Was macht bigdata-analysis-skill?
AI coding skill for Hive/Impala/Spark ETL — 10 rules to prevent silent data bugs on HDFS/YARN
KI-Programmierfähigkeit für Hive/Impala/Spark ETL — 10 Regeln zur Vermeidung von stillen Datenfehlern auf HDFS/YARN.
Oak-B/bigdata-analysis-skill ist eine auf Big-Data-ETL-Entwicklung spezialisierte KI-Programmierfähigkeit, die speziell auf die Frameworks Hive, Impala und Spark ausgerichtet ist. Sie bietet 10 sorgfältig entwickelte Regeln, die Entwicklern helfen, stille Datenfehler (silent data bugs) in HDFS- und YARN-Umgebungen zu vermeiden – Fehler, die schwer zu erkennen sind und ernsthafte Datenqualitätsprobleme verursachen können. Die Fähigkeit deckt Best Practices für die Abfrageerstellung, Datenpartitionierung, Ressourcenoptimierung und Aufgabenplanung ab und liefert umsetzbare Code-Vorschläge und Optimierungsstrategien. Ob Dateningenieur, Datenanalyst oder KI-Agent-Entwickler, jeder kann von dieser Fähigkeit profitieren, insbesondere beim Aufbau stabiler und effizienter Datenpipelines. Sie unterstützt gängige KI-Programmierplattformen wie Claude Code, Cursor und Codex, sodass Benutzer diese Regeln durch einfache Eingabeaufforderungen aktivieren können, um robusteren ETL-Code zu überprüfen oder zu generieren. Durch die Befolgung dieser Regeln können Teams Produktionsausfälle aufgrund von Dateninkonsistenzen oder -verlusten erheblich reduzieren und die Zuverlässigkeit und Wartbarkeit ihrer Datenpipelines verbessern.
npx skills add Oak-B/bigdata-analysis-skillInstalled? Explore more Recherche & Datenanalyse skills: obra/superpowers, affaan-m/quarkus-verification, affaan-m/uspto-database · View all 6 →
AI coding skill for Hive/Impala/Spark ETL — 10 rules to prevent silent data bugs on HDFS/YARN
Agent skill repository discovered by 10x-chat research.
Verification loop for Quarkus projects: build, static analysis, tests with coverage, security scans, native compilation, and diff review before release or PR.
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.
Evidence-first current-state research workflow for ECC. Use when the user wants fresh facts, comparisons, enrichment, or a recommendation built from current public evidence and any supplied local context.