chief-data-officer-advisor
von alirezarezvanichief-data-officer-advisor ist eine strategische CDO-Skill für Datenentscheidungen in Startups: Rechte an AI training data, warehouse vs lakehouse vs mesh-Strategie, Bewertung von Kundendaten-Assets, M&A readiness und Aufbau des Datenteams. Enthält Referenzen und Python-Tools zur Entscheidungsunterstützung, nicht für taktisches Data Engineering.
Diese Skill erreicht 84/100 Punkte und ist damit ein solider Kandidat für Directory-Nutzer, die strategische Entscheidungshilfe für die Chief-Data-Officer-Rolle suchen statt generisches Prompting. Die Repository-Evidenz zeigt klare Trigger, fokussierte Entscheidungsframeworks und ausführbare Hilfsskripte. Die Einführung wäre jedoch einfacher mit einem README bzw. Installations-Quickstart und mehr durchgängigen End-to-End-Beispielen.
- Sehr gut auslösbares Frontmatter: Es nennt konkrete Anwendungsfälle wie AI training data rights, lakehouse vs mesh, data asset valuation, M&A readiness und data hiring decisions und schließt taktisches Data Engineering aus.
- Umfangreiche operative Inhalte, strukturiert um vier strategische CDO-Entscheidungen, mit eigenen Referenzen zu training-data rights, data product strategy, customer data valuation und data team evolution.
- Enthält drei stdlib Python-Tools mit dokumentierten JSON-Schemas und Beispielnutzung für training-data audits, architecture selection und data asset valuation.
- Es gibt keinen Installationsbefehl und kein README; Nutzer müssen die Installation daher aus dem Repository-Pfad ableiten, statt einem paketierten Quick Start zu folgen.
- Der Workflow zu Rechten an AI training data weist ausdrücklich darauf hin, dass er keine Rechtsberatung darstellt. Er soll Themen für die Rechtsberatung sichtbar machen, nicht die juristische Prüfung ersetzen.
Überblick über den chief-data-officer-advisor Skill
Wofür chief-data-officer-advisor gedacht ist
chief-data-officer-advisor ist ein Skill für strategische Datenführung, gedacht für Gründer, Startup-Führungskräfte und AI-Teams, die CDO-ähnliche Einschätzungen benötigen, bevor sie schwer umkehrbare Datenentscheidungen treffen. Im Mittelpunkt stehen vier Fragen auf Board-Ebene: ob Daten für AI-Training genutzt werden dürfen, welche Datenarchitektur zur Unternehmensphase passt, wie Kundendaten bewertet oder als Produkt genutzt werden sollten und welche Datenrolle als Nächstes eingestellt werden sollte.
Dies ist kein Assistent für SQL, Pipelines, Schemas oder Dashboard-Bau. Der chief-data-officer-advisor Skill eignet sich am besten, wenn eine Entscheidung rechtliche, organisatorische, Fundraising-, Produkt- oder M&A-Auswirkungen hat.
Für wen und welche Situationen der Skill am besten passt
Nutzen Sie diesen Skill, wenn Sie entscheiden müssen, ob Modelle mit Kundendaten trainiert werden sollen, ob ein Wechsel vom Warehouse zum Lakehouse sinnvoll ist, ob eine zu frühe Data-Mesh-Einführung vermieden werden sollte, wie ein Kundendaten-Moat quantifiziert werden kann oder wie Datenrollen aufgebaut werden sollten, nachdem founder-led Analytics nicht mehr skaliert.
Besonders nützlich ist er für B2B SaaS, AI-Startups, Marktplätze und datenreiche Produkte, bei denen Kundenverträge, Einwilligungsherkunft, Datenexklusivität und Risiken der Produktisierung relevant sind. Am stärksten passt chief-data-officer-advisor for Strategic Planning, nicht die tägliche Engineering-Umsetzung.
Was ihn von einem generischen Prompt unterscheidet
Ein generischer Prompt liefert möglicherweise allgemeine Ratschläge zur Datenstrategie. Dieser Skill ist stärker entscheidungsorientiert: Er nutzt explizite Frameworks, phasenabhängige Schwellenwerte und unterstützende Python-Skripte für wiederholbare Analysen. Das Repository enthält Referenzen zu Rechten an AI-Trainingsdaten, Datenproduktstrategie, Kundendaten als Asset und organisatorischer Entwicklung von Datenteams sowie Skripte für Audits, Architekturauswahl und Bewertung.
