Data Analysis

social-graph-ranker é a camada de ranqueamento ponderado de grafos para descoberta de introduções quentes, pontuação de pontes e análise de lacunas de rede no X e no LinkedIn. Use a skill social-graph-ranker quando precisar de um mecanismo reutilizável de ranqueamento para Lead Research, e não de um fluxo completo de outbound ou manutenção de rede.

Skill regex-vs-llm-structured-text para escolher entre regex ou LLM na extração de texto estruturado. Comece com parsing determinístico, adicione validação com LLM para casos extremos de baixa confiança e use um pipeline mais barato e confiável para documentos, formulários, notas fiscais e análise de dados.

clickhouse-io é uma skill focada em ClickHouse para modelagem de schema, SQL analítico, padrões de ingestão e ajuste de performance. Use-a para orientar escolhas de MergeTree, particionamento, materialized views e otimização de consultas conforme a carga de trabalho.

data-analyst é uma skill enxuta do GitHub que orienta agentes a usar SQL, pandas e análise estatística básica na exploração de dados. É mais indicada para quem quer consultas, transformações e interpretações com base em código, a partir de uma única camada de prompt em SKILL.md.

retro é uma skill de retrospectiva de projeto para equipes de engenharia. Ela analisa histórico de commits, padrões de trabalho e aprendizados anteriores para gerar uma retro semanal estruturada e com continuidade. Use retro para revisões de sprint, perguntas do tipo "o que entregamos" e alinhamentos de Project Management.

xlsx é uma skill de planilhas para Claude voltada a criar, editar, analisar, formatar e recalcular arquivos .xlsx, .xlsm, .csv e .tsv. Ela prioriza zero erros de fórmula, preservação de templates existentes, convenções de formatação de modelos financeiros e recálculo baseado em LibreOffice com recalc.py.

textrazor-automation é uma skill Claude para automatizar tarefas do Textrazor via Composio Rube MCP, com descoberta de ferramentas, verificações de conexão e execução orientada por schema.

rosette-text-analytics-automation ajuda agentes a executar Rosette Text Analytics pelo Composio Rube MCP, verificando conexões, descobrindo schemas de ferramentas ativos com RUBE_SEARCH_TOOLS e executando workflows de análise de texto.

microsoft_clarity-automation ajuda agentes a usar o Microsoft Clarity por meio do Composio Rube MCP para gravações de sessão, mapas de calor e análise de comportamento. A skill prioriza RUBE_SEARCH_TOOLS como primeiro passo, a configuração de uma conexão ativa com o Clarity e o uso atento aos schemas.

googlebigquery-automation ajuda agentes a usar Rube MCP e Metabase para acessar dados do BigQuery, validar conexões, inspecionar metadados e executar análises em SQL nativo ou MBQL sem precisar adivinhar schemas.

eodhd-apis-automation ajuda agentes a automatizar workflows da EODHD API por meio do Composio Rube MCP, começando pela descoberta de ferramentas, com verificações de conexão e execução orientada por schema.

college-football-data-automation ajuda agentes a automatizar tarefas de College Football Data por meio do Rube MCP e da Composio. Veja os requisitos de configuração, a descoberta de ferramentas com RUBE_SEARCH_TOOLS, as verificações de conexão e padrões práticos de uso.

startup-metrics-framework ajuda fundadores, analistas e operadores a calcular KPIs de startups, como CAC, LTV, burn multiple, runway e métricas de crescimento para startups SaaS, marketplace, consumer e B2B.

Use a skill market-sizing-analysis para montar estimativas estruturadas de TAM, SAM e SOM com métodos top-down, bottom-up e value-theory. Cobre contexto de uso, arquivos principais, entradas, fluxo de trabalho e uso prático para dimensionamento de mercado de startups e Data Analysis.

startup-financial-modeling ajuda agentes a montar modelos financeiros de startups para 3 a 5 anos, com receita por cohort, estrutura de custos, burn, runway e cenários de captação. É mais indicada para founders e líderes de finanças que precisam de contexto para instalação, clareza sobre os inputs e orientações práticas de uso a partir do SKILL.md da skill.

risk-metrics-calculation ajuda a calcular métricas de risco de portfólio como VaR, CVaR, Sharpe, Sortino, beta, volatilidade e drawdown. Use a skill para transformar séries de retorno em relatórios de risco estruturados, padrões de implementação em Python e interpretações práticas para fluxos de trabalho financeiros.

A skill backtesting-frameworks ajuda a estruturar e revisar backtests de estratégias de trading com controles mais rigorosos para look-ahead bias, survivorship bias, overfitting, custos de transação e validação walk-forward em Finanças.

spark-optimization é um guia prático para diagnosticar jobs lentos no Apache Spark com foco em particionamento, shuffle, skew, caching e ajuste de memória. Use-o para instalar a skill de wshobson/agents, ler o SKILL.md e aplicar correções baseadas em evidências a partir de sintomas no Spark UI, configurações do cluster e padrões de consulta.

product-analytics ajuda agentes a definir KPIs, escolher frameworks como AARRR, North Star ou HEART, desenhar dashboards e analisar retenção, coortes, funis e adoção de recursos em fluxos de trabalho de Product Management.

experiment-designer ajuda equipes de Product Management a desenhar experimentos A/B e de funcionalidades com hipóteses testáveis, métricas, planejamento de tamanho de amostra, priorização ICE, regras de parada e interpretação de resultados.

senior-data-scientist é uma skill do Claude para desenho de testes A/B, raciocínio causal, feature engineering e avaliação de ML tabular. Use-a para orientar dimensionamento de amostras, escolha de métricas, verificações de vazamento, revisão com SHAP e tracking no estilo MLflow; os scripts são templates de scaffold, não engines completas.

channel-economics ajuda líderes de RevOps e comerciais a comparar canais diretos, de parceiros, marketplace, revendedores ou OEM com cost-to-serve completo, lentes de ROI e recomendações de mix de canais sob restrições. Inclui scripts Python, templates de dados e orientações de uso para channel-economics.

torchdrug é um toolkit nativo de PyTorch para machine learning com moléculas e proteínas. Use a skill torchdrug para escolher tarefas, datasets e modelos modulares para redes neurais em grafos, modelagem de proteínas, raciocínio em grafos de conhecimento, geração molecular e retrossíntese. Ela é mais indicada para desenvolvimento de modelos customizados e configurações reproduzíveis do que para demos prontas.

Guia do skill torch-geometric para redes neurais gráficas com PyTorch Geometric. Use para ajuda na instalação do torch-geometric, uso do torch-geometric, classificação de grafos, classificação de nós, previsão de links, grafos heterogêneos, camadas customizadas de MessagePassing e escalabilidade de GNNs em fluxos de Machine Learning.