Communitygithub.com

majiayu000/claude-skill-registry-data

Panel de análisis de portafolio multiproyecto. Agrega KPIs entre proyectos, realiza un seguimiento de la salud del portafolio, compara el rendimiento y apoya la toma de decisiones ejecutivas.

¿Qué es claude-skill-registry-data?

Esta habilidad implementa un completo panel de análisis de portafolio para la gestión de múltiples proyectos de construcción. Permite agregar datos de varios proyectos, realizar un seguimiento de indicadores clave de rendimiento (KPI) como costo, cronograma, seguridad, calidad y riesgo, y proporcionar una visión unificada de la salud general del portafolio. Es especialmente útil para gerentes de programas, directores de proyectos o ejecutivos que necesitan tomar decisiones informadas sobre la asignación de recursos y la priorización de proyectos. La habilidad está diseñada para ejecutarse en sistemas compatibles con agentes de IA; el código proporcionado (Python puro con dataclasses) se puede adaptar para su uso en herramientas como Claude Code, Cursor, Codex u otras plataformas de agentes de IA. Funciona calculando métricas derivadas como CPI (índice de rendimiento de costos), SPI (índice de rendimiento del cronograma) y TRIR (tasa de incidentes registrables totales), y clasifica la salud de cada proyecto en verde, amarillo, rojo o gris. También incluye funciones para comparar proyectos, identificar los que están en riesgo, pronosticar necesidades de efectivo y generar informes ejecutivos.

Compatible con✓Claude Code~Codex CLI~Cursor
npx skills add https://github.com/majiayu000/claude-skill-registry-data/tree/HEAD/analysis/portfolio-dashboard

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Panel de Portafolio

Resumen

Agrega y analiza datos a través de múltiples proyectos de construcción para obtener visibilidad a nivel de portafolio. Realiza un seguimiento de KPIs, identifica tendencias, compara el rendimiento de los proyectos y respalda las decisiones estratégicas de asignación de recursos.

Marco de Análisis de Portafolio

┌─────────────────────────────────────────────────────────────────┐
│                  PANEL DE PORTAFOLIO                             │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  PROYECTO A    PROYECTO B    PROYECTO C    PROYECTO D           │
│     ↓             ↓            ↓            ↓                   │
│  ┌─────────────────────────────────────────────┐                │
│  │           AGREGACIÓN DE DATOS                │                │
│  │  Costo | Cronograma | Seguridad | Calidad | Riesgo │          │
│  └─────────────────────────────────────────────┘                │
│                         ↓                                        │
│  ┌─────────────────────────────────────────────┐                │
│  │          KPIs DEL PORTAFOLIO                 │                │
│  │  📊 Valor Total    📈 % A Tiempo            │                │
│  │  💰 % Dentro de Presupuesto  🛡️ Tasa de Seguridad │          │
│  │  ⚠️ Puntuación de Riesgo  📋 Utilización de Recursos │        │
│  └─────────────────────────────────────────────┘                │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

Implementación Técnica

from dataclasses import dataclass, field
from typing import List, Dict, Optional, Tuple
from datetime import datetime, timedelta
from enum import Enum
import statistics

class EstadoProyecto(Enum):
    PLANIFICACION = "planning"
    ACTIVO = "active"
    EN_PAUSA = "on_hold"
    COMPLETADO = "complete"
    CANCELADO = "cancelled"

class EstadoSalud(Enum):
    VERDE = "green"       # En camino
    AMARILLO = "yellow"   # En riesgo
    ROJO = "red"          # Crítico
    GRIS = "grey"         # No iniciado/en pausa

@dataclass
class MetricasProyecto:
    project_id: str
    project_name: str
    status: EstadoProyecto
    contract_value: float
    percent_complete: float

    # Cronograma
    planned_start: datetime
    planned_end: datetime
    actual_start: Optional[datetime]
    forecast_end: datetime
    schedule_variance_days: int = 0

