chief-data-officer-advisor

chief-data-officer-advisor skill の概要

chief-data-officer-advisor の用途

chief-data-officer-advisor は、取り返しのつきにくいデータ意思決定の前に、CDO 的な判断軸を必要とする創業者、スタートアップ経営陣、AI チーム向けの戦略的データリーダーシップ skill です。主に取締役会レベルの 4 つの論点に焦点を当てます。データを AI training に使えるか、会社のフェーズに合うデータアーキテクチャは何か、顧客データをどう評価・プロダクト化すべきか、次に採用すべきデータ人材は誰か、という判断です。

これは SQL、パイプライン、スキーマ、ダッシュボード構築のためのアシスタントではありません。chief-data-officer-advisor skill が最も役立つのは、その判断が法務、組織、資金調達、プロダクト、M&A に影響する場合です。

向いているユーザーと状況

顧客データでモデルを学習してよいか、warehouse から lakehouse へ移行すべきか、時期尚早な data mesh 導入を避けるべきか、顧客データによる moat を定量化すべきか、創業者主導の分析体制が限界を迎えた後にデータ人材をどう採用していくかを検討している場合に、この skill が有効です。

特に、B2B SaaS、AI startups、マーケットプレイス、データリッチなプロダクトに向いています。顧客契約、同意の来歴、データの排他性、プロダクト化リスクが重要になる場面で効果を発揮します。最も相性がよいのは chief-data-officer-advisor for Strategic Planning であり、日々のエンジニアリング実行ではありません。

汎用プロンプトとの違い

汎用プロンプトでも、大まかなデータ戦略の助言は得られるかもしれません。この skill はより意思決定に寄っています。明示的なフレームワーク、フェーズ別の判断基準、再現性のある分析を支える Python scripts を使います。repository には、AI training data rights、data product strategy、customer data as an asset、data team org evolution に関する references に加え、監査、アーキテクチャ選定、評価のための scripts が含まれています。

インストール前に理解しておくべき境界

この skill は戦略上のリスクと意思決定の選択肢を明らかにしますが、法務相談、セキュリティレビュー、データ保護影響評価、技術アーキテクチャ設計の代替にはなりません。AI training data に関するガイダンスは論点発見に特に有用ですが、規制対象データ、PII が多いデータ、パートナーからライセンスされたデータ、スクレイピングデータ、外部共有されるデータについては、法務承認が依然として必要です。

chief-data-officer-advisor skill の使い方

chief-data-officer-advisor のインストール前提

あなたの agent が repositories からの skill installation に対応している場合は、GitHub skill path からインストールします。

npx skills add alirezarezvani/claude-skills --skill chief-data-officer-advisor

upstream skill は次の場所にあります。

c-level-advisor/skills/chief-data-officer-advisor

インストール後は、まず SKILL.md を確認し、そのうえで自分の意思決定に合う reference file を読みます。実務で使う場合は、次を確認してください。

• references/ai_training_data_rights.md
• references/data_product_strategy.md
• references/customer_data_as_asset.md
• references/data_team_org_evolution.md
• scripts/ai_training_data_audit.py
• scripts/data_product_strategy_picker.py
• scripts/data_asset_valuator.py

skill の精度を上げる入力情報

chief-data-officer-advisor の有用性は、会社に関する具体的な事実に左右されます。会社のステージ、該当する場合は ARR、データソース、同意モデル、顧客契約上の制約、データ量、社内のデータ利用者、ML の本番利用状況、意思決定の期限を含めてください。

弱いプロンプト:

“Should we use a lakehouse?”

よりよいプロンプト:

“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.”

