Ответы на вопросы по данным

Отвечает на вопрос по данным: от быстрой справки до полного анализа и отчёта, с проверкой чисел перед показом.

СкиллAnthropicClaudeApache-2.0Загрузить архив в ClaudeПроверка не требуется

Скачать на русскомОригинал на английском (архив)Источник ↗

Что делает: Отвечает на вопрос по данным: от быстрой справки до полного анализа и отчёта, с проверкой чисел перед показом.
Когда брать: Когда нужно найти метрику, понять причину роста или падения, сравнить сегменты или подготовить отчёт по данным.
Пример запроса: Почему за последние три месяца выросло число обращений в поддержку? Разбей по категориям.
Нужно подключить: хранилище данных, или файл CSV/Excel

Входит в плагин data. В Cowork и Claude Code можно поставить плагин целиком.

Как включить

Нажмите «Скачать на русском» и сохраните архив.
В Claude откройте Настройки → Capabilities → Skills → Upload skill и выберите архив.
Включите скилл переключателем.

Для терминала

Распакуйте архив и положите папку analyze в ~/.claude/skills/. Файл SKILL.md должен лежать внутри этой папки.

Текст

---
name: analyze
description: Отвечай на вопросы по данным — от быстрых справок до полноценного анализа. Используй, когда нужно найти одну метрику, выяснить, что стоит за ростом или падением, сравнить сегменты во времени или подготовить формальный отчёт по данным для заинтересованных лиц.
argument-hint: "<question>"
---

/analyze - Ответы на вопросы по данным

Если встретишь незнакомые подстановки или нужно проверить, какие инструменты подключены, смотри [CONNECTORS.md](../../CONNECTORS.md).

Ответь на вопрос по данным: от быстрой справки до полного анализа и формального отчёта.

Использование

/analyze <natural language question>

Рабочий процесс

1. Пойми вопрос

Разбери вопрос пользователя и определи:

Уровень сложности:
Быстрый ответ: одна метрика, простой фильтр, справка по фактам (например, «Сколько пользователей зарегистрировалось на прошлой неделе?»)
Полный анализ: многомерное исследование, анализ трендов, сравнение (например, «Что стоит за падением конверсии?»)
Формальный отчёт: всестороннее исследование с методологией, оговорками и рекомендациями (например, «Подготовь квартальный обзор показателей подписки»)
Нужные данные: какие таблицы, метрики, разрезы и периоды понадобятся
Формат результата: число, таблица, график, текстовое описание или их сочетание

2. Собери данные

Если подключён MCP-сервер хранилища данных:

Изучи схему и найди нужные таблицы и столбцы
Напиши SQL-запрос (или несколько), чтобы получить нужные данные
Выполни запрос и получи результаты
Если запрос не сработал, найди причину и повтори (проверь названия столбцов, ссылки на таблицы, синтаксис конкретного диалекта)
Если результаты выглядят неожиданно, прежде чем идти дальше, проведи проверки на здравый смысл

Если хранилище данных не подключено:

Попроси пользователя передать данные одним из способов:
вставить результаты запроса прямо в чат;
загрузить файл CSV или Excel;
описать схему, чтобы ты написал запросы, а он их выполнил
Если пишешь запросы для ручного запуска, используй скилл sql-queries — в нём лучшие практики для разных диалектов
Когда данные получены, переходи к анализу

3. Проведи анализ

Посчитай нужные метрики, агрегаты и сравнения
Найди закономерности, тренды, выбросы и аномалии
Сравни по разрезам (периоды времени, сегменты, категории)
В сложных случаях разбей задачу на подвопросы и разбери каждый

4. Проверь результат до показа

Прежде чем делиться результатами, пройди проверки:

Число строк: сходится ли количество записей с ожиданиями?
Пустые значения (null): нет ли неожиданных пустых значений, которые могут исказить результат?
Порядок величин: укладываются ли числа в разумный диапазон?
Непрерывность тренда: нет ли в временных рядах неожиданных пропусков?
Логика агрегации: правильно ли промежуточные итоги складываются в общие?

Если какая-то проверка вызывает сомнения, разберись и отметь оговорки.

5. Представь выводы

Для быстрых ответов:

Дай ответ сразу, с нужным контекстом
Приведи использованный запрос (свёрнутым или в блоке кода), чтобы результат можно было воспроизвести

Для полных анализов:

Начни с главного вывода или инсайта
Подкрепи данными в таблицах и (или) визуализациями
Укажи методологию и все оговорки
Предложи дальнейшие вопросы

Для формальных отчётов:

Краткое резюме для руководства с ключевыми выводами
Раздел о методологии: подход и источники данных
Подробные выводы с подтверждающими фактами
Оговорки, ограничения и замечания о качестве данных
Рекомендации и предлагаемые следующие шаги

6. Визуализируй там, где это помогает

Когда график передаст результаты лучше, чем таблица:

Используй скилл data-visualization, чтобы выбрать подходящий тип графика
Сделай визуализацию на Python или встрой её в HTML-дашборд
Следуй лучшим практикам визуализации — ясность и точность

Примеры

Быстрый ответ:

/analyze Сколько новых пользователей зарегистрировалось в декабре?