    # Costo
    budget: float
    actual_cost: float
    forecast_cost: float
    cost_variance: float = 0.0
    cpi: float = 1.0
    spi: float = 1.0

    # Seguridad
    recordable_incidents: int = 0
    total_hours: float = 0
    trir: float = 0.0

    # Calidad
    defects_open: int = 0
    rework_cost: float = 0.0

    # Riesgo
    risk_score: float = 0.0
    critical_risks: int = 0

    @property
    def health(self) -> EstadoSalud:
        """Determina la salud general del proyecto."""
        if self.status in [EstadoProyecto.EN_PAUSA, EstadoProyecto.CANCELADO]:
            return EstadoSalud.GRIS

        # Crítico si está significativamente por encima del presupuesto/cronograma
        if self.cpi < 0.85 or self.spi < 0.85 or self.critical_risks > 3:
            return EstadoSalud.ROJO

        # En riesgo si está moderadamente fuera de lo previsto
        if self.cpi < 0.95 or self.spi < 0.95 or self.critical_risks > 0:
            return EstadoSalud.AMARILLO

        return EstadoSalud.VERDE

@dataclass
class ResumenPortafolio:
    report_date: datetime
    total_projects: int
    active_projects: int
    total_contract_value: float
    total_budget: float
    total_actual_cost: float
    total_forecast_cost: float

    # Rendimiento
    avg_cpi: float
    avg_spi: float
    on_budget_pct: float
    on_schedule_pct: float

    # Seguridad
    portfolio_trir: float
    total_incidents: int

    # Distribución de salud
    green_count: int
    yellow_count: int
    red_count: int

    # Tendencias
    cost_trend: str
    schedule_trend: str

@dataclass
class ComparacionProyectos:
    metric: str
    projects: Dict[str, float]
    avg: float
    best: Tuple[str, float]
    worst: Tuple[str, float]

class PanelPortafolio:
    """Analítica de portafolio multiproyecto."""

    # Umbrales de salud
    UMBRALES = {
        "cpi_advertencia": 0.95,
        "cpi_critico": 0.85,
        "spi_advertencia": 0.95,
        "spi_critico": 0.85,
        "trir_advertencia": 2.0,
        "puntuacion_riesgo_advertencia": 7.0
    }

    def __init__(self, nombre_portafolio: str):
        self.nombre_portafolio = nombre_portafolio
        self.proyectos: Dict[str, MetricasProyecto] = {}
        self.capturas: List[Dict] = []  # Datos históricos

    def agregar_proyecto(self, metricas: MetricasProyecto):
        """Agrega o actualiza un proyecto en el portafolio."""
        self.proyectos[metricas.project_id] = metricas

    def importar_proyectos(self, datos_proyectos: List[Dict]) -> int:
        """Importa múltiples proyectos desde una lista de datos."""
        contador = 0
        for p in datos_proyectos:
            metricas = MetricasProyecto(
                project_id=p['id'],
                project_name=p['name'],
                status=EstadoProyecto(p.get('status', 'active')),
                contract_value=p['contract_value'],
                percent_complete=p.get('percent_complete', 0),
                planned_start=p['planned_start'],
                planned_end=p['planned_end'],
                actual_start=p.get('actual_start'),
                forecast_end=p.get('forecast_end', p['planned_end']),
                budget=p['budget'],
                actual_cost=p.get('actual_cost', 0),
                forecast_cost=p.get('forecast_cost', p['budget']),
                cpi=p.get('cpi', 1.0),
                spi=p.get('spi', 1.0),
                recordable_incidents=p.get('incidents', 0),
                total_hours=p.get('total_hours', 0),
                risk_score=p.get('risk_score', 0),
                critical_risks=p.get('critical_risks', 0)
            )

