Communitygithub.com

majiayu000/claude-skill-registry-data

Painel de análise de portfólio multi-projetos. Agregue KPIs entre projetos, acompanhe a saúde do portfólio, compare desempenhos e apoie a tomada de decisões executivas.

O que é claude-skill-registry-data?

Esta skill fornece um painel de análise abrangente para portfólios multi-projetos, permitindo que usuários agreguem e analisem dados de vários projetos de construção civil em uma única visão unificada. Ela é particularmente útil para gerentes de portfólio e executivos que precisam acompanhar indicadores-chave de desempenho (KPIs), como variação de custo e cronograma, métricas de segurança (TRIR) e distribuição de saúde dos projetos (verde, amarelo, vermelho). A skill oferece recursos avançados como comparação direta entre projetos, identificação de projetos em risco, previsão de necessidades de caixa e análise de tendências históricas por meio de snapshots. Suporta plataformas como Claude Code, Cursor e Codex, e é implementada como uma classe `PortfolioDashboard` em Python, que gerencia métricas de projetos por meio de dataclasses e enums. Com funções como `calculate_portfolio_summary` e `compare_projects`, ela facilita a tomada de decisões estratégicas sobre alocação de recursos e mitigação de riscos, tudo isso sem a necessidade de uma interface gráfica externa.

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

Perguntar na sua IA favorita

Abre um novo chat com esta habilidade de agente já pré-carregada.

Documentação

Painel de Portfólio

Visão Geral

Agregue e analise dados de múltiplos projetos de construção para obter visibilidade em nível de portfólio. Acompanhe KPIs, identifique tendências, compare o desempenho dos projetos e apoie decisões estratégicas de alocação de recursos.

Estrutura de Análise de Portfólio

┌─────────────────────────────────────────────────────────────────┐
│                  PAINEL DE PORTFÓLIO                            │
├─────────────────────────────────────────────────────────────────┤
│                                                                  │
│  PROJETO A    PROJETO B    PROJETO C    PROJETO D              │
│     ↓             ↓            ↓            ↓                   │
│  ┌─────────────────────────────────────────────┐                │
│  │           AGREGAÇÃO DE DADOS                 │                │
│  │  Custo | Cronograma | Segurança | Qualidade | Risco          │
│  └─────────────────────────────────────────────┘                │
│                         ↓                                        │
│  ┌─────────────────────────────────────────────┐                │
│  │          KPIs DO PORTFÓLIO                   │                │
│  │  📊 Valor Total    📈 % no Prazo             │
│  │  💰 % no Orçamento 🛡️ Taxa de Segurança     │
│  │  ⚠️ Pontuação de Risco  📋 Util. de Recursos │                │
│  └─────────────────────────────────────────────┘                │
│                                                                  │
└─────────────────────────────────────────────────────────────────┘

Implementação 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 ProjectStatus(Enum):
    PLANNING = "planning"
    ACTIVE = "active"
    ON_HOLD = "on_hold"
    COMPLETE = "complete"
    CANCELLED = "cancelled"

class HealthStatus(Enum):
    GREEN = "green"       # No caminho certo
    YELLOW = "yellow"     # Em risco
    RED = "red"           # Crítico
    GREY = "grey"         # Não iniciado/em espera

@dataclass
class ProjectMetrics:
    project_id: str
    project_name: str
    status: ProjectStatus
    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

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

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

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

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

    @property
    def health(self) -> HealthStatus:
        """Determina a saúde geral do projeto."""
        if self.status in [ProjectStatus.ON_HOLD, ProjectStatus.CANCELLED]:
            return HealthStatus.GREY

        # Crítico se significativamente acima do orçamento/cronograma
        if self.cpi < 0.85 or self.spi < 0.85 or self.critical_risks > 3:
            return HealthStatus.RED

        # Em risco se moderadamente fora do previsto
        if self.cpi < 0.95 or self.spi < 0.95 or self.critical_risks > 0:
            return HealthStatus.YELLOW

        return HealthStatus.GREEN

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

    # Desempenho
    avg_cpi: float
    avg_spi: float
    on_budget_pct: float
    on_schedule_pct: float

    # Segurança
    portfolio_trir: float
    total_incidents: int

    # Distribuição de saúde
    green_count: int
    yellow_count: int
    red_count: int

    # Tendências
    cost_trend: str
    schedule_trend: str

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

class PortfolioDashboard:
    """Análise de portfólio multi-projetos."""