Полный анализ:

/analyze Почему за последние 3 месяца вырос объём обращений в поддержку? Разбей по категориям и приоритетам.

Формальный отчёт:

/analyze Подготовь оценку качества данных в нашей таблице клиентов — полнота, согласованность и проблемы, которые стоит устранить.

Советы

По возможности точно указывай периоды, сегменты или метрики
Если знаешь названия таблиц, назови их — так процесс пойдёт быстрее
В сложных вопросах Claude может разбить задачу на несколько запросов
Результаты всегда проверяются до показа — если что-то выглядит странно, Claude предупредит

Перевод: iiuniversitet. Оригинал: https://github.com/anthropics/knowledge-work-plugins/tree/main/data/skills/analyze, лицензия Apache-2.0. Изменения: перевод на русский язык.

Оригинал на английском

---
name: analyze
description: Answer data questions -- from quick lookups to full analyses. Use when looking up a single metric, investigating what's driving a trend or drop, comparing segments over time, or preparing a formal data report for stakeholders.
argument-hint: "<question>"
---

# /analyze - Answer Data Questions

> If you see unfamiliar placeholders or need to check which tools are connected, see [CONNECTORS.md](../../CONNECTORS.md).

Answer a data question, from a quick lookup to a full analysis to a formal report.

## Usage

```
/analyze <natural language question>
```

## Workflow

### 1. Understand the Question

Parse the user's question and determine:

- **Complexity level**:
  - **Quick answer**: Single metric, simple filter, factual lookup (e.g., "How many users signed up last week?")
  - **Full analysis**: Multi-dimensional exploration, trend analysis, comparison (e.g., "What's driving the drop in conversion rate?")
  - **Formal report**: Comprehensive investigation with methodology, caveats, and recommendations (e.g., "Prepare a quarterly business review of our subscription metrics")
- **Data requirements**: Which tables, metrics, dimensions, and time ranges are needed
- **Output format**: Number, table, chart, narrative, or combination

### 2. Gather Data

**If a data warehouse MCP server is connected:**

1. Explore the schema to find relevant tables and columns
2. Write SQL query(ies) to extract the needed data
3. Execute the query and retrieve results
4. If the query fails, debug and retry (check column names, table references, syntax for the specific dialect)
5. If results look unexpected, run sanity checks before proceeding

**If no data warehouse is connected:**

1. Ask the user to provide data in one of these ways:
   - Paste query results directly
   - Upload a CSV or Excel file
   - Describe the schema so you can write queries for them to run
2. If writing queries for manual execution, use the `sql-queries` skill for dialect-specific best practices
3. Once data is provided, proceed with analysis

### 3. Analyze

- Calculate relevant metrics, aggregations, and comparisons
- Identify patterns, trends, outliers, and anomalies
- Compare across dimensions (time periods, segments, categories)
- For complex analyses, break the problem into sub-questions and address each

### 4. Validate Before Presenting

Before sharing results, run through validation checks:

- **Row count sanity**: Does the number of records make sense?
- **Null check**: Are there unexpected nulls that could skew results?
- **Magnitude check**: Are the numbers in a reasonable range?
- **Trend continuity**: Do time series have unexpected gaps?
- **Aggregation logic**: Do subtotals sum to totals correctly?

If any check raises concerns, investigate and note caveats.

### 5. Present Findings

**For quick answers:**
- State the answer directly with relevant context
- Include the query used (collapsed or in a code block) for reproducibility

**For full analyses:**
- Lead with the key finding or insight
- Support with data tables and/or visualizations
- Note methodology and any caveats
- Suggest follow-up questions

**For formal reports:**
- Executive summary with key takeaways
- Methodology section explaining approach and data sources
- Detailed findings with supporting evidence
- Caveats, limitations, and data quality notes
- Recommendations and suggested next steps

### 6. Visualize Where Helpful

When a chart would communicate results more effectively than a table:

- Use the `data-visualization` skill to select the right chart type
- Generate a Python visualization or build it into an HTML dashboard
- Follow visualization best practices for clarity and accuracy

## Examples

**Quick answer:**
```
/analyze How many new users signed up in December?
```

**Full analysis:**
```
/analyze What's causing the increase in support ticket volume over the past 3 months? Break down by category and priority.
```

**Formal report:**
```
/analyze Prepare a data quality assessment of our customer table -- completeness, consistency, and any issues we should address.
```

## Tips

- Be specific about time ranges, segments, or metrics when possible
- If you know the table names, mention them to speed up the process
- For complex questions, Claude may break them into multiple queries
- Results are always validated before presentation -- if something looks off, Claude will flag it

Источник: anthropics/knowledge-work-plugins / data / analyze ↗. Ссылка проверена 2026-10-10.