戦略計画での推奨ワークフロー

最初に、期待するツール名ではなく、意思決定そのものを明示します。そのうえで、その判断が 4 つの領域のどれに当たるかを skill に分類させます。training data rights、data product strategy、customer-data asset value、org evolution のいずれかです。

AI training に関する問いでは、origin、data_class、use_case を含む JSON 風のデータソース一覧を準備し、回答を scripts/ai_training_data_audit.py と照合します。アーキテクチャに関する問いでは、data_product_strategy_picker.py に対応する会社プロフィールを用意します。M&A や monetization に関する問いでは、corpus profile を準備し、valuation framework に照らして実行します。

実務で使いやすいプロンプト形式

強い chief-data-officer-advisor 向けプロンプトは、次の 5 つで構成します。

1. Context: 会社のステージ、プロダクト種別、顧客、規制への露出。
2. Decision: 実際に下す必要がある具体的な選択。
3. Current state: data stack、チーム、契約、同意、データ量、ML 利用状況。
4. Constraints: 予算、タイムライン、買い手のデューデリジェンス、顧客ごとの除外条件。
5. Output format: 推奨案、リスク、緩和策、実行順序、未解決の質問。

経営陣に提示する場合は “decision memo” 形式を、データソースやアーキテクチャ案を比較する場合は “audit table” 形式を指定するとよいでしょう。

chief-data-officer-advisor skill FAQ

chief-data-officer-advisor は CDO がいる会社だけのものですか？

いいえ。むしろ、会社に CDO がいない段階で価値を発揮することがよくあります。創業者、CTO、プロダクト責任者、AI リードが、時期尚早なアーキテクチャ変更、リスクの高いデータ monetization の主張、順序を誤ったデータ人材採用を避けるのに役立ちます。

この skill を使うべきでないのはどんな時ですか？

ETL code の作成、query の最適化、schema 設計、dbt 設定、具体的な cloud services の選定、pipeline のデバッグには使うべきではありません。特定レイヤーを buy すべきか build すべきかは提案できますが、本番投入可能な技術実装計画を作るものではありません。

通常の戦略プロンプトと比べてどう違いますか？

通常のプロンプトは、「lakehouse を導入する」「data mesh を作る」「data scientists を採用する」といった流行の助言に寄ることがあります。この skill はより制約を重視します。推奨内容を、会社のステージ、データ量、利用者数、ML の成熟度、同意の来歴、契約上の制限、組織としての準備度に結びつけます。

chief-data-officer-advisor skill は初心者にも使いやすいですか？

はい。ビジネス状況を説明できるなら使いやすい skill です。data architect である必要はありませんが、正確な事実を提供する必要があります。データがどこから来たのか、誰が同意したのか、誰が毎週使っているのか、どの意思決定が止まっているのかを答えられない場合、最初の出力は最終提案ではなく discovery として扱うべきです。

chief-data-officer-advisor skill を改善する方法

chief-data-officer-advisor への入力を改善する

結果を素早く改善するには、曖昧な目標を意思決定に必要な証拠へ置き換えます。“Can we train on customer data?” と聞く代わりに、support tickets、product telemetry、uploaded files、call transcripts、partner feeds、synthetic data、scraped data など、各ソースを個別に列挙します。それぞれについて、origin、分かる範囲での consent wording、data class、retention rules、deletion process、intended model use を提示してください。

よくある失敗パターン

最も多い失敗は、重要な制約を隠したまま、自信のある戦略回答を求めることです。顧客データの carve-outs が抜けていると valuation が歪みます。ML の本番利用状況が抜けていると、時期尚早な lakehouse 推奨につながることがあります。同意の来歴が抜けていると、training-data に関する助言が楽観的になりすぎます。会社のステージが抜けていると、採用計画がシニアすぎたり早すぎたりする可能性があります。

推奨案から decision memo へ発展させる

最初の出力の後で、“recommendation,” “assumptions,” “risks,” “mitigations,” “questions for counsel or board” を分けるよう依頼します。これにより、助言的な回答が経営向けの成果物に変わります。重要度の高い意思決定では、red-team pass も依頼してください。“What would make this recommendation wrong?” と問いかけます。

ローカル文脈で skill を拡張する

よりよい chief-data-officer-advisor の結果を得るには、会社固有のテンプレートを追加します。承認済みの consent language、data processing agreements、architecture standards、cloud constraints、security review requirements、board memo format などです。これらは core framework を変更するのではなく local context として保持してください。そうすることで、skill の再利用性を保ちながら、出力を自社の運用実態に合わせられます。