Eine Claude-Fertigkeit zur Prüfung der Geschäftslogik von Datenanalyse-Ergebnissen (Notebooks, SQL/BigQuery-Ansichten, Dashboards) – überprüft Behauptungen anhand von Rohdaten, erkennt redundante Berechnungen, unbelegte narrative Behauptungen und häufige Aggregationsfehler.
Diese Fertigkeit für Claude (oder andere KI-Agenten) dient der automatisierten Prüfung der Geschäftslogik von Datenanalyse-Artefakten. Sie analysiert Notebooks, SQL-Ansichten (insbesondere BigQuery) und Dashboards auf logische Konsistenz mit den zugrunde liegenden Rohdaten. Hauptaufgaben sind: Überprüfung von Behauptungen und Narrativen auf faktische Richtigkeit anhand der Datenquellen, Erkennung von überflüssigen oder doppelten Berechnungen, Identifizierung von Aggregationsfehlern (z.B. falsche Gruppierungen oder Summierungen) und Aufspüren von Diskrepanzen zwischen dargestellten Metriken und tatsächlichen Werten. Die Fertigkeit ist besonders nützlich für Data Engineers, Analysten und Qualitätssicherer, die sicherstellen müssen, dass Berichte und Dashboards korrekte und nachvollziehbare Geschäftslogik abbilden. Sie arbeitet plattformunabhängig und nutzt die Fähigkeit von Claude, Code und SQL-Abfragen zu verstehen und zu analysieren. Die Implementierung basiert auf einem detaillierten SKILL.md-Dokument, das die genauen Prüfregeln und den erwarteten Workflow beschreibt.
npx skills add IanNarsa/analytics-logic-auditInstalled? Explore more Recherche & Datenanalyse skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Eine Claude-Fertigkeit zur Prüfung der Geschäftslogik von Datenanalyse-Ergebnissen (Notebooks, SQL/BigQuery-Ansichten, Dashboards) – überprüft Behauptungen anhand von Rohdaten, erkennt redundante Berechnungen, unbelegte narrative Behauptungen und häufige Aggregationsfehler.
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.