Une compétence Claude pour auditer la logique métier des livrables d'analyse de données (notebooks, vues SQL/BigQuery, tableaux de bord) — vérifie les affirmations par rapport aux données brutes, détecte les calculs redondants, les affirmations non étayées et les bugs d'agrégation courants.
Cette compétence Claude est conçue pour auditer rigoureusement la logique métier des livrables d'analyse de données, notamment les notebooks, les vues SQL/BigQuery et les tableaux de bord. Son objectif principal est de vérifier que les affirmations présentées dans ces livrables sont correctement étayées par les données brutes sous-jacentes, en détectant les erreurs courantes telles que les calculs redondants, les affirmations narratives non justifiées et les bugs d'agrégation. Elle est particulièrement utile pour les analystes de données, les ingénieurs de données et les responsables qualité qui souhaitent garantir la fiabilité et la précision des rapports avant leur diffusion. En analysant le code et la documentation associés, la compétence vérifie la cohérence entre les hypothèses métier et les résultats calculés, assurant ainsi une meilleure intégrité des décisions basées sur les données. Elle prend en charge les environnements de travail incluant des notebooks (Jupyter), SQL (BigQuery) et des outils de visualisation comme Looker ou Tableau, et suit les directives du fichier SKILL.md pour adapter son analyse aux spécificités de chaque livrable.
npx skills add IanNarsa/analytics-logic-auditInstalled? Explore more Recherche et analyse de données skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
Une compétence Claude pour auditer la logique métier des livrables d'analyse de données (notebooks, vues SQL/BigQuery, tableaux de bord) — vérifie les affirmations par rapport aux données brutes, détecte les calculs redondants, les affirmations non étayées et les bugs d'agrégation courants.
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.