            # Calcular métricas derivadas
            metricas.cost_variance = metricas.budget - metricas.actual_cost
            metricas.schedule_variance_days = (metricas.planned_end - metricas.forecast_end).days

            if metricas.total_hours > 0:
                metricas.trir = (metricas.recordable_incidents * 200000) / metricas.total_hours

            self.agregar_proyecto(metricas)
            contador += 1

        return contador

    def obtener_proyectos_activos(self) -> List[MetricasProyecto]:
        """Obtiene la lista de proyectos activos."""
        return [p for p in self.proyectos.values()
                if p.status == EstadoProyecto.ACTIVO]

    def calcular_resumen_portafolio(self) -> ResumenPortafolio:
        """Calcula métricas resumen a nivel de portafolio."""
        activos = self.obtener_proyectos_activos()
        todos_proyectos = list(self.proyectos.values())

        if not todos_proyectos:
            return None

        # Totales
        total_contrato = sum(p.contract_value for p in todos_proyectos)
        total_presupuesto = sum(p.budget for p in todos_proyectos)
        total_real = sum(p.actual_cost for p in todos_proyectos)
        total_pronosticado = sum(p.forecast_cost for p in todos_proyectos)

        # Promedios de rendimiento (ponderados por presupuesto)
        if total_presupuesto > 0:
            avg_cpi = sum(p.cpi * p.budget for p in activos) / sum(p.budget for p in activos) if activos else 1.0
            avg_spi = sum(p.spi * p.budget for p in activos) / sum(p.budget for p in activos) if activos else 1.0
        else:
            avg_cpi = avg_spi = 1.0

        # Porcentajes dentro de presupuesto/cronograma
        dentro_presupuesto = len([p for p in activos if p.cpi >= 0.95])
        dentro_cronograma = len([p for p in activos if p.spi >= 0.95])

        pct_presupuesto = (dentro_presupuesto / len(activos) * 100) if activos else 100
        pct_cronograma = (dentro_cronograma / len(activos) * 100) if activos else 100

        # Métricas de seguridad
        total_incidentes = sum(p.recordable_incidents for p in todos_proyectos)
        total_horas = sum(p.total_hours for p in todos_proyectos)
        trir_portafolio = (total_incidentes * 200000 / total_horas) if total_horas > 0 else 0

        # Distribución de salud
        verdes = len([p for p in activos if p.health == EstadoSalud.VERDE])
        amarillos = len([p for p in activos if p.health == EstadoSalud.AMARILLO])
        rojos = len([p for p in activos if p.health == EstadoSalud.ROJO])

        # Tendencias (comparar con la captura anterior si está disponible)
        tendencia_costo = "estable"
        tendencia_cronograma = "estable"

        if self.capturas:
            prev = self.capturas[-1]
            if avg_cpi > prev.get('avg_cpi', 1.0):
                tendencia_costo = "mejorando"
            elif avg_cpi < prev.get('avg_cpi', 1.0):
                tendencia_costo = "empeorando"

            if avg_spi > prev.get('avg_spi', 1.0):
                tendencia_cronograma = "mejorando"
            elif avg_spi < prev.get('avg_spi', 1.0):
                tendencia_cronograma = "empeorando"

        return ResumenPortafolio(
            report_date=datetime.now(),
            total_projects=len(todos_proyectos),
            active_projects=len(activos),
            total_contract_value=total_contrato,
            total_budget=total_presupuesto,
            total_actual_cost=total_real,
            total_forecast_cost=total_pronosticado,
            avg_cpi=avg_cpi,
            avg_spi=avg_spi,
            on_budget_pct=pct_presupuesto,
            on_schedule_pct=pct_cronograma,
            portfolio_trir=trir_portafolio,
            total_incidents=total_incidentes,
            green_count=verdes,
            yellow_count=amarillos,
            red_count=rojos,
            cost_trend=tendencia_costo,
            schedule_trend=tendencia_cronograma
        )

    def comparar_proyectos(self, metrica: str) -> ComparacionProyectos:
        """Compara proyectos según una métrica específica."""
        activos = self.obtener_proyectos_activos()

        if not activos:
            return None

        mapa_metricas = {
            "cpi": lambda p: p.cpi,
            "spi": lambda p: p.spi,
            "percent_complete": lambda p: p.percent_complete,
            "cost_variance": lambda p: p.cost_variance,
            "trir": lambda p: p.trir,
            "risk_score": lambda p: p.risk_score
        }

        if metrica not in mapa_metricas:
            raise ValueError(f"Métrica desconocida: {metrica}")

        obtener_valor = mapa_metricas[metrica]
        valores = {p.project_name: obtener_valor(p) for p in activos}

        promedio = statistics.mean(valores.values())

