Data Analysis

social-graph-ranker es la capa de ponderación y ranking de grafos para descubrir introducciones en caliente, puntuar puentes y analizar huecos de red en X y LinkedIn. Usa la skill social-graph-ranker cuando necesites un motor de ranking reutilizable para Lead Research, no un flujo completo de outreach ni de mantenimiento de red.

Skill regex-vs-llm-structured-text para elegir entre regex o un LLM en la extracción de texto estructurado. Empieza con un parsing determinista, añade validación con LLM para casos límite de baja confianza y usa un pipeline más económico y fiable para documentos, formularios, facturas y análisis de datos.

clickhouse-io es una skill centrada en ClickHouse para diseño de esquemas, SQL analítico, patrones de ingesta y ajuste de rendimiento. Úsala para orientar decisiones sobre MergeTree, particionado, vistas materializadas y optimización de consultas según la carga de trabajo.

data-analyst es una skill mínima de GitHub que orienta a los agentes hacia SQL, pandas y análisis estadístico básico para explorar datos. Encaja mejor para quienes buscan consultas, transformaciones e interpretaciones respaldadas por código desde una sola capa de prompt en SKILL.md.

retro es una skill de retrospectivas de proyecto para equipos de ingeniería. Analiza el historial de commits, los patrones de trabajo y aprendizajes previos para generar una retro semanal estructurada con continuidad. Usa retro para sprint reviews, preguntas de qué entregamos y reuniones de seguimiento de Project Management.

xlsx es una skill de Claude para flujos de trabajo con hojas de cálculo: crear, editar, analizar, formatear y recalcular archivos .xlsx, .xlsm, .csv y .tsv. Pone el foco en evitar errores de fórmula, conservar las plantillas existentes del libro, respetar convenciones de formato de modelos financieros y recalcular con LibreOffice mediante recalc.py.

textrazor-automation es una habilidad de Claude para automatizar tareas de Textrazor mediante Composio Rube MCP, con descubrimiento de herramientas, comprobaciones de conexión y ejecución basada en esquemas.

rosette-text-analytics-automation ayuda a los agentes a ejecutar Rosette Text Analytics mediante Composio Rube MCP: comprueba conexiones, descubre esquemas de herramientas en vivo con RUBE_SEARCH_TOOLS y ejecuta flujos de análisis de texto.

microsoft_clarity-automation ayuda a los agentes a usar Microsoft Clarity mediante Composio Rube MCP para grabaciones de sesiones, mapas de calor y analítica de comportamiento. Prioriza RUBE_SEARCH_TOOLS como primer paso, la configuración de una conexión activa con Clarity y el uso consciente de los esquemas.

googlebigquery-automation ayuda a los agentes a usar Rube MCP y Metabase para acceder a datos de BigQuery, verificar conexiones, revisar metadatos y ejecutar análisis con SQL nativo o MBQL sin tener que adivinar esquemas.

eodhd-apis-automation ayuda a los agentes a automatizar flujos de trabajo de EODHD API mediante Composio Rube MCP, empezando por el descubrimiento de herramientas, con comprobaciones de conexión y ejecución consciente del esquema.

college-football-data-automation ayuda a los agentes a automatizar tareas de College Football Data mediante Rube MCP y Composio. Aprende los requisitos de configuración, el descubrimiento de herramientas con `RUBE_SEARCH_TOOLS`, las comprobaciones de conexión y patrones prácticos de uso.

startup-metrics-framework ayuda a founders, analistas y equipos operativos a calcular KPIs de startups como CAC, LTV, burn multiple, runway y métricas de crecimiento para startups SaaS, marketplace, consumer y B2B.

Usa la skill market-sizing-analysis para elaborar estimaciones estructuradas de TAM, SAM y SOM con métodos top-down, bottom-up y value-theory. Incluye contexto de instalación, archivos clave, entradas, flujo de trabajo y uso práctico para market sizing de startups y Data Analysis.

startup-financial-modeling ayuda a los agentes a crear modelos financieros de startups a 3-5 años con ingresos por cohortes, estructura de costes, burn, runway y escenarios de financiación. Es una buena opción para founders y responsables de finanzas que necesitan contexto antes de instalar, inputs claros y orientación práctica de uso a partir del SKILL.md de la skill.

risk-metrics-calculation ayuda a calcular métricas de riesgo de cartera como VaR, CVaR, Sharpe, Sortino, beta, volatilidad y drawdown. Úsalo para convertir series de rentabilidad en informes de riesgo estructurados, patrones de implementación en Python e interpretación práctica para flujos de trabajo financieros.

La skill backtesting-frameworks ayuda a diseñar y revisar backtests de estrategias de trading con controles más sólidos frente al look-ahead bias, survivorship bias, overfitting, costes de transacción y validación walk-forward en Finanzas.

spark-optimization es una guía práctica para diagnosticar trabajos lentos de Apache Spark mediante particionado, shuffle, skew, caché y ajuste de memoria. Úsala para instalar la skill desde wshobson/agents, revisar SKILL.md y aplicar correcciones basadas en evidencia a partir de síntomas en Spark UI, configuración del clúster y patrones de consulta.

product-analytics ayuda a los agentes a definir KPIs, elegir frameworks como AARRR, North Star o HEART, diseñar dashboards y analizar retención, cohortes, funnels y adopción de funciones en flujos de gestión de producto.

experiment-designer ayuda a equipos de Product Management a diseñar A/B tests y experimentos de funcionalidades con hipótesis comprobables, métricas, planificación de tamaño de muestra, priorización ICE, reglas de detención e interpretación de resultados.

senior-data-scientist es una skill de Claude para diseño de pruebas A/B, razonamiento causal, feature engineering y evaluación de ML tabular. Úsala para orientar el cálculo del tamaño de muestra, la elección de métricas, revisiones de leakage, análisis con SHAP y seguimiento al estilo MLflow; los scripts son plantillas de andamiaje, no motores completos.

channel-economics ayuda a líderes de RevOps y áreas comerciales a comparar canales directos, de partners, marketplace, reseller u OEM con cost-to-serve completo, análisis de ROI y recomendaciones de mezcla de canales con restricciones. Incluye scripts de Python, plantillas de datos y orientación para usar channel-economics.

torchdrug es un toolkit nativo de PyTorch para machine learning molecular y de proteínas. Usa la skill de torchdrug para elegir tareas, datasets y modelos modulares para redes neuronales de grafos, modelado de proteínas, razonamiento sobre grafos de conocimiento, generación molecular y retrosíntesis. Es la mejor opción para desarrollar modelos a medida y trabajar con configuraciones reproducibles, no solo para demos cerradas.

Guía de torch-geometric para redes neuronales gráficas con PyTorch Geometric. Úsala para ayuda de instalación de torch-geometric, uso de torch-geometric, clasificación de grafos, clasificación de nodos, predicción de enlaces, grafos heterogéneos, capas `MessagePassing` personalizadas y escalado de GNN en flujos de trabajo de Machine Learning.