---
name: analyze
description: Отвечай на вопросы по данным — от быстрых справок до полноценного анализа. Используй, когда нужно найти одну метрику, выяснить, что стоит за ростом или падением, сравнить сегменты во времени или подготовить формальный отчёт по данным для заинтересованных лиц.
argument-hint: "<question>"
---

# /analyze - Ответы на вопросы по данным

> Если встретишь незнакомые подстановки или нужно проверить, какие инструменты подключены, смотри [CONNECTORS.md](../../CONNECTORS.md).

Ответь на вопрос по данным: от быстрой справки до полного анализа и формального отчёта.

## Использование

```
/analyze <natural language question>
```

## Рабочий процесс

### 1. Пойми вопрос

Разбери вопрос пользователя и определи:

- **Уровень сложности**:
  - **Быстрый ответ**: одна метрика, простой фильтр, справка по фактам (например, «Сколько пользователей зарегистрировалось на прошлой неделе?»)
  - **Полный анализ**: многомерное исследование, анализ трендов, сравнение (например, «Что стоит за падением конверсии?»)
  - **Формальный отчёт**: всестороннее исследование с методологией, оговорками и рекомендациями (например, «Подготовь квартальный обзор показателей подписки»)
- **Нужные данные**: какие таблицы, метрики, разрезы и периоды понадобятся
- **Формат результата**: число, таблица, график, текстовое описание или их сочетание

### 2. Собери данные

**Если подключён MCP-сервер хранилища данных:**

1. Изучи схему и найди нужные таблицы и столбцы
2. Напиши SQL-запрос (или несколько), чтобы получить нужные данные
3. Выполни запрос и получи результаты
4. Если запрос не сработал, найди причину и повтори (проверь названия столбцов, ссылки на таблицы, синтаксис конкретного диалекта)
5. Если результаты выглядят неожиданно, прежде чем идти дальше, проведи проверки на здравый смысл

**Если хранилище данных не подключено:**

1. Попроси пользователя передать данные одним из способов:
   - вставить результаты запроса прямо в чат;
   - загрузить файл CSV или Excel;
   - описать схему, чтобы ты написал запросы, а он их выполнил
2. Если пишешь запросы для ручного запуска, используй скилл `sql-queries` — в нём лучшие практики для разных диалектов
3. Когда данные получены, переходи к анализу

### 3. Проведи анализ

- Посчитай нужные метрики, агрегаты и сравнения
- Найди закономерности, тренды, выбросы и аномалии
- Сравни по разрезам (периоды времени, сегменты, категории)
- В сложных случаях разбей задачу на подвопросы и разбери каждый

### 4. Проверь результат до показа

Прежде чем делиться результатами, пройди проверки:

- **Число строк**: сходится ли количество записей с ожиданиями?
- **Пустые значения (null)**: нет ли неожиданных пустых значений, которые могут исказить результат?
- **Порядок величин**: укладываются ли числа в разумный диапазон?
- **Непрерывность тренда**: нет ли в временных рядах неожиданных пропусков?
- **Логика агрегации**: правильно ли промежуточные итоги складываются в общие?

Если какая-то проверка вызывает сомнения, разберись и отметь оговорки.

### 5. Представь выводы

**Для быстрых ответов:**
- Дай ответ сразу, с нужным контекстом
- Приведи использованный запрос (свёрнутым или в блоке кода), чтобы результат можно было воспроизвести

**Для полных анализов:**
- Начни с главного вывода или инсайта
- Подкрепи данными в таблицах и (или) визуализациями
- Укажи методологию и все оговорки
- Предложи дальнейшие вопросы

**Для формальных отчётов:**
- Краткое резюме для руководства с ключевыми выводами
- Раздел о методологии: подход и источники данных
- Подробные выводы с подтверждающими фактами
- Оговорки, ограничения и замечания о качестве данных
- Рекомендации и предлагаемые следующие шаги

### 6. Визуализируй там, где это помогает

Когда график передаст результаты лучше, чем таблица:

- Используй скилл `data-visualization`, чтобы выбрать подходящий тип графика
- Сделай визуализацию на Python или встрой её в HTML-дашборд
- Следуй лучшим практикам визуализации — ясность и точность

## Примеры

**Быстрый ответ:**
```
/analyze Сколько новых пользователей зарегистрировалось в декабре?
```

**Полный анализ:**
```
/analyze Почему за последние 3 месяца вырос объём обращений в поддержку? Разбей по категориям и приоритетам.
```

**Формальный отчёт:**
```
/analyze Подготовь оценку качества данных в нашей таблице клиентов — полнота, согласованность и проблемы, которые стоит устранить.
```

## Советы

- По возможности точно указывай периоды, сегменты или метрики
- Если знаешь названия таблиц, назови их — так процесс пойдёт быстрее
- В сложных вопросах Claude может разбить задачу на несколько запросов
- Результаты всегда проверяются до показа — если что-то выглядит странно, Claude предупредит

Перевод: iiuniversitet. Оригинал: https://github.com/anthropics/knowledge-work-plugins/tree/main/data/skills/analyze, лицензия Apache-2.0. Изменения: перевод на русский язык.