核心用法
Data Source Audit 是一款专为建筑行业设计的数据资产审计工具，基于 Python 数据工程框架实现。用户通过初始化 DataSourceAuditor 类，可系统性地注册企业内的各类数据源（如项目管理软件、ERP、BIM 平台等），定义数据流向，并执行自动化分析。该技能支持从调研问卷批量导入数据源信息，自动识别数据孤岛（如无主数据域、单向数据流、孤立系统），评估数据质量（完整性、准确性、时效性），最终生成包含集成成熟度评分、改进建议和可视化集成矩阵的综合审计报告。
显著优点
该技能的最大优势在于其供应商无关性（Vendor-Agnostic），可与任何品牌的数据源配合使用，不锁定特定厂商生态。它提供了标准化的数据治理框架，将混乱的建筑数据环境抽象为结构化的 DataSource、DataFlow 和 DataSilo 对象，便于统一管理。自动生成的数据目录（Data Catalog）和集成矩阵（Integration Matrix）能够直观展示系统间的依赖关系，而量化评分机制（Coverage、Master Data、Quality、Silo Risk）则为数字化转型提供了可衡量的基准线。此外，内置的 YAML 调研模板降低了跨部门协作门槛。
潜在缺点与局限性
首先，该技能定位为代码库/模板而非即插即用的 SaaS 工具，需要使用者具备 Python 开发基础，对非技术背景的工程管理人员存在学习曲线。其次，虽然代码逻辑通用，但数据域（DataDomain）枚举和工作流设计明显偏向建筑行业（如 Cost、BIM、Field），跨行业复用需要二次开发。作为 T3 级社区来源，尽管通过了 A 级安全认证，但仍建议企业在使用前进行内部代码审查，特别是对 discover_sources_from_survey 方法的输入验证逻辑进行加固。
适合的目标群体
本技能主要面向建筑企业的首席数据官（CDO）、IT 架构师和数字化转型负责人，帮助他们系统化地盘点 10-50+ 个分散的数据系统。同时适用于管理咨询公司中为建筑客户提供数据治理服务的顾问，以及需要编写数据集成规划书的项目经理。对于正在推进 ERP、BIM 与现场管理系统集成的中型以上建工集团，该工具能快速梳理现状，识别集成优先级。
使用风险与注意事项
在部署使用时，需关注以下风险点：依赖风险——核心依赖 pandas 等第三方库，需确保运行环境版本兼容性；输入验证风险——虽然代码包含基础校验，但处理外部调研数据时仍需防范畸形数据导致的解析错误；数据隐私——审计过程涉及企业核心业务数据（成本、供应商、项目信息），尽管处理逻辑在本地完成，但生成的 Excel 报告需妥善保管；功能边界——该工具仅提供诊断分析，不直接解决数据同步问题，后续的 API 集成或 MDM 实施仍需额外开发投入。