DataOps + ChatOps —— 打造跨團隊協作的資料治理控制面

副標：

> 如何讓 Chat 成為資料平台的操作入口，降低跨團隊溝通成本

一、演講核心訊息

本場演講要傳達的核心觀點：

> DataOps 的瓶頸往往不是技術，而是跨團隊協作與決策流程。

即使資料平台已具備：

• CI/CD
• Lakehouse
• Data Pipeline
• Schema Governance

實際運作時仍會遇到：

• 多方角色參與決策
• 技術資訊難以理解
• 查詢資訊成本高
• 溝通往返耗時

本演講將介紹如何透過 **ChatOps + Agent + Context Engineering**，建立一個可查詢、可觸發、可解釋的資料平台控制面。

二、25 分鐘演講結構

1. 開場：資料平台最大的成本其實是溝通（約 5 分鐘）

描述常見情境：

• 資料工程師在 GitLab
• 分析師在 BI 工具
• ML 工程師在 Notebook
• 產品經理在 Issue 系統

當資料變更時：

• 需要查 Schema
• 需要查血緣
• 需要查 CI
• 需要確認審核

資訊分散在不同系統。

提出核心問題：

如果 Chat 是所有人最熟悉的介面，是否可以成為資料平台的控制面？

2. 問題本質：決策流程沒有工程化（約 5 分鐘）

說明資料治理常見問題：

• 技術資訊難以理解
• 查詢需要多個工具
• 非技術角色難以參與
• 決策過程缺乏透明度

提出轉變方向：

將 Chat 變成治理控制面入口（Control Plane Entry）。

3. 架構解法：ChatOps Control Plane（約 10 分鐘）

介紹整體架構。

Chat 作為操作入口

常見平台：

• Google Chat
• Slack

Chat → Webhook → Agent → Platform Service

Chat 成為平台的使用者介面。

Agent 中介層

Agent 角色：

• 解析使用者意圖
• 呼叫平台服務
• 生成結構化回應

技術可包含：

• Gemini
• Agent Development Kit (ADK)

後端平台服務

Agent 可呼叫：

• Schema Diff Service
• Data Lineage Service
• CI Status Service
• Governance Policy Service

確保 Chat 查詢具備完整上下文。

典型使用場景

查詢 Schema 變更

使用者：

這個 PR 改了什麼 Schema？

系統：

• 讀取 Diff
• 生成摘要
• 回傳風險等級

查詢資料血緣

使用者者

欄位 user_email 被哪些報表使用？

系統：

• 查詢 lineage graph
• 回傳依賴關係

發布前確認

使用者：

staging 表是否可以發布？

系統：

• 檢查 CI
• 檢查 Approval
• 回傳狀態

4. Context Engineering 設計（約 3 分鐘）

Agent 回應品質取決於上下文。

需要整合：

• Data Contract (SDD YAML)
• Schema Diff
• Data Lineage
• Policy Rules
• 使用者角色

透過結構化上下文，AI 才能產生可靠回應。

5. 風險控制與治理邊界（約 2 分鐘）

重要原則：

• Chat 不直接修改資料
• Chat 不繞過 CI
• Chat 不跳過審核流程

Chat 只負責：

• 查詢
• 解釋
• 觸發流程

確保治理紀律。

三、可帶走的三個實務建議

1. 將 Chat 視為資料平台的控制面入口
2. 為跨角色溝通設計語意轉譯層
3. 所有 Chat 操作必須可審計

四、演講最終結論

DataOps 的成熟不只在於 Pipeline 自動化。

更重要的是讓決策流程與技術流程同時工程化。

當 Chat 成為平台控制面，

資料平台才能真正成為跨團隊協作基礎設施。

聽眾收穫：

本演講將說明如何將 Chat 從單純的通知工具，升級為資料平台的 治理控制面（Control Plane）入口，以降低跨團隊協作成本並提升決策透明度。

透過實際架構設計，展示如何整合 Chat 平台、AI Agent、Schema Diff、Data Lineage 與 CI/CD 狀態服務，讓使用者能在 Chat 介面中查詢資料結構變更、理解資料血緣關係、確認發布條件與審核狀態。

聽眾將學到三個可落地的實務做法：

1. 將 Chat 作為資料平台的統一操作入口，讓不同角色能透過自然語言查詢技術資訊。
2. 設計 Agent 中介層整合平台服務，將 Schema Diff、資料血緣與 CI 狀態轉換為可理解的決策資訊。
3. 建立可審計的 ChatOps 治理邊界，確保所有操作仍遵循 CI/CD 與審核流程。

此外，本演講也會介紹 Context Engineering 在 ChatOps 中的關鍵角色，說明如何為 AI 提供結構化上下文，使其能可靠地解釋資料變更與治理狀態，讓 Chat 成為跨團隊協作的資料平台控制中心。