        # Mejor/peor depende de la métrica (CPI más alto es bueno, TRIR más bajo es bueno)
        if metrica in ["trir", "risk_score"]:
            mejor = min(valores.items(), key=lambda x: x[1])
            peor = max(valores.items(), key=lambda x: x[1])
        else:
            mejor = max(valores.items(), key=lambda x: x[1])
            peor = min(valores.items(), key=lambda x: x[1])

        return ComparacionProyectos(
            metric=metrica,
            projects=valores,
            avg=promedio,
            best=mejor,
            worst=peor
        )

    def obtener_proyectos_en_riesgo(self) -> List[MetricasProyecto]:
        """Obtiene los proyectos que necesitan atención."""
        return [p for p in self.obtener_proyectos_activos()
                if p.health in [EstadoSalud.AMARILLO, EstadoSalud.ROJO]]

    def obtener_principales_riesgos(self, limite: int = 10) -> List[Dict]:
        """Obtiene los principales riesgos en todo el portafolio."""
        riesgos = []

        for p in self.obtener_proyectos_activos():
            if p.risk_score > 0:
                riesgos.append({
                    "project": p.project_name,
                    "risk_score": p.risk_score,
                    "critical_risks": p.critical_risks,
                    "cpi": p.cpi,
                    "spi": p.spi
                })

        return sorted(riesgos, key=lambda x: -x['risk_score'])[:limite]

    def pronosticar_necesidades_efectivo(self, meses: int = 6) -> List[Dict]:
        """Pronostica las necesidades de efectivo en todo el portafolio."""
        pronosticos = []

        for mes in range(1, meses + 1):
            fecha_mes = datetime.now() + timedelta(days=mes * 30)

            gasto_mes = 0
            for p in self.obtener_proyectos_activos():
                # Proyección lineal simple basada en el trabajo restante
                restante = p.forecast_cost - p.actual_cost
                meses_restantes = max(1, (p.forecast_end - datetime.now()).days / 30)
                quema_mensual = restante / meses_restantes
                gasto_mes += quema_mensual

            pronosticos.append({
                "month": fecha_mes.strftime("%Y-%m"),
                "projected_spend": gasto_mes
            })

        return pronosticos

    def guardar_captura(self):
        """Guarda el estado actual para el análisis de tendencias."""
        resumen = self.calcular_resumen_portafolio()
        if resumen:
            self.capturas.append({
                "date": datetime.now(),
                "avg_cpi": resumen.avg_cpi,
                "avg_spi": resumen.avg_spi,
                "on_budget_pct": resumen.on_budget_pct,
                "on_schedule_pct": resumen.on_schedule_pct,
                "total_forecast": resumen.total_forecast_cost
            })

    def generar_reporte(self) -> str:
        """Genera un informe del panel de portafolio."""
        resumen = self.calcular_resumen_portafolio()

        if not resumen:
            return "No hay proyectos en el portafolio"

        lineas = [
            "# Panel de Portafolio",
            "",
            f"**Portafolio:** {self.nombre_portafolio}",
            f"**Fecha del Informe:** {resumen.report_date.strftime('%Y-%m-%d')}",
            "",
            "## Resumen Ejecutivo",
            "",
            "| Métrica | Valor |",
            "|--------|-------|",
            f"| Total de Proyectos | {resumen.total_projects} ({resumen.active_projects} activos) |",
            f"| Valor Total del Contrato | ${resumen.total_contract_value:,.0f} |",
            f"| Presupuesto Total | ${resumen.total_budget:,.0f} |",
            f"| Costo Real Hasta la Fecha | ${resumen.total_actual_cost:,.0f} |",
            f"| Pronóstico al Finalizar | ${... [truncado para traducción]}```

