mcpField
S
sql-to-business-logic

sql-to-business-logic

github.com/nimrodfisher数据与数据库504224 次安装5 周前更新
代码仓库

关于 sql-to-business-logic

用于将 SQL 查询转述为业务语言的数据分析技能。它结合结构解析、表结构说明和业务背景,记录查询逻辑、输出含义及待确认问题。

主要功能

  1. 01以通俗语言说明查询结构
  2. 02将筛选条件转为业务规则
  3. 03解释聚合计算和输出列
  4. 04检查潜在问题并提出验证问题
  5. 05提供 SQL 解析脚本和文档模板

适用场景

  1. 01向非技术相关方解释查询
  2. 02记录 SQL 库或 dbt 模型
  3. 03对照业务需求审查查询逻辑
  4. 04为重构准备未文档化的 SQL

安装

复制下面的命令,在终端中运行。

$npx skills add https://github.com/nimrodfisher/data-analytics-skills --skill sql-to-business-logic

安装后在 Claude Code 中输入/sql-to-business-logic确认已加载。

包含的文件

除 SKILL.md 外,安装时一起下载的参考资料和脚本。

assets/
query_documentation_template.md
references/
sql_pattern_library.md
scripts/
sql_explainer.py

详细介绍

SQL 转业务逻辑翻译器

使用场景

  • 利益相关者询问“这条查询具体计算的是什么?”
  • 为非技术读者编写查询库或 dbt 模型的文档
  • 将查询逻辑与业务需求进行对比,检查查询是否正确
  • 帮助新分析师熟悉现有 SQL 模式
  • 在重构之前翻译缺少文档的旧查询

流程

  1. 获取查询和上下文——取得 SQL 和它要回答的业务问题。同时收集架构说明(关键表和列在业务层面代表什么)。
  2. 翻译 FROM/JOIN 结构——用通俗语言说明组合了哪些数据源以及使用了哪种连接类型(内连接只保留匹配项;左连接保留左侧的所有行)。指出连接类型是否似乎与所述用途不一致。
  3. 翻译 WHERE 筛选条件——将每个筛选条件列为通俗易懂的业务规则(例如,status = 'completed' →“仅包含已付款并已履约的订单”)。
  4. 解释 GROUP BY 和聚合——说明每种聚合的计算内容和计算粒度。使用 scripts/sql_explainer.py 自动完成第一轮结构解析。
  5. 总结输出列——说明每个输出列的业务含义和任何边界情况(空值、舍入、货币单位)。
  6. 标记问题并编写验证问题——识别潜在问题(空值的隐式传播、意外扩增行数、硬编码日期)。生成 3–5 个需要查询作者确认的问题。使用 assets/query_documentation_template.md 记录完整翻译。

此技能所需的输入

  • 完整的 SQL 查询(从 SELECT 到 ORDER BY)
  • 查询旨在回答的业务问题
  • 表和列的说明(或数据目录条目)
  • 关键状态值、日期处理或货币相关的任何业务规则
  • 预期输出:谁会阅读结果,以及用于什么决策

输出

  • scripts/sql_explainer.py——解析 SQL 查询并生成结构化的通俗说明
  • assets/query_documentation_template.md——填写完整翻译,涵盖用途、分步逻辑、输出列、业务规则和验证问题
  • 可选:查询逻辑的流程图表示

评论

支持 Markdown