    # Limiares de saúde
    THRESHOLDS = {
        "cpi_warning": 0.95,
        "cpi_critical": 0.85,
        "spi_warning": 0.95,
        "spi_critical": 0.85,
        "trir_warning": 2.0,
        "risk_score_warning": 7.0
    }

    def __init__(self, portfolio_name: str):
        self.portfolio_name = portfolio_name
        self.projects: Dict[str, ProjectMetrics] = {}
        self.snapshots: List[Dict] = []  # Dados históricos

    def add_project(self, metrics: ProjectMetrics):
        """Adiciona ou atualiza um projeto no portfólio."""
        self.projects[metrics.project_id] = metrics

    def import_projects(self, projects_data: List[Dict]) -> int:
        """Importa múltiplos projetos a partir de dados."""
        count = 0
        for p in projects_data:
            metrics = ProjectMetrics(
                project_id=p['id'],
                project_name=p['name'],
                status=ProjectStatus(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
            metrics.cost_variance = metrics.budget - metrics.actual_cost
            metrics.schedule_variance_days = (metrics.planned_end - metrics.forecast_end).days

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

            self.add_project(metrics)
            count += 1

        return count

    def get_active_projects(self) -> List[ProjectMetrics]:
        """Obtém a lista de projetos ativos."""
        return [p for p in self.projects.values()
                if p.status == ProjectStatus.ACTIVE]

    def calculate_portfolio_summary(self) -> PortfolioSummary:
        """Calcula métricas de resumo em nível de portfólio."""
        active = self.get_active_projects()
        all_projects = list(self.projects.values())

        if not all_projects:
            return None

        # Totais
        total_contract = sum(p.contract_value for p in all_projects)
        total_budget = sum(p.budget for p in all_projects)
        total_actual = sum(p.actual_cost for p in all_projects)
        total_forecast = sum(p.forecast_cost for p in all_projects)

        # Médias de desempenho (ponderadas pelo orçamento)
        if total_budget > 0:
            avg_cpi = sum(p.cpi * p.budget for p in active) / sum(p.budget for p in active) if active else 1.0
            avg_spi = sum(p.spi * p.budget for p in active) / sum(p.budget for p in active) if active else 1.0
        else:
            avg_cpi = avg_spi = 1.0

        # Percentuais dentro do orçamento/cronograma
        on_budget = len([p for p in active if p.cpi >= 0.95])
        on_schedule = len([p for p in active if p.spi >= 0.95])

        on_budget_pct = (on_budget / len(active) * 100) if active else 100
        on_schedule_pct = (on_schedule / len(active) * 100) if active else 100

        # Métricas de segurança
        total_incidents = sum(p.recordable_incidents for p in all_projects)
        total_hours = sum(p.total_hours for p in all_projects)
        portfolio_trir = (total_incidents * 200000 / total_hours) if total_hours > 0 else 0

        # Distribuição de saúde
        green = len([p for p in active if p.health == HealthStatus.GREEN])
        yellow = len([p for p in active if p.health == HealthStatus.YELLOW])
        red = len([p for p in active if p.health == HealthStatus.RED])

