Data Analysis

social-graph-ranker ist die gewichtete Graph-Ranking-Schicht für die Entdeckung warmer Vorstellungen, Bridge-Scoring und die Analyse von Lücken im Netzwerk über X und LinkedIn hinweg. Verwenden Sie die social-graph-ranker Skill, wenn Sie eine wiederverwendbare Ranking-Engine für Lead Research benötigen, nicht einen vollständigen Outbound- oder Netzwerkpflege-Workflow.

regex-vs-llm-structured-text Skill zur Auswahl von Regex oder LLM bei der Extraktion strukturierter Texte. Starte mit deterministischem Parsen, ergänze LLM-Validierung für grenzwertige Unsicherheitsfälle und nutze eine günstigere, zuverlässigere Pipeline für Dokumente, Formulare, Rechnungen und Datenanalysen.

clickhouse-io ist eine auf ClickHouse spezialisierte Skill für Schemadesign, analytisches SQL, Ingestion-Muster und Performance-Tuning. Nutzen Sie sie, um MergeTree-Entscheidungen, Partitionierung, materialisierte Sichten und die workload-spezifische Abfrageoptimierung gezielt zu steuern.

data-analyst ist ein schlankes GitHub-Skill, das Agents bei SQL, pandas und grundlegender statistischer Analyse für die Datenexploration anleitet. Am besten geeignet für Nutzer, die codegestützte Abfragen, Transformationen und Interpretationen aus einer einzigen SKILL.md-Prompt-Schicht erhalten möchten.

retro ist eine Retro-Skill für Engineering-Teams. Sie analysiert Commit-Verlauf, Arbeitsmuster und frühere Erkenntnisse, um ein strukturiertes wöchentliches Retro mit Kontinuität zu erstellen. Nutze retro für Sprint-Reviews, Fragen wie „Was haben wir geliefert?“ und Check-ins im Project Management.

startup-metrics-framework unterstützt Gründer, Analysten und operative Teams dabei, Startup-KPIs wie CAC, LTV, Burn Multiple, Runway und Wachstumskennzahlen für SaaS-, Marketplace-, Consumer- und B2B-Startups zu berechnen.

Nutze die market-sizing-analysis Skill, um strukturierte TAM-, SAM- und SOM-Schätzungen mit Top-down-, Bottom-up- und Value-Theory-Methoden zu erstellen. Behandelt Einsatzkontext, wichtige Dateien, Eingaben, Workflow und die praktische Nutzung für Startup-Marktgrößenanalysen und Data Analysis.

startup-financial-modeling unterstützt Agents beim Aufbau von 3- bis 5-jährigen Finanzmodellen für Startups – mit Cohort-Umsätzen, Kostenstruktur, Burn, Runway und Fundraising-Szenarien. Besonders geeignet für Gründer:innen und Finance-Verantwortliche, die vor der Installation Kontext, klare Eingaben und praxisnahe Nutzungshinweise aus der SKILL.md brauchen.

risk-metrics-calculation unterstützt bei der Berechnung von Portfoliorisikokennzahlen wie VaR, CVaR, Sharpe, Sortino, Beta, Volatilität und Drawdown. Damit lassen sich Renditereihen in strukturiertes Risikoreporting, Python-Umsetzungsmuster und praxisnahe Interpretationen für Finance-Workflows überführen.

Die Skill backtesting-frameworks unterstützt bei der Konzeption und Prüfung von Backtests für Handelsstrategien mit stärkeren Kontrollen gegen Look-ahead Bias, Survivorship Bias, Overfitting, Transaktionskosten und Walk-forward-Validierung im Finanzbereich.

spark-optimization ist ein praxisnaher Leitfaden, um langsame Apache-Spark-Jobs zu analysieren – mit Fokus auf Partitionierung, Shuffle, Skew, Caching und Speicher-Tuning. Nutzen Sie ihn, um die Skill aus wshobson/agents zu installieren, `SKILL.md` zu lesen und auf Basis von Symptomen in der Spark UI, Cluster-Einstellungen und Query-Mustern fundierte Optimierungen abzuleiten.