Wichtige Grenzen vor der Installation
Der Skill macht strategische Risiken und Entscheidungsoptionen sichtbar; er ersetzt keine Rechtsberatung, Sicherheitsprüfung, Datenschutz-Folgenabschätzung oder technische Architekturplanung. Die Hinweise zu AI-Trainingsdaten sind besonders hilfreich, um potenzielle Problemfelder zu erkennen. Für regulierte, PII-lastige, partnerlizenzierte, gescrapte oder extern geteilte Daten ist dennoch eine rechtliche Freigabe erforderlich.
So verwenden Sie den chief-data-officer-advisor Skill
Installationskontext für chief-data-officer-advisor
Installieren Sie den Skill aus dem GitHub-Skill-Pfad, sofern Ihr Agent Skill-Installationen aus Repositories unterstützt:
npx skills add alirezarezvani/claude-skills --skill chief-data-officer-advisor
Der Upstream-Skill liegt unter:
c-level-advisor/skills/chief-data-officer-advisor
Nach der Installation sollten Sie zuerst SKILL.md prüfen und anschließend die Referenzdatei lesen, die zu Ihrer Entscheidung passt. Für praktische Durchläufe sollten Sie insbesondere diese Dateien ansehen:
references/ai_training_data_rights.mdreferences/data_product_strategy.mdreferences/customer_data_as_asset.mdreferences/data_team_org_evolution.mdscripts/ai_training_data_audit.pyscripts/data_product_strategy_picker.pyscripts/data_asset_valuator.py
Eingaben, die den Skill wirklich nützlich machen
Die Qualität der chief-data-officer-advisor Nutzung hängt stark von konkreten Unternehmensfakten ab. Geben Sie Unternehmensphase, ARR falls relevant, Datenquellen, Einwilligungsmodell, Einschränkungen aus Kundenverträgen, Datenvolumen, interne Datennutzer, ML-Produktionsstatus und Entscheidungsfrist an.
Schwacher Prompt:
“Should we use a lakehouse?”
Besserer Prompt:
“Use chief-data-officer-advisor to decide our data architecture. We are Series A B2B SaaS, 55 employees, 3-person data team, 8 weekly data consumer groups, 4.5TB product and event data, one churn model in production, Snowflake today, S3 logs unused, board wants self-serve BI and ML feature reliability within 12 months. Recommend warehouse vs lakehouse vs mesh, build-vs-buy by layer, kill criteria, and a sequencing plan.”
Empfohlener Workflow für strategische Planung
Beginnen Sie mit der Entscheidung, nicht mit dem Tool, das Sie erwarten. Bitten Sie den Skill, die Entscheidung einem seiner vier Bereiche zuzuordnen: Rechte an Trainingsdaten, Datenproduktstrategie, Kundendatenwert als Asset oder Organisationsentwicklung.
Für Fragen zu AI-Training bereiten Sie eine JSON-ähnliche Liste von Datenquellen mit origin, data_class und use_case vor und vergleichen die Antwort anschließend mit scripts/ai_training_data_audit.py. Für Architekturfragen erstellen Sie ein Unternehmensprofil, das mit data_product_strategy_picker.py kompatibel ist. Für M&A- oder Monetarisierungsfragen bereiten Sie ein Korpusprofil vor und prüfen es gegen das Bewertungsframework.
Praktisches Prompt-Muster
Ein guter chief-data-officer-advisor Guide-Prompt besteht aus fünf Teilen:
- Kontext: Unternehmensphase, Produkttyp, Kunden, regulatorische Exponierung.
- Entscheidung: die genaue Wahl, die getroffen werden muss.
- Aktueller Stand: Datenstack, Team, Verträge, Einwilligung, Volumen, ML-Nutzung.
- Rahmenbedingungen: Budget, Zeitplan, Käufer-Diligence, kundenspezifische Ausnahmen.
- Ausgabeformat: Empfehlung, Risiken, Gegenmaßnahmen, Sequenzierung, offene Fragen.
Fordern Sie eine Ausgabe als „decision memo“ an, wenn Sie Führungskräften präsentieren, und eine „audit table“, wenn Sie Datenquellen oder Architekturoptionen vergleichen.
chief-data-officer-advisor Skill FAQ
Ist chief-data-officer-advisor nur für Unternehmen mit CDO gedacht?
