mcpField
A
analysis-artifacts

analysis-artifacts

github.com/warpdotdevデータ・データベース822143 回インストール28 週間前に更新
リポジトリ

analysis-artifacts について

analysis-artifactsは、特にBigQueryでの探索的なクエリを伴う詳細分析を計画・記録するスキルです。クエリや可視化を含む、再現・共有可能なドキュメントに分析結果をまとめます。

主な機能

  1. 01分析ディレクトリとREADMEの作成
  2. 02分析計画の作成と承認
  3. 03比較コホートの明確な定義
  4. 04重要なBigQueryクエリの保存
  5. 05チャート、画像、CSV成果物の作成
  6. 06参照付きの分析結果の要約

活用シーン

  1. 01複数の論点を含む分析の記録
  2. 02交絡要因を考慮したユーザー群の比較
  3. 03重要な知見を支えるBigQueryクエリの保存
  4. 04再現可能な可視化を使った分析結果の共有

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/warpdotdev/oz-skills --skill analysis-artifacts

インストール後、Claude Code で/analysis-artifactsを入力して読み込まれたか確認します。

詳細

分析アーティファクト

使用する場面

  • 答えが明白ではない質問について、「詳細な分析」や「分析」を依頼された場合
  • BigQuery で探索的なクエリを実行する必要がある場合
  • 一度限りの回答ではなく、再現可能で共有できる出力が求められる場合

ワークフロー

1. 分析ディレクトリのひな形を作成する

各分析の開始時に、必ず次の作業を行います。

  • analyses フォルダーに新しいディレクトリを作成し、既存の命名規則に従って名前を付けます
  • サブディレクトリ /assets/queries と /assets/visualizations を作成します
  • 新しいディレクトリのルートに README.md を作成します。これは分析内容を読みやすくまとめるメインドキュメントです
2. 分析を計画する

ユーザーから依頼されたかどうかにかかわらず、開始前に必ず計画を作成します。計画の各ステップは、重要と判断した論理的な小問または領域に対応させてください。計画を提示し、承認を得てから先に進みます。

3. README を設定する

計画が承認されたら、次の作業を行います。

  • README の冒頭にタイトル、作成者、日付を記載します

  • 分析の質問と、調査する小項目をまとめた 問題の定義 セクションを追加します

  • コホートの定義 セクションを追加します。比較対象となるグループを非常に明確に定義してください。2 つのグループ（例：無料と有料、新規と既存、マイルストーンの前と後）を比較する場合は、交絡因子を制御できるようにコホートを定義します。次の点を検討してください。

    • 登録／アクティベーションの時期（製品に合わせて定義します。例：初回ログイン、最初の意味のあるアクション）。これはユーザーの利用期間に関係します
    • プランの種類またはサブスクリプションの階層（例：無料と有料）
    • コホート間で観測期間の長さを揃えること
    • 分析の質問に関連する、製品固有の利用傾向指標

    定義したら、分析全体のすべてのクエリでそのコホート定義を守ってください。

4. 作業を進めながらアーティファクトを作成する

分析の重要なステップごとに、次の作業を行います。

  • SQL クエリアーティファクト：可視化、要約、または重要なインサイトに使用する BigQuery クエリは、目的を説明するコメントブロックを付け、わかりやすい名前の .sql ファイルとして /assets/queries/ に保存します。結果に納得してからファイルを作成してください。些細なクエリや一度限りの参照クエリは対象外です。
  • 可視化または表のアーティファクト：重要なインサイトごとに、グラフと表のどちらが適切かを判断します。可視化を優先してください。可視化する場合は、生成用の Python スクリプトを作成し、スクリプトと出力画像の両方を、わかりやすい名前で /assets/visualizations/ に保存します。表にする場合は、.csv ファイルとして /assets/visualizations/ に保存します。
5. アーティファクトを上書きする

分析の一部をやり直す必要がある場合（手法の修正やユーザーからのフィードバックによる場合など）、関連するアーティファクトをすべて上書きします。

  • .sql クエリファイルを置き換えます
  • 可視化スクリプトを置き換え、画像を再生成します
  • .csv 表ファイルを置き換えます

この作業を行った場合は、変更内容をユーザーに伝えてください。

6. 分析をまとめる

計画の最後に達したとき、またはユーザーから依頼されたときに、README を完成させます。

  • 各ステップと小問を、論理的なドキュメントのセクションにまとめます
  • 簡潔にまとめ、不要な冗長さを避けます
  • 適切な箇所に /assets/visualizations/ の保存済み可視化画像を埋め込みます
  • /assets/visualizations/ の .csv ファイルから Markdown の表を作成します
  • 各セクションに、関連するクエリファイルへの小さな参照ハイパーリンクを含めます
  • 問題の定義の後、コホートの定義の前に TL;DR セクションを追加します
  • 最後に 主なポイント セクションを追加します

例

analyses/
└── 2024-01-user-retention/
    ├── README.md
    └── assets/
        ├── queries/
        │   ├── cohort_retention_by_week.sql
        │   └── retention_by_plan_type.sql
        └── visualizations/
            ├── retention_curve.py
            ├── retention_curve.png
            └── plan_type_summary.csv

コメント

Markdown 対応