Systematic exploratory data analysis. Activate when a dataset needs profiling — structure check, nulls, outliers, distributions, correlations — before deeper analysis begins.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Structured peer review for analytical work. Use when reviewing teammates' analysis, providing constructive feedback, or establishing analysis quality standards.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Comprehensive data quality assessment against business rules, schema constraints, and freshness expectations. Activate when validating data pipeline outputs before production use, auditing a dataset against defined business rules, or producing a quality scorecard for a data asset.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Track and document analytical assumptions and decisions. Use when making analytical choices, documenting trade-offs, ensuring transparency, or creating audit trails for analytical work.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Create standardized metadata for data assets. Use when documenting new datasets, building data catalogs, improving data discoverability, or creating data dictionaries for teams.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build structured semantic layer documentation for metrics, dimensions, and entities. Activate when you need to define a business metric, document a data model, or create YAML definitions compatible with dbt Semantic Layer or similar frameworks.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Translate SQL queries into plain language business logic. Use when documenting queries, explaining analysis to non-technical stakeholders, code reviewing for correctness, or building a query catalog.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Rigorous A/B test statistical analysis. Use when analyzing experiment results, calculating statistical significance, checking for sample ratio mismatch, or validating test design before launch.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Standard business metric calculation with industry benchmarks. Use when calculating SaaS metrics (MRR, churn, LTV, CAC), e-commerce KPIs, or product analytics metrics with proper definitions.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Conversion funnel analysis with drop-off investigation. Use when analyzing multi-step processes, identifying conversion bottlenecks, comparing segments through a funnel, or optimizing user journeys.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Systematic investigation of metric changes and anomalies. Use when a metric unexpectedly changes, investigating business metric drops, explaining performance variations, or drilling into aggregated metric drivers.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Customer/user segmentation with actionable insights. Use when identifying distinct customer groups, analyzing segment-specific behavior, profiling high-value segments, or testing segmentation hypotheses.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Temporal pattern detection and forecasting. Use when analyzing trends over time, detecting seasonality, identifying anomalies in time series, or building simple forecasting models for planning.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Design specifications for effective dashboards. Use when planning new dashboards, improving existing ones, or documenting dashboard requirements before development starts.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Build compelling data-driven narratives. Use when presenting analysis results, creating stakeholder reports, or transforming a set of findings into a story that drives a specific decision or action.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Create concise executive summaries from detailed analysis. Use when preparing board decks, executive briefings, or condensing complex analysis into decision-ready formats for senior audiences.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Transform data findings into compelling insights. Use when converting analysis results into actionable insights, connecting findings to business impact, or preparing insights for stakeholder communication.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Create effective, publication-ready data visualizations. Use when choosing chart types, designing presentation visuals, building dashboard charts, or applying visual design best practices to data output.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Pre-delivery quality assurance for analysis work. Use when reviewing analysis before sharing with stakeholders, checking for completeness, validating assumptions, or ensuring clarity of recommendations.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Estimate and communicate business impact of insights. Use when sizing opportunities discovered in analysis, calculating ROI of recommended actions, or prioritizing initiatives by potential impact.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Explain analysis methodology to diverse audiences. Use when documenting 'how we did this' sections, building trust through transparency, or teaching analytical approaches to stakeholders.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Structure analysis approach before starting work. Use when receiving new analysis requests, breaking down complex questions into steps, or planning iterative analysis workflows.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Post-analysis learning and process improvement. Use when completing major analysis projects, documenting lessons learned, or improving team analytical practices.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.
Structured, reproducible analysis documentation. Use when documenting analysis findings, creating analysis notebooks, ensuring reproducibility, or building analysis archives for future reference.
한국어 요약은 준비 중입니다. 원문 설명을 표시하고 있습니다.