Community연구 & 데이터 분석github.com

seacen/data-analyst-sz

훈련된 시니어 데이터 분석가를 상시 대기 가능한 스킬로 제공합니다. 모든 구조화된 데이터에 대해 전문적인 9단계 프레임워크를 실행하며, 모든 숫자는 추적 가능합니다.

data-analyst-sz란 무엇인가요?

이 스킬은 AI 에이전트(Claude Code, Cursor 등)가 구조화된 데이터에 대해 전문 데이터 분석가 수준의 9단계 분석 워크플로우(0+9 workflow)를 실행할 수 있도록 설계되었습니다. 데이터의 도메인을 자동 감지하고, 그에 맞는 지식 팩(domain pack)을 로드하여 데이터 프로파일링, 신호 스캔, 가설 수립, 코드 기반 검증, 원인 분해, 인사이트 종합 및 보고서 생성을 수행합니다. 모든 숫자 계산은 LLM이 직접 수행하지 않고, 에이전트가 pandas 코드를 작성하여 실행하므로 환각(hallucination)이 없으며, 각 결과는 `verdicts.json`으로 추적 가능합니다. 최종 결과물은 기본적으로 HTML 덱(`insight_deck.html`)과 마크다운 보고서(`insight_report.md`)로 제공되며, 엄격한 커버리지 및 데이터 무결성 검증 게이트를 통과해야 합니다. 이 스킬은 도메인 중립적(domain-neutral)이어서, 사용자는 단순히 `domains/` 디렉토리에 새 도메인 팩을 추가하기만 하면 새로운 분석 영역을 지원할 수 있습니다.

지원 대상~Claude Code~Codex CLI~Cursor
npx skills add seacen/data-analyst-sz

Installed? Explore more 연구 & 데이터 분석 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →

즐겨 사용하는 AI에게 물어보기

이 에이전트 스킬이 미리 로드된 새 채팅을 엽니다.

문서

데이터 분석 스킬

AI 네이티브 구조화된 데이터 분석: 범용 0+9 워크플로우 + 플러그인 방식의 도메인 팩(domain packs). 이 파일은 진입점입니다(도메인 감지 + 핵심 규칙 + 포인터). 자세한 내용은 필요에 따라 references/ 및 선택한 도메인 팩에서 로드됩니다. 본 스킬은 도메인 중립적(domain-neutral)을 유지합니다. 모든 도메인 지식은 domains/<name>/에 있으며, 이 파일에는 특정 도메인 이름이 나타나지 않습니다.

작동 방식 — 0+9 워크플로우

0단계(도메인 감지)는 이 파일에 있습니다. 1–9단계의 수행 방법, 각 단계에서 로드할 내용, 산출물은 모두 references/9-step-framework.md를 참조하세요(단계별 로딩 테이블의 유일한 권위 있는 출처 포함). 분석을 시작할 때 먼저 이 파일을 로드합니다.

단계한 줄 설명
0 도메인 감지(Domain Detect)리졸버(resolver) 읽기 → 도메인 팩(또는 일반)으로 라우팅
1 프로파일링(Profile)에이전트가 프로파일링 코드 작성: 열 → 필드 역할, 기간/스냅샷 판단, 데이터 갭 계산
2 신호 스캔(Signal Scan)신호 스캔 코드 작성(이상치 / 유의미한 변화 / 지표의 기준 대비 이탈)
3 명확화(Clarify)모호함이나 데이터 한계가 요청을 가로막을 때만 질문(이때 사용자에게 갭을 제시)
4 프레이밍(Frame)도메인 framework.md를 사용하여 MECE 이슈 트리 구축
5 가설 수립(Hypothesize)반증 가능한 가설, 도메인 레버 연결
6 검증(Verify)pandas 코드를 작성하여 검증 → verdicts.json
7 분해(Decompose)분해 코드 작성 → drivers.json
8 종합(Synthesize)피라미드 출력 + 도메인 인사이트 확장; 기본적으로 두 가지를 병행: insight_deck.html(HTML 덱) + insight_report.md(1:1 미러), deck_audit 제3게이트 통과 (빠른/후속 질문은 덱 면제 가능)
9 후속 질문(Follow-up)확장된 이슈 트리로 후속 질문에 답변

전체가 명령 기반(instruction-based), 사전 스크립트 없음: 1/2/6/7단계의 코드는 에이전트가 그 자리에서 작성하고 실행합니다. 하지만 작성하기 전에 실제 데이터와 선택된 도메인의 data-spec / glossary / computation-reference를 읽고, 해당 데이터의 자체 필드와 기간 기준을 파악한 후 명령에 따라 코드를 생성합니다. 필드명/기간 용어를 가정하지 않습니다(LY/TY/MAT는 보편적이지 않음). 필드 역할 매핑은 AI 의미 판단입니다(data-spec §1.0 참조).

0단계 — 도메인 감지(진입 결정)

  1. references/resolver.md(도메인 중립적 점수 매커니즘)를 읽고 각 domains/<slug>/triggers.md(각 도메인의 트리거 블록)를 열거합니다.
  2. '사용자 표현 / 데이터 열(1단계 후) / 프로젝트 힌트 파일 ./.data-analysis-domain'을 사용하여 각 도메인에 점수를 매깁니다.
  3. 라우팅: 동일 도메인을 가리키는 신호 ≥2개 → 자동 라우팅; 모호함 → clarification-protocol.md에 따라 사용자가 선택; 일치 없음 → 일반(generic) 모드로 안내.
  4. 라우팅된 domains/<slug>/README.md를 읽고, 나머지 슬롯은 9단계 로딩 테이블에 따라 해당 단계에서 로드합니다.
  5. outputs/analysis_state.json::domain_selected에 기록, 이후 회차에서 재사용하고 재검사하지 않습니다.

