cdo-review

cdo-review skill 概览

cdo-review 的用途

cdo-review 是一项面向 Chief Data Officer 视角的评审 skill，用来压力测试那些依赖数据战略、数据权利、数据架构、数据商业化、AI 训练数据或数据团队决策的计划。它的设计调用方式是 /cs:cdo-review <plan>，能在组织投入资金、声誉、工程时间或承担法律风险之前，把一个宽泛提案转化为结构化的追问与审视。

最适合的用户与决策场景

cdo-review skill 对创始人、产品负责人、数据负责人、AI 团队和战略规划团队尤其有用，适合评估这类计划：用客户数据训练模型、采购 warehouse 或 lakehouse 平台、推出数据产品、招聘高级数据岗位，或在 M&A 过程中审查数据资产。它适合 Strategic Planning 工作，因为它关注的是数据是否真的改变了业务决策，而不只是判断一个想法在技术上听起来是否可行。

它与通用 prompt 的区别

cdo-review 不会给出泛泛的数据战略建议，而是使用一组强制性追问：这份数据驱动的是哪个决策、是否存在同意与来源证明、拟议架构是否匹配运营模式、数据资产可能如何被估值或被滥用，以及组织需要具备什么能力。它的价值不在于产出一份漂亮备忘录，而在于形成更尖锐的 go/no-go 评审，在薄弱假设变成合同、路线图承诺或合规问题之前把它们暴露出来。

采用前需要注意

当前 repository 主要只有 SKILL.md，没有额外可检查的脚本、参考资料、规则或 metadata 文件。这让 cdo-review 轻量、易安装，但用户不应把它当作完整的数据治理框架、法律审查、隐私影响评估或供应商选择模型。它更适合作为深入开展特定领域尽调之前的一层决策评审。

如何使用 cdo-review skill

cdo-review 安装方式与 repository 路径

从 skill repository 安装：

npx skills add alirezarezvani/claude-skills --skill cdo-review

相关源文件位于 c-level-advisor/c-level-agents/skills/cdo-review/。请先阅读 SKILL.md；当前 skill package 中没有可见的配套 rules/、resources/、references/ 或 scripts/ 文件夹。由于这个 skill 很紧凑，是否安装应主要取决于它的评审框架是否匹配你的数据战略工作流。

skill 需要什么输入

要让 cdo-review 发挥更好效果，请把计划作为一个决策包提供，而不是一句口号。建议包含：正在做出的业务决策、数据来源、同意或合同依据、数据类别、预期模型或产品用途、目标用户、架构选择、供应商承诺、预算范围、时间线，以及谁将对结果负责。

较弱的 prompt：

/cs:cdo-review We want to monetize customer data with AI.

更强的 prompt：

/cs:cdo-review Review a plan to create paid industry benchmarks from aggregated customer usage data. Sources: product telemetry and CRM records. Consent: current TOS mentions analytics but not resale. Buyers: enterprise customers. Architecture: Snowflake plus dbt. Timeline: 2 quarters. Decision needed: whether to approve product discovery and legal review before hiring a data PM.

推荐的 cdo-review 工作流

应在审批关口之前使用 cdo-review，而不是等实现完成之后再用。一个实用工作流如下：

1. 用一页纸写出计划草案。
2. 运行 /cs:cdo-review <plan>。
3. 将每个挑战点标记为 answered、unknown、risky 或 not applicable。
4. 根据缺失的来源证明、决策逻辑和责任归属重写计划。
5. 用修订后的版本再次运行该 skill。
6. 将仍未解决的同意、合同、安全或估值问题升级给对应专家处理。

这样可以让该 skill 服务于战略规划、供应商评估、AI 训练准备度和数据产品评审，同时不会误以为它可以替代法律、安全或财务尽调。

能提升输出质量的 prompt 细节

明确写出你想推进的决策。cdo-review 围绕“这份数据驱动什么决策？”这一问题构建，所以像“build a data moat”这类模糊目标会导致输出变弱。还应区分第一方明确 opt-in、第一方仅 TOS、第三方授权、抓取数据、推断数据和客户机密数据。这样该 skill 才能识别来源证明、同意或预期用途可能在哪些地方破坏整个计划。

cdo-review skill 常见问题

cdo-review 只适合 Chief Data Officers 吗？

不是。cdo-review skill 是从 CDO 视角编写的，但对创始人、CEO、CTO、产品经理、AI 负责人、数据工程师和投资人都很实用。任何需要做出重要数据决策的人，都可以用它提前浮现一位强数据高管在批准计划前会追问的问题。

什么时候不该使用 cdo-review？

不要把 cdo-review 当作隐私法、安全架构、模型风险、税务、会计或 M&A 估值的最终权威。它也不适合纯运营类工单、小型 dashboard 需求或实现层面的 debugging。当决策涉及战略、法律、架构、招聘、商业化或信任影响时，再使用它最合适。

cdo-review 与普通的数据战略评审有什么不同？

通用评审可能只是总结利弊。cdo-review 更具对抗性，也更以决策为中心：它会挑战这些数据是否应该被收集、用于训练、出售、授权、集中、去中心化，甚至是否值得为其配备团队。因此，它更适合承诺前评审，而不是用来发散讨论各种可能性。

cdo-review 对新手友好吗？

是的，前提是用户能清楚描述计划。新手可能需要先收集一些基础事实：数据来自哪里、谁给了同意、哪些系统在存储这些数据、哪个决策依赖这些数据，以及预期业务结果是什么。即使没有这些事实，该 skill 仍然能通过指出缺口来提供帮助。

如何改进 cdo-review skill

在重新运行前改进 cdo-review 输入

提升 cdo-review 结果最快的方法，是在 prompt 中加入具体证据。包括示例数据源清单、同意条款摘要、供应商名称、用文字描述的架构图、责任边界、留存假设，以及收入或成本预期。当它能够把已声明的业务决策与实际数据权利和运营约束进行对照时，表现最好。

留意常见失败模式

常见的弱输出往往来自弱计划：没有明确命名的决策、数据来源不清、同意类型混杂、客户收益未定义、先选架构再补需求，或用职位名称而不是能力缺口来证明招聘合理性。如果第一次评审感觉过于抽象，请围绕一个单一审批问题重写计划，例如 “Should we train this model?”、“Should we sign this vendor contract?” 或 “Should we commercialize this dataset?”

用迭代把批评转化为行动

完成第一轮 cdo-review 后，可以要求生成一张决策表，列包括 issue、risk、missing evidence、owner 和 next action。然后修订计划并再次运行该 skill。这样可以把追问过程转化为面向管理层、法务、数据工程、产品和财务团队的执行清单。

为你的组织扩展该 skill

团队可以通过加入公司特定治理规则来改进 cdo-review skill：已批准的数据类别、同意标准、留存政策、供应商评审阈值、模型训练限制和数据产品审批关口。建议将这些新增内容与核心 skill 文本分开保存，这样既能保留原始 CDO 强制追问风格的清晰度，又能用本地约束让输出更可执行。