        # Tendências (comparar com snapshot anterior, se disponível)
        cost_trend = "estável"
        schedule_trend = "estável"

        if self.snapshots:
            prev = self.snapshots[-1]
            if avg_cpi > prev.get('avg_cpi', 1.0):
                cost_trend = "melhorando"
            elif avg_cpi < prev.get('avg_cpi', 1.0):
                cost_trend = "piorando"

            if avg_spi > prev.get('avg_spi', 1.0):
                schedule_trend = "melhorando"
            elif avg_spi < prev.get('avg_spi', 1.0):
                schedule_trend = "piorando"

        return PortfolioSummary(
            report_date=datetime.now(),
            total_projects=len(all_projects),
            active_projects=len(active),
            total_contract_value=total_contract,
            total_budget=total_budget,
            total_actual_cost=total_actual,
            total_forecast_cost=total_forecast,
            avg_cpi=avg_cpi,
            avg_spi=avg_spi,
            on_budget_pct=on_budget_pct,
            on_schedule_pct=on_schedule_pct,
            portfolio_trir=portfolio_trir,
            total_incidents=total_incidents,
            green_count=green,
            yellow_count=yellow,
            red_count=red,
            cost_trend=cost_trend,
            schedule_trend=schedule_trend
        )

    def compare_projects(self, metric: str) -> ProjectComparison:
        """Compara projetos por uma métrica específica."""
        active = self.get_active_projects()

        if not active:
            return None

        metric_map = {
            "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 metric not in metric_map:
            raise ValueError(f"Métrica desconhecida: {metric}")

        getter = metric_map[metric]
        values = {p.project_name: getter(p) for p in active}

        avg = statistics.mean(values.values())

        # Melhor/pior depende da métrica (CPI maior é bom, TRIR menor é bom)
        if metric in ["trir", "risk_score"]:
            best = min(values.items(), key=lambda x: x[1])
            worst = max(values.items(), key=lambda x: x[1])
        else:
            best = max(values.items(), key=lambda x: x[1])
            worst = min(values.items(), key=lambda x: x[1])

        return ProjectComparison(
            metric=metric,
            projects=values,
            avg=avg,
            best=best,
            worst=worst
        )

    def get_projects_at_risk(self) -> List[ProjectMetrics]:
        """Obtém projetos que precisam de atenção."""
        return [p for p in self.get_active_projects()
                if p.health in [HealthStatus.YELLOW, HealthStatus.RED]]

    def get_top_risks(self, limit: int = 10) -> List[Dict]:
        """Obtém os principais riscos em todo o portfólio."""
        risks = []

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

        return sorted(risks, key=lambda x: -x['risk_score'])[:limit]

    def forecast_cash_needs(self, months: int = 6) -> List[Dict]:
        """Prevê necessidades de caixa em todo o portfólio."""
        forecasts = []

        for month in range(1, months + 1):
            month_date = datetime.now() + timedelta(days=month * 30)

            month_spend = 0
            for p in self.get_active_projects():
                # Projeção linear simples baseada no trabalho restante
                remaining = p.forecast_cost - p.actual_cost
                months_remaining = max(1, (p.forecast_end - datetime.now()).days / 30)
                monthly_burn = remaining / months_remaining
                month_spend += monthly_burn

            forecasts.append({
                "month": month_date.strftime("%Y-%m"),
                "projected_spend": month_spend
            })

        return forecasts

    def save_snapshot(self):
        """Salva o estado atual para análise de tendências."""
        summary = self.calculate_portfolio_summary()
        if summary:
            self.snapshots.append({
                "date": datetime.now(),
                "avg_cpi": summary.avg_cpi,
                "avg_spi": summary.avg_spi,
                "on_budget_pct": summary.on_budget_pct,
                "on_schedule_pct": summary.on_schedule_pct,
                "total_forecast": summary.total_forecast_cost
            })

    def generate_report(self) -> str:
        """Gera relatório do painel de portfólio."""
        summary = self.calculate_portfolio_summary()

        if not summary:
            return "Nenhum projeto no portfólio"