중요 규칙(불가침; 세부사항은 references/anti-hallucination.md 참조)

  1. LLM은 절대 숫자를 계산하지 않습니다. 집계 / 점유율 / 지수 / 분해 → 모두 에이전트가 pandas 코드를 작성하여 실행; 출력에는 LLM이 추론한 숫자가 없습니다.
  2. 모든 숫자는 verdict_id를 참조하며, outputs/verdicts.json으로 역추적 가능합니다.
  3. 먼저 감지한 후 명확히 합니다. 0–2단계를 완료하기 전에 "무엇을 분석할까요?"라고 묻지 않습니다. 기본적으로 바로 진행하며, 이후 조정 가능합니다.
  4. 상태 지속성. 각 회차마다 먼저 읽고, 응답하기 전에 outputs/analysis_state.json을 업데이트합니다.
  5. 커버리지, 리프 노드를 조용히 버리지 않음. 이슈 트리(4단계)에서 데이터가 가능한 모든 리프 노드는 6단계에서 반드시 answered되거나 명시적으로 skip(이유 포함) 되어야 합니다. "시간 부족"은 합법적인 이유가 아닙니다. 8단계 비평가(critic)가 커버리지를 검증합니다. 세부사항은 references/9-step-framework.md 6단계 커버리지 게이트를 참조하세요.
  6. 기본 전달물 = 덱 + 보고서, 대화 내 인라인이 아님. 모든 구조화된 데이터 분석 요청은 기본적으로 전체 0+9 워크플로우를 거쳐 8단계에서 outputs/insight_deck.html + outputs/insight_report.md를 생성합니다(디스크에 저장, deck_audit 통과) — 이것이 기본 전달물이지 '선택적 보너스'가 아닙니다. 대화에서 몇 개의 테이블/텍스트를 던지는 것은 분석 완료가 아닙니다(8단계까지 도달하지 않은 것). 집중된/구체적인 분석 질문(예: 'X의 분포 보기', '특정 기간에 누가 이겼는지')은 '가벼운 요청'이 아닙니다 — 마찬가지로 전체 프로세스를 거쳐 덱을 생성합니다. 단 두 가지 면제 사항: ① 9단계 후속 질문(이미 완료된 분석에 대한 추가 질문); ② 사용자가 명시적으로 '빠르게/간단히/구두로 답해줘'라고 요청. 면제 시에도 응답에 "이번 회차는 경량 모드로 진행되며 덱이 생성되지 않았습니다"라고 명시적으로 설명해야 합니다. 세부사항은 references/9-step-framework.md 8단계 + references/insight-templates.md를 참조하세요.

도메인 팩

하나의 팩 = 일반 명명된 .md 슬롯 집합: triggers(0단계 도메인 감지 트리거 블록) · glossary · data-spec · framework · computation-reference · insight-extensions · context-notes · clarification-extensions · business-rules.md. 슬롯 프로토콜, 작성자, 세 가지 콘텐츠 유형, 유지보수 플로우 → references/domain-pack-protocol.md(유일한 권위자). 팩 생성/유지보수 → domain-pack-builder 스킬.

새 도메인 추가

domains/<new>/를 만들고 슬롯을 채웁니다(triggers.md 트리거 블록 포함). 본 스킬 및 기타 일반 파일은 수정하지 않습니다. 리졸버 메커니즘이 새 팩의 triggers.md를 자동으로 열거합니다.


v0.9 (2026-06-09 덱 게이트 대칭화): HTML 덱을 "8단계 슬롯 파일에 묻힌 기본값"에서 프레임워크 수준의 하드 탈출 조건으로 업그레이드 — 8단계의 로딩 테이블 산출물 열, Outputs, Critic, Exit condition 네 곳을 모두 "기본 두 가지 병행: insight_deck.html + insight_report.md(1:1 미러), deck_audit.py 제3게이트 통과(data_integrity + coverage와 동등한 수준)"로 통일; 빠른/9단계-후속 질문은 덱 면제 가능하나 명시적 설명 필요. 수정된 실제 누락 지점: 집중 질문(focused question)이 .md 보고서만 작성하고 8단계 완료로 간주하여 덱이 조용히 누락됨(근본 원인: insight-templates.md+insight-extensions.md 두 슬롯을 로드하지 않음, 따라서 Outputs 섹션에 "먼저 두 슬롯을 읽으라"는 하드 알림 추가). 일반 계층의 도메인 중립성 유지(덱/감사는 일반 개념이며, 디자인 시스템/금칙어/글꼴 크기 파일/로고 ID는 모두 런타임에 도메인에서 읽음). v0.8 (2026-05-30 견고성 강화): 커버리지 게이트 추가(중요 규칙 5, 리프 노드 조용히 버리지 않음); 2단계 데이터 무결성 검사(점유율 합계/임베디드 집계 행); 7단계 분해 세분성 철칙; 다중 레벨 헤더 길들이기 루틴; 스크립트 통합 산출물 outputs/scripts/ + 명명 규칙 + 스키마 지문 재사용(동일 스키마 데이터 재전송 시 로더 재작성 불필요); 8단계 강제 insight_report.md 디스크 저장. 또한 일반 계층에서 도메인 특정 흔적 제거(도메인 중립성으로 초기화). v0.7: 전체 명령 기반(사전 설정 스크립트 제거). v0.6: Skill Creator 정규화.

관련 스킬