数据权限的精细化管控和维护需要依赖不同的数据库系统、BI 工具和业务应用自身的授权机制，无法统一管理，变更困难。当企业的数据库数量较多、数据分析人数较多、数据和人员变化频繁时，数据权限的运维工作量会指数式增长。

企业的数据工程师在开展交互式数据探索时，往往无法提前确定需要访问哪些数据，这给数据管理者带来了困扰，无法预先设定数据访问者的数据权限，只能授予更大的数据访问权限，容易造成数据越权访问的问题。

企业的数据中台、大数据平台往往集中存储了企业的海量高价值数据，其中敏感数据类型多样，同时，随着企业数字化业务更新迭代速度的加快，敏感数据的类型、数量、所处的物理位置和逻辑位置，也都在快速变化，如果不能及时掌握这些变化，不能及时了解敏感数据的使用和流动状况，企业就很难建立起一致的敏感数据保护策略，无法有效地管理敏感数据。此外，数据开发和分析等业务开展过程中，也会出现”沙箱库“、”临时表“等影子数据，这些数据存在管理盲区，若未能及时纳管或回收，将造成可观的滥用与泄露风险。

在企业数据分析场景中，数据工程师可能会在分析过程中接触到大量敏感数据信息。为满足数据保护及合规要求，需要协同多个部门完成业务应用代码的改造工作。需要投入大量的人力和物力成本，如果合规要求发生变化，企业还需要再次通过代码改造来持续调整，业务应用的合规改造代价高昂。