Nein. Der Skill ist oft besonders wertvoll, bevor ein Unternehmen einen CDO hat. Er hilft Gründern, CTOs, Produktverantwortlichen und AI-Leads, verfrühte Architekturentscheidungen, riskante Aussagen zur Datenmonetarisierung oder falsch sequenzierte Dateneinstellungen zu vermeiden.
Wann sollte ich diesen Skill nicht verwenden?
Nutzen Sie ihn nicht zum Schreiben von ETL-Code, Optimieren von Queries, Entwerfen von Schemas, Konfigurieren von dbt, Auswählen konkreter Cloud-Services oder Debuggen von Pipelines. Er kann empfehlen, ob eine Schicht gekauft oder selbst gebaut werden sollte, liefert aber keinen produktionsreifen technischen Implementierungsplan.
Wie schneidet er im Vergleich zu gewöhnlichem Strategie-Prompting ab?
Gewöhnliche Prompts spiegeln häufig gerade populäre Ratschläge wider: „adopt a lakehouse“, „build a data mesh“ oder „hire data scientists“. Dieser Skill ist stärker eingegrenzt. Er knüpft Empfehlungen an Unternehmensphase, Datenvolumen, Anzahl der Datennutzer, ML-Reife, Herkunft der Einwilligung, vertragliche Einschränkungen und organisatorische Bereitschaft.
Ist der chief-data-officer-advisor Skill einsteigerfreundlich?
Ja, sofern die Nutzerin oder der Nutzer die Geschäftssituation beschreiben kann. Sie müssen kein Datenarchitekt sein, aber Sie müssen korrekte Fakten liefern. Wenn Sie nicht beantworten können, woher die Daten stammen, wer eingewilligt hat, wer sie wöchentlich nutzt oder welche Entscheidung blockiert ist, sollte die erste Ausgabe als Discovery betrachtet werden, nicht als finale Empfehlung.
So verbessern Sie den chief-data-officer-advisor Skill
Eingaben für chief-data-officer-advisor verbessern
Der schnellste Weg zu besseren Ergebnissen ist, vage Ziele durch Entscheidungsbelege zu ersetzen. Statt „Can we train on customer data?“ listen Sie jede Quelle separat auf: Support-Tickets, Produkttelemetrie, hochgeladene Dateien, Call-Transkripte, Partner-Feeds, synthetische Daten und gescrapte Daten. Geben Sie für jede Quelle Herkunft, bekannten Einwilligungstext, Datenklasse, Aufbewahrungsregeln, Löschprozess und geplante Modellnutzung an.
Häufige Fehlerquellen, auf die Sie achten sollten
Der häufigste Fehler ist, eine überzeugende strategische Antwort zu verlangen, während zentrale Einschränkungen fehlen. Fehlende kundenspezifische Datenausnahmen können die Bewertung verzerren. Fehlende Informationen zum ML-Produktionsstatus können zu verfrühten Lakehouse-Empfehlungen führen. Fehlende Angaben zur Einwilligungsherkunft können Trainingsdaten-Ratschläge zu optimistisch machen. Eine fehlende Unternehmensphase kann einen Einstellungsplan hervorbringen, der zu senior oder zu früh angesetzt ist.
Von der Empfehlung zum Decision Memo iterieren
Bitten Sie den Skill nach der ersten Ausgabe, „recommendation“, „assumptions“, „risks“, „mitigations“ und „questions for counsel or board“ zu trennen. So wird aus einer beratenden Antwort ein Executive-Artefakt. Bei Entscheidungen mit hoher Tragweite sollten Sie außerdem einen Red-Team-Durchlauf anfordern: „What would make this recommendation wrong?“
Den Skill um lokalen Kontext erweitern
Für bessere chief-data-officer-advisor Ergebnisse ergänzen Sie unternehmensspezifische Vorlagen: freigegebene Einwilligungstexte, Data Processing Agreements, Architekturstandards, Cloud-Einschränkungen, Anforderungen an Security Reviews und Board-Memo-Formate. Halten Sie diese Informationen als lokalen Kontext vor, statt das Kernframework zu verändern. So bleibt der Skill wiederverwendbar, während seine Ausgaben Ihre operative Realität abbilden.