        lines = [
            "# Painel de Portfólio",
            "",
            f"**Portfólio:** {self.portfolio_name}",
            f"**Data do Relatório:** {summary.report_date.strftime('%Y-%m-%d')}",
            "",
            "## Resumo Executivo",
            "",
            f"| Métrica | Valor |",
            f"|--------|-------|",
            f"| Total de Projetos | {summary.total_projects} ({summary.active_projects} ativos) |",
            f"| Valor Total do Contrato | ${summary.total_contract_value:,.0f} |",
            f"| Orçamento Total | ${summary.total_budget:,.0f} |",
            f"| Custo Real Até a Data | ${summary.total_actual_cost:,.0f} |",
            f"| Previsão na Conclusão | ${summary.total_forecast_cost:,.0f} |",
            f"| CPI Médio | {summary.avg_cpi:.2f} |",
            f"| SPI Médio | {summary.avg_spi:.2f} |",
            f"| % Dentro do Orçamento | {summary.on_budget_pct:.1f}% |",
            f"| % Dentro do Cronograma | {summary.on_schedule_pct:.1f}% |",
            f"| TRIR do Portfólio | {summary.portfolio_trir:.2f} |",
            f"| Incidentes Totais | {summary.total_incidents} |",
            f"| Projetos Verdes | {summary.green_count} |",
            f"| Projetos Amarelos | {summary.yellow_count} |",
            f"| Projetos Vermelhos | {summary.red_count} |",
            f"| Tendência de Custo | {summary.cost_trend} |",
            f"| Tendência de Cronograma | {summary.schedule_trend} |",
            "",
            "## Detalhamento de Saúde",
            "",
            f"- 🟢 **{summary.green_count}** projetos no caminho certo",
            f"- 🟡 **{summary.yellow_count}** projetos em risco",
            f"- 🔴 **{summary.red_count}** projetos críticos",
            ""
        ]

        if self.get_projects_at_risk():
            lines.append("## Projetos em Risco")
            lines.append("")
            for p in self.get_projects_at_risk():
                emoji = "🔴" if p.health == HealthStatus.RED else "🟡"
                lines.append(
                    f"- {emoji} **{p.project_name}** - "
                    f"CPI: {p.cpi:.2f}, SPI: {p.spi:.2f}, "
                    f"Risco: {p.risk_score:.1f}"
                )
            lines.append("")

        # Previsão de caixa
        cash_forecast = self.forecast_cash_needs(3)
        lines.append("## Previsão de Necessidades de Caixa (Próximos 3 Meses)")
        lines.append("")
        for cf in cash_forecast:
            lines.append(f"- **{cf['month']}:** ${cf['projected_spend']:,.0f}")
        lines.append("")

        lines.append("---")
        lines.append("*Gerado por PortfolioDashboard*")

        return "\n".join(lines)

Uso

# Exemplo: Criar e usar o painel de portfólio
dashboard = PortfolioDashboard("Projetos de Infraestrutura")

# Importar dados de projetos
dashboard.import_projects(projects_data)

# Calcular e exibir resumo
summary = dashboard.calculate_portfolio_summary()

# Gerar relatório
print(dashboard.generate_report())

Métricas Suportadas

MétricaDescrição
CPIÍndice de Desempenho de Custo (budget / actual cost)
SPIÍndice de Desempenho de Cronograma (planned duration / forecast duration)
Variação de CustoDiferença entre orçamento e custo real
TRIRTaxa Total de Incidentes Registráveis (por 200.000 horas)
Pontuação de RiscoAvaliação de risco geral do projeto (0-10)
% de ConclusãoPercentual do trabalho concluído

Métodos da API

  • add_project(metrics) - Adicionar ou atualizar métricas de projeto
  • import_projects(data) - Importar lote de dados de projetos
  • calculate_portfolio_summary() - Métricas resumidas do portfólio
  • compare_projects(metric) - Comparar projetos por uma métrica específica
  • get_projects_at_risk() - Obter projetos com status amarelo ou vermelho
  • get_top_risks(limit) - Obter os N principais projetos em risco
  • forecast_cash_needs(months) - Prever necessidades de caixa
  • save_snapshot() - Salvar instantâneo para análise de tendências
  • generate_report() - Gerar relatório formatado em markdown

Índices de Saúde

  • Verde: CPI >= 0,95 E SPI >= 0,95 E riscos críticos == 0
  • Amarelo: CPI entre 0,85-0,95 OU SPI entre 0,85-0,95 OU riscos críticos > 0
  • Vermelho: CPI < 0,85 OU SPI < 0,85 OU riscos críticos > 3
  • Cinza: Projeto em espera ou cancelado

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".

Habilidades Relacionadas