scientist) when right answer (analytics engineer) is a 12-month productivity loss.

Map the decision being unblocked to the specific role.
Confirm prerequisite roles are in place (data engineer before ML engineer, analyst before data scientist).

当需要的是分析工程师时却招聘了数据科学家，会导致12个月的生产力损失。

将待推进的决策与具体岗位对应起来。
确认前置岗位已到位（先招聘数据工程师，再招聘ML工程师；先招聘分析师，再招聘数据科学家）。

Workflow

工作流程

bash

undefined

bash

undefined

1. AI training audit (if any ML / AI use case)

1. AI训练审计（若涉及ML/AI用例）

python ../../../skills/chief-data-officer-advisor/scripts/ai_training_data_audit.py sources.json

2. Architecture decision (if changing the stack)

2. 架构决策（若变更技术栈）

python ../../../skills/chief-data-officer-advisor/scripts/data_product_strategy_picker.py profile.json

3. Data asset valuation (if productizing or pre-M&A)

3. 数据资产估值（若产品化或筹备并购）

python ../../../skills/chief-data-officer-advisor/scripts/data_asset_valuator.py corpus.json

undefined

python ../../../skills/chief-data-officer-advisor/scripts/data_asset_valuator.py corpus.json

undefined

Output Format

输出格式

markdown

undefined

markdown

undefined

CDO Review: <plan>

CDO审查：<plan>

Date: YYYY-MM-DD

日期: YYYY-MM-DD

The Decision Being Made

待决策事项

[one sentence — which of the four CDO decisions: training | architecture | asset | hire]

[一句话说明——属于四类CDO决策中的哪一类：训练 | 架构 | 资产 | 招聘]

Training Audit (if applicable)

训练审计（若适用）

NO-GO sources: N
MITIGATE sources: N
GO sources: N
Top remediation: <one line>

不可用数据源：N
需整改数据源：N
可用数据源：N
首要整改措施：<一句话>

Architecture (if applicable)

架构方案（若适用）

Recommended: WAREHOUSE / LAKEHOUSE / MESH
Build-vs-buy summary: <one line>
Kill criteria: <when to revisit>

推荐方案：WAREHOUSE / LAKEHOUSE / MESH
自研vs采购总结：<一句话>
终止标准：<何时重新评估>

Asset Value (if applicable)

资产价值（若适用）

Strategic value: X/10 | Moat: STRONG / MEDIUM / WEAK
M&A multiplier: X.Xx – X.Xx ARR
Recommended productization path: <name>

战略价值：X/10 | 护城河：STRONG / MEDIUM / WEAK
并购乘数：X.Xx – X.Xx 年度经常性收入（ARR）
推荐产品化路径：<名称>

Org (if applicable)

组织架构（若适用）

Next hire: <role>
Why this, not that: <one line>
Prerequisite hires in place: yes/no

下一个招聘岗位：<角色>
为何选此而非彼：<一句话>
前置岗位是否到位：是/否

Verdict

审查结论

🟢 SHIP | 🟡 SHARPEN | 🔴 BLOCK

🟢 推进 | 🟡 优化 | 🔴 暂缓

Next Steps

下一步行动

[3 concrete actions]

undefined

[3项具体举措]

undefined

Routing

关联路由

```
/cs:gc-review
```
— for any productization or licensing path
```
/cs:ciso-review
```
— for any architecture change touching customer data
```
/cs:cfo-review
```
— for build-vs-buy TCO and M&A valuation math
```
/cs:chro-review
```
— for data team hires (comp, ladder, leveling)
```
/cs:decide
```
— log the verdict
```
/cs:freeze 90
```
— on multi-year infrastructure contracts

```
/cs:gc-review
```
— 适用于任何产品化或授权许可路径
```
/cs:ciso-review
```
— 适用于任何涉及客户数据的架构变更
```
/cs:cfo-review
```
— 适用于自研vs采购的总拥有成本（TCO）及并购估值计算
```
/cs:chro-review
```
— 适用于数据团队招聘（薪酬、晋升体系、职级评定）
```
/cs:decide
```
— 记录审查结论
```
/cs:freeze 90
```
— 针对多年期基础设施合同冻结审批