## Funcionalidades Clave

- **Agregación de Datos**: Importa y consolida métricas de múltiples proyectos
- **Indicadores de Salud**: Clasifica automáticamente los proyectos en Verde, Amarillo, Rojo o Gris
- **Comparación de Rendimiento**: Compara proyectos lado a lado utilizando CPI, SPI, TRIR y más
- **Análisis de Riesgos**: Identifica proyectos en riesgo crítico y calcula las principales exposiciones del portafolio
- **Pronóstico de Efectivo**: Predice las necesidades mensuales de efectivo en todo el portafolio
- **Análisis de Tendencias**: Guarda capturas históricas para realizar un seguimiento de la mejora o declive del portafolio
- **Generación de Informes**: Produce informes de portafolio con formato Markdown para compartirlos fácilmente

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD agents while maintaining compliance

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Edit existing BMAD modules while maintaining coherence

majiayu000/claude-skill-registry-data

Analyzes current state and user query to answer BMad questions or recommend the next workflow or agent. Use when user says what should I do next, what do I do now, or asks a question about BMad

majiayu000/claude-skill-registry-data

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry-data

Build AI agents with Google ADK Python (Agent Development Kit). Use for multi-agent systems, workflow agents (sequential/parallel/loop), Vertex AI deployment, tool integration, human-in-the-loop.

majiayu000/claude-skill-registry-data

Portfolio allocation and rebalancing optimizer. Manages asset allocation across stocks/cash/bonds, performs periodic rebalancing, and ensures diversification according to market regime and risk tolerance.

majiayu000/claude-skill-registry-data

Create a hilarious and ultra-realistic video of an anthropomorphic animal acting like a human vlogger in a real-world setting.

majiayu000/claude-skill-registry-data

Speech-to-text transcription and translation via OpenAI Audio API -- models, response formats, timestamps, prompting, streaming, chunking, and diarization

majiayu000/claude-skill-registry-data

This skill should be used when the user asks about libraries, frameworks, API references, or needs code examples. Activates for setup questions, code generation involving libraries, or mentions of specific frameworks like React, Vue, Next.js, Prisma, Supabase, etc.

majiayu000/claude-skill-registry-data

小省导购员数字人带货版即梦视频提示词生成系统,基于四大智能体协同(提示词生成师、质量管控师、知识库运维师、跨环节适配师),按照"主体+运动+场景+(镜头语言+光影+氛围)"公式输出中英文双版提示词,适配5s短视频。确保人物一致性、视觉连贯性、情绪连贯性,支持知识库智能复用和跨工具适配(Suno音乐、AI绘画),为数字人带货视频提供高质量提示词生成服务。

majiayu000/claude-skill-registry-data

Upload and manage files using Google Gemini File API via scripts/. Use for uploading images, audio, video, PDFs, and other files for use with Gemini models. Supports file upload, status checking, and file management. Triggers on "upload file", "file API", "upload image", "upload PDF", "upload video", "file management".

majiayu000/claude-skill-registry-data

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry-data

Analyze images/audio/video with Gemini API (better vision than Claude). Generate images (Imagen 4), videos (Veo 3). Use for vision analysis, transcription, OCR, design extraction, multimodal AI.

majiayu000/claude-skill-registry-data

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

majiayu000/claude-skill-registry-data

Conduct domain and industry research. Use when the user says "lets create a research report on [domain or industry]

majiayu000/claude-skill-registry-data

Conduct market research on competition and customers. Use when the user says "create a market research report about [business idea]".

majiayu000/claude-skill-registry-data

Conduct technical research on technologies and architecture. Use when the user says "create a technical research report on [topic]".

majiayu000/claude-skill-registry-data

Builds, edit or validate Agent Skill through conversational discovery. Use when the user requests to "Create an Agent", "Optimize an Agent" or "Edit an Agent".

Skills relacionados