finance-ops

前文（スキル開始時に実行）

# Version check (silent if up to date)
python3 telemetry/version_check.py 2>/dev/null || true

# Telemetry opt-in (first run only, then remembers your choice)
python3 telemetry/telemetry_init.py 2>/dev/null || true

プライバシー： このスキルは使用状況をローカルの ~/.ai-marketing-skills/analytics/ に記録します。リモートへのテレメトリーはオプトインの場合のみ有効です。コード、ファイルパス、リポジトリの内容が収集されることはありません。telemetry/README.md をご覧ください。

---

AI Finance Ops

ツールは2つです：CFO ブリーフィング生成ツールとコードベースコスト見積もりツール。

---

ツール1：CFO ブリーフィング生成ツール

QuickBooks のエクスポートデータから、経営幹部向けの財務サマリーを生成します。

ワークフロー

1. ファイルを取り込む

QuickBooks のエクスポートファイル（CSV、XLSX、XLS）を作業ディレクトリに配置します。対応しているレポート形式は以下のとおりです（任意の組み合わせで使用できます。損益計算書のみでも十分です）。

• 損益計算書サマリー — 売上高、売上原価、費用、純利益（最重要）
• 顧客別損益計算書 — クライアント別の売上内訳
• 損益計算書の詳細 — 取引レベルの詳細（XLSX）
• 貸借対照表 — 資産、負債、純資産
• 総勘定元帳 — すべての勘定科目の取引
• 仕入先別費用 — 仕入先別の費用内訳
• 仕入先別取引一覧 — 仕入先ごとの詳細な取引
• 請求書の支払い — 買掛金の支払い履歴
• キャッシュフロー計算書 — 営業・投資・財務キャッシュフロー（XLSX）
• 勘定科目一覧 — 勘定科目表

2. 分析を実行する

python3 scripts/cfo-analyzer.py --input ./data/uploads/ [--period YYYY-MM]

オプション：

• --input DIR — QB エクスポートデータがあるディレクトリ
• --period YYYY-MM — 期間ラベルを上書きします（デフォルト：ファイルから自動検出）
• --history DIR — 前月比（MoM）の比較に使用する履歴ディレクトリ（デフォルト：./data/history/）
• --no-history — 履歴への保存をスキップします

スクリプトの処理：

1. ヘッダーをスキャンしてファイル形式を自動検出します
2. 各ファイルを構造化データに解析します
3. すべての KPI を計算します（定義と健全な範囲については references/metrics-guide.md を参照してください）
4. 前月比（MoM）の比較用に、履歴から前期間のデータを読み込みます
5. 現在の期間のデータを履歴に保存します
6. 書式設定された経営幹部向けサマリーを標準出力に出力します

3. シナリオをモデル化する（任意）

CFO 分析の実行後、ベース・強気・弱気のシナリオをモデル化します。

python3 scripts/scenario-modeler.py --input ./data/financial-latest.json

以下の12か月予測を生成します。

• 基本ケース — 現在の傾向が継続
• 強気ケース — 成長目標を達成（新製品の売上高＋新規クライアント）
• 弱気ケース — 上位クライアントを失う

4. サマリーを提供する

スクリプトは、絵文字のステータス表示（🟢🟡🔴）を含む書式設定済みのブリーフィングを出力します。Slack、メール、その他あらゆるメッセージングサービスで使用できます。

ファイル形式の詳細

想定される CSV/XLSX の列形式と検出ヒューリスティックについては、references/quickbooks-formats.md を参照してください。

指標のしきい値

健全な範囲、赤・黄・緑のしきい値、ベンチマークの背景情報については、references/metrics-guide.md を参照してください。事業の規模と種類に合わせてしきい値を調整してください。

---

ツール2：コードベースコスト見積もりツール

コードベースの開発コスト全体を見積もります。

ワークフロー

ステップ1：コードベースを分析する

コードベース全体を読み込みます。言語・種類別のコード行数、アーキテクチャの複雑さ、高度な機能、テストカバレッジ、ドキュメントの品質を整理します。

ステップ2：開発時間を算出する

references/rates.md の生産性レートを適用します。コードの種類ごとの基本時間を算出した後、アーキテクチャ、デバッグ、レビュー、ドキュメント、統合、学習曲線に関するオーバーヘッド倍率を適用します。

ステップ3：市場レートを調査する

ウェブ検索を使って、関連する専門分野の最新の時間単価を調べます。プロジェクトの技術スタックについて、低・中央値・高のレート表を作成します。

ステップ4：組織のオーバーヘッドを算出する

references/org-overhead.md の効率係数を使って、開発時間を暦上の期間に換算します（個人からエンタープライズまで、企業の種類別に見積もりを提示します）。

ステップ5：チーム全体のコストを算出する

references/team-cost.md のサポート役割比率とチーム倍率を適用します。役割ごとの内訳に加え、すべての企業段階のサマリーを提示します。

ステップ6：コスト見積もりを作成する

references/output-template.md のテンプレートを使って、見積もり全体を出力します。コードベースの指標、開発時間、暦上の期間、市場レート、エンジニアリングコスト、チーム全体のコスト、総額のサマリー、前提条件をすべて含めます。

ステップ 7：AI の ROI 分析（任意）

AI の支援を受けてコードベースが構築された場合は、references/claude-roi.md を使って AI の稼働時間あたりの価値を算出します。Git 履歴のクラスタリングで実稼働時間を特定し、人間の開発者と比較した速度倍率を算出して、コスト削減額と ROI を計算します。

主な原則

• ステークホルダーに適した、プロフェッショナルな形式で提示します
• 信頼度（低／中／高）と主な前提条件を記載します
• コストを押し上げる、複雑度が最も高い領域を強調します
• 単一の数値ではなく、必ず範囲（低／平均／高）を示します
• 古いデータは使わず、最新の市場単価を検索します