Workspace Data Analyst

Workspace Data Analyst 스킬 개요

Workspace Data Analyst가 하는 일

Workspace Data Analyst는 워크스페이스 안에 이미 있는 CSV 파일을 분석해 간결한 비즈니스 인사이트로 정리하는 데 특화된 스킬입니다. 이 Workspace Data Analyst 스킬은 빠른 데이터셋 1차 점검에 특히 유용합니다. 헤더를 확인하고, 예상한 컬럼이 맞는지 검증하고, 합계와 평균을 집계하고, 전체 분석 스택 없이도 눈에 띄는 이상치를 짚어냅니다.

누가 사용하면 좋은가

고객, 매출, 운영 관련 CSV를 가볍고 파일 인식이 되는 방식으로 분석하고 싶다면 Data Analysis 용도로 Workspace Data Analyst를 사용하세요. 분석가, 창업자, 운영 담당자처럼 본격적인 모델링, 대시보드 작업, 스프레드시트 작업에 들어가기 전에 파일을 먼저 실용적으로 훑어보고 싶은 사람에게 잘 맞습니다.

무엇이 다른가

핵심 가치는 “이 CSV를 분석해줘” 같은 일반적인 프롬프트가 아니라 워크플로우에 있습니다. 이 스킬에는 예시 파일과 스키마 참조가 함께 포함되어 있어, 에이전트가 기대되는 컬럼과 출력 구조를 더 빨리 추론할 수 있습니다. 덕분에 준비 시간이 줄고, 반복 가능한 워크스페이스 기반 검토가 목적일 때 Workspace Data Analyst 설치를 더 신뢰하기 쉬워집니다.

Workspace Data Analyst 스킬 사용 방법

설치하고 워크스페이스에 연결하기

VoltAgent 워크스페이스 컨텍스트에서 제공하는 Workspace Data Analyst 설치 흐름을 사용하면 스킬이 로컬 파일을 직접 읽을 수 있습니다. 설치 후에는 분석할 CSV가 같은 워크스페이스 안에 있는지 확인하고, 샘플 데이터를 실수로 분석하지 않도록 파일 이름도 충분히 구체적으로 지정하세요.

스킬에 올바른 입력 주기

Workspace Data Analyst 사용 패턴은 구체적인 파일 경로와 짧은 분석 목표가 있을 때 가장 잘 작동합니다. 좋은 입력 예시는 다음과 같습니다. “exports/q2_mrr.csv를 분석하고, 스키마가 references/schema.md와 일치하는지 확인한 다음, 합계와 평균, mrr 기준 상위 이상치 3개를 요약해줘.” 이처럼 쓰는 편이 “내 CSV를 분석해줘”보다 훨씬 낫습니다. 무엇을 확인해야 하는지, 결과를 어떤 관점으로 정리해야 하는지 스킬이 바로 이해할 수 있기 때문입니다.

먼저 읽어야 할 파일

SKILL.md에서 의도된 워크플로우를 확인한 뒤, references/schema.md로 예상 컬럼을 살펴보고 assets/sample.csv로 유효한 입력의 형태를 확인하세요. 이 세 파일은 대충 저장소를 훑어보는 것보다 훨씬 많은 정보를 줍니다. 스킬이 어떤 전제를 갖는지, 어떤 컬럼을 기대하는지, 스키마를 얼마나 엄격하게 맞춰야 하는지를 바로 알 수 있기 때문입니다.

출력 품질을 높이는 워크플로우 사용하기

실용적인 Workspace Data Analyst 가이드는 다음 순서입니다. CSV인지 확인하고, 헤더가 스키마와 맞는지 검증한 뒤, 합계와 평균을 요청하고, 마지막으로 짧은 인사이트 요약과 다음 단계를 받아보세요. 데이터셋에 추가 컬럼이 있거나, 결측치가 있거나, mrr가 숫자가 아니라면 이를 미리 밝혀야 합니다. 그래야 스킬이 조용히 가정해 버리는 일을 피할 수 있습니다.

Workspace Data Analyst 스킬 FAQ

CSV 파일에만 사용할 수 있나요?

네, Workspace Data Analyst 스킬은 워크스페이스의 CSV 분석을 중심으로 설계되었습니다. 원본이 Excel 시트, 데이터베이스, API export라면 먼저 CSV로 변환하거나, 원본 형식에 맞는 다른 스킬을 사용하세요.

설치 전에 스키마를 알아야 하나요?

아니요. 다만 예상 필드를 이미 알고 있다면 Workspace Data Analyst 설치를 결정하기가 훨씬 수월합니다. 포함된 references/schema.md가 기준 스키마를 제공하므로, 실제 데이터를 넣기 전에 내 파일이 적합한지 판단할 수 있습니다.

일반 프롬프트보다 나은가요?

대개는 그렇습니다. 한 번만 답변받는 방식이 아니라 반복 가능한 Workspace Data Analyst 워크플로우가 필요할 때 특히 그렇습니다. 일반 프롬프트로도 요약은 요청할 수 있지만, 이 스킬은 더 분명한 파일 읽기 패턴, 스키마 참조, 일관된 분석 순서를 제공해 추측을 줄여줍니다.

언제 사용하면 안 되나요?

엉켜 있는 멀티 탭 스프레드시트, 구조화되지 않은 텍스트, 기본 기술통계 이상이 필요한 통계 모델링 분석에는 Workspace Data Analyst를 사용하지 마세요. 합계, 평균, 이상치를 빠르게 읽는 것보다 차트 생성이 더 중요한 경우에도 적합하지 않습니다.

Workspace Data Analyst 스킬 개선 방법

더 깔끔한 파일과 더 날카로운 질문을 주기

품질을 가장 크게 높이는 방법은 입력 데이터의 질을 높이고 질문 범위를 좁히는 것입니다. Workspace Data Analyst for Data Analysis에서는 파일명, 핵심 지표, 비즈니스 질문을 함께 지정하세요. 예를 들어 “어떤 세그먼트가 mrr 집중도가 가장 높고, 이상치가 있는 지역은 어디인가?”처럼 묻는 편이 “인사이트를 알려줘”라고만 하는 것보다 훨씬 강합니다.

추론에 기대지 말고 스키마에 맞추기

파일이 references/schema.md와 다르다면, 무엇이 어떻게 다른지 정확히 적어 주세요. 예를 들어 컬럼명이 바뀌었는지, plan이 빠졌는지, mrr에 텍스트 값이 들어 있는지 명시하는 식입니다. 이렇게 하면 스킬이 데이터셋을 잘못 읽는 일을 줄이고, 요약 결과도 더 신뢰할 수 있게 됩니다.

원하는 출력 형태를 분명히 요청하기

결과를 실제로 쓰기 좋게 만들려면 짧은 구조를 요청하는 것이 좋습니다. 예: 데이터 확인, 지표 요약, 이상치, 권장 다음 단계. 특히 Workspace Data Analyst 스킬에서는 이 출력 형태가 중요합니다. 분석이 CSV에 단단히 붙어 있게 유지해 주고, 불필요하게 일반론적인 코멘트로 흘러가는 것을 막아주기 때문입니다.

첫 번째 결과를 바탕으로 반복하기

첫 결과를 보고 다음 프롬프트를 더 정교하게 다듬으세요. 요약이 너무 넓으면 segment나 region 기준으로 잘라 달라고 하고, 이상치가 중요하면 임계값 기반 플래그를 요청하고, 파일이 확실하지 않으면 분석 전에 감지한 헤더를 다시 말해 달라고 하세요.