Die user-personas Skill erstellt 3 ausgearbeitete Personas auf Basis von Forschungsdaten mit JTBD, Pain Points, Gains und überraschenden Erkenntnissen. Nutze sie für user-personas in UX Research, Segmentierung, Onboarding-Strategien und Produktentscheidungen, wenn dir Umfragen, Interviews oder anderes Ausgangsmaterial vorliegen.

market-sizing hilft dabei, TAM, SAM und SOM mit Top-down- und Bottom-up-Methoden zu schätzen. Nutzen Sie es für Market-Research-Workflows, Marktentry-Entscheidungen, Investor-Decks und Launch-Planung, wenn Sie eine nachvollziehbare Argumentationskette, zu prüfende Annahmen und eine praxistaugliche erste Marktschätzung brauchen.

summarize-interview verwandelt ein Kundeninterview-Transkript in eine strukturierte Discovery-Zusammenfassung mit JTBD, aktueller Lösung, Zufriedenheitssignalen, zentralen Erkenntnissen und nächsten Schritten. Nutze es für Interviewaufnahmen, das Bereinigen von Transkripten und prägnante Zusammenfassungen für Produktteams, Researcher, Gründer oder Data-Analysis-Workflows.

user-segmentation hilft dabei, aus Feedback, Interviews, Tickets, Umfragen und Nutzungsprotokollen klare, verhaltensbasierte Nutzersegmente zu erstellen. Für Data Analysis entwickelt, identifiziert es mindestens 3 umsetzbare Gruppen auf Basis von Jobs-to-be-done, Motivationen und unerfüllten Bedürfnissen statt nur nach Demografie zu segmentieren.

Das sentiment-analysis Skill verwandelt Nutzerfeedback in segmentbezogene Insights, Sentiment-Scores, JTBD und Produktwirkung. Nutze es für sentiment-analysis in der Datenanalyse von Bewertungen, Umfragen, Supportnotizen oder Social Listening, wenn du einen praktischen sentiment-analysis Leitfaden brauchst und keinen generischen Polaritäts-Check.

Die sql-queries-Skill verwandelt Geschäftsfragen und grobe Analyseziele in optimierte SQL-Abfragen für BigQuery, PostgreSQL, MySQL und andere Dialekte. Sie liest Schema-Kontext, klärt Filter und Aggregationen und unterstützt bei sql-queries für Data Analysis, Reporting und Exploration.

Führe cohort-analysis für Nutzerbindung, Engagement-Abnahme und Feature-Adoption nach Kohorte durch. Diese cohort-analysis Skill ist für Data-Analysis-Workflows gedacht, die Validierung, Berechnung, Visualisierung und klare Erkenntnisse aus strukturierten Nutzungsdaten benötigen.

ab-test-analysis hilft dir, A/B-Test-Ergebnisse mit statistischer Sorgfalt zu bewerten – einschließlich Stichprobengrößenprüfung, Konfidenzintervallen, Signifikanztests und Empfehlungen zum Ausrollen, Verlängern oder Stoppen. Nutze es für Experiment-Reviews, die Interpretation von Split-Tests und Entscheidungen in Data-Analysis-Workflows.

huggingface-vision-trainer hilft dir bei der Installation und Nutzung eines Hugging Face Skills für Vision-Trainingsjobs: Objekterkennung, Bildklassifikation und SAM/SAM2-Segmentierung. Abgedeckt werden Dataset-Vorbereitung, Cloud-GPU-Setup, Evaluation, Trackio-Logging und das Hochladen der Ergebnisse zum Hub. Ideal für Backend-Automatisierung und wiederholbare Trainings-Workflows.

huggingface-trackio hilft dabei, ML-Trainingsläufe mit Trackio zu verfolgen. Nutze diese Skill-Guide, um Metriken aus Python zu protokollieren, Trainingsalarme einzurichten und Läufe mit der trackio CLI abzurufen oder zu analysieren. Sie unterstützt Echtzeit-Dashboards, die Synchronisierung mit Hugging Face Spaces und JSON-Ausgabe für Automatisierungen und ist damit für Experiment-Tracking und Datenanalyse nützlich.

Die huggingface-best Skill hilft dir, das beste Modell für eine Aufgabe zu finden, indem sie Hugging Face-Benchmark-Leaderboards prüft und nach Gerätegrenzen sowie Modellgröße filtert. Nutze sie für Modell-Empfehlungen in Coding, Reasoning, Chat, OCR, RAG, Speech, Vision oder multimodalen Workflows, wenn du eine praktische Shortlist statt einer allgemeinen Modellliste brauchst.

hv-analysis ist ein horizontale-vertikale Recherche-Skill, mit dem sich ein Produkt, ein Unternehmen, ein Konzept, eine Technologie oder eine Person in einen strukturierten Analysebericht überführen lässt. Nutze den hv-analysis-Skill für Deep Research, Wettbewerbsvergleiche und ausgabefertige Berichte – besonders dann, wenn du hv-analysis für Datenanalyse oder einen sauber aufbereiteten PDF-Workflow benötigst.

Workspace Data Analyst ist ein schlankes Skill für Datenanalyse in deinem Workspace. Es analysiert CSV-Dateien, prüft Header, fasst Summen, Durchschnittswerte und Ausreißer zusammen und liefert prägnante Hinweise für den nächsten Schritt. Das Workspace Data Analyst Skill eignet sich ideal für schnelle, dateibewusste Prüfungen vor einer tieferen Modellierung.