Compétences data-engineering-data-driven-feature
📊

data-engineering-data-driven-feature

Sûr

بناء ميزات تعتمد على البيانات مع اختبار A/B

يوفر هذا الـ Skill سير عمل شامل لبناء الميزاتguided by data insights, واختبار A/B, والقياس المستمر باستخدام وكلاء AI متخصصين للتحليل والتنفيذ والتجريب.

Prend en charge: Claude Codex Code(CC)
🥉 72 Bronze
1

Télécharger le ZIP du skill

2

Importer dans Claude

Allez dans Paramètres → Capacités → Skills → Importer un skill

3

Activez et commencez à utiliser

Tester

Utilisation de "data-engineering-data-driven-feature". بدء ميزة قائمة على البيانات لتحسين مسارالدفع الجديد

Résultat attendu:

خطة سير العمل: (1) مرحلة التحليل الاستكشافي - تحليل قمع التحويل الحالي، (2) الفرضية - 'تبسيطالدفع سيزيد التحويل بنسبة 5%'، (3) تصميم التجربة - اختبار لمدة أسبوعين، 10% من حركة المرور، المقياسالمحوري: معدل إتمامالدفع، (4) التحليلات - تتبع checkout_start و checkout_step_complete و checkout_abandon، (5) البنية - LaunchDarkly feature flag، إطلاق تدريجي يبدأ من 5%

Utilisation de "data-engineering-data-driven-feature". تصميم التجربة لتغيير خوارزميةالتوصية

Résultat attendu:

التصميمالإحصائي: حجم العينة المطلوب 50,000 مستخدم لكل متغير لـ 80% قوة لاكتشاف تحسن بنسبة 2%. المقياسالمحوري: معدل النقر، المقاييسالحرجية: زمن الاستجابة ومعدل الأخطاء. التوزيع: تجزئة user_id. التحليل: اختبار t ثنائي الذيل مع تصحيح Bonferroni للمقاييس المتعددة.

Audit de sécurité

Sûr
v1 • 2/24/2026

All 16 static findings are false positives. The skill is a legitimate data engineering workflow orchestrating specialized agents for data analysis, hypothesis development, A/B testing, and statistical analysis. No external commands, cryptographic algorithms, or malicious code patterns are present.

1
Fichiers analysés
185
Lignes analysées
2
résultats
1
Total des audits

Problèmes à risque élevé (1)

SKILL.md:3SKILL.md:44SKILL.md:47-48SKILL.md:50SKILL.md:54-55SKILL.md:58SKILL.md:61SKILL.md:67SKILL.md:74SKILL.md:100
Weak Cryptographic Algorithm Detection (False Positive)
Static scanner incorrectly flagged 'Bayesian', 'LaunchDarkly', 'Snowflake', 'BigQuery', and similar terms as weak cryptographic algorithms. These are legitimate statistical methods (Bayesian statistics) and cloud services (feature flags, data warehouses). No cryptographic code exists in this file.
Problèmes à risque moyen (1)
SKILL.md:29SKILL.md:140-163
External Command Execution Detection (False Positive)
Static scanner detected backticks and flagged as shell command execution. These are markdown code fences and inline code references in documentation, not actual shell commands.
Audité par: claude

Score de qualité

38
Architecture
100
Maintenabilité
87
Contenu
50
Communauté
90
Sécurité
91
Conformité aux spécifications

Ce que vous pouvez construire

مدير المنتج يخطط للتجارب

يستخدم مديرو المنتج هذا سير العمل للتخطيط لإطلاق الميزات القائمة على البيانات مع التصميم التجريبي المناسب وتحديد مقاييس النجاح والصرامة الإحصائية.

عالم البيانات يخطط التحليل

يتبع علماء البيانات هذا سير العمل لتنظيم اختبارات A/B وتحديد الفرضيات باستخدام scoring ICE أو RICE وإجراء التحليل الإحصائي المناسب.

المهندس ينفذ أعلام الميزات

يستخدم مهندسو الواجهة الخلفية هذا سير العمل لتنفيذ أعلام الميزات وتكوين الإطلاق التدريجي وإعداد تجهيز التحليلات المناسب من البداية.

Essayez ces prompts

بدء ميزة قائمة على البيانات 
Use the data-engineering-data-driven-feature skill لمساعدتي في التخطيط لميزة جديدة.الميزة هي: [صف فكرةالميزة]. أريد التحقق منها باختبار A/B وقياس تأثيرها على [مقياس الأعمال الرئيسي].
تصميم التجربة 
أحتاج لتصميم اختبار A/B لـ [اسمالميزة]. ساعدني في إنشاء تصميم تجربة إحصائية بما في ذلك حساب حجم العينة والمقاييسالمحورية والمقاييسالحرجية. المقياسالمستهدف هو [المقياس]، التحسن المتوقع هو [النسبةالمئوية].
تخطيط تجهيز التحليلات 
ساعدني في تصميم تجهيز تحليلات شامل لـ [الميزة]. أحتاج لتتبع تفاعلاتالمستخدمين بما في ذلك [قائمةالأحداث]. أوصي بمخططاتالأحداث والخصائص للتجزئة في [Amplitude/Mixpanel/Segment].
تحليل نتائج الاختبار 
اكتمل اختبار A/B لـ [الميزة] بـ [حجمالعينة] مستخدمين خلال [الفترةالزمنية]. أظهرت المجموعةالمعاملة [النتائج]. ساعدني في إجراء التحليل الإحصائي وحساب الأهميةوتقييم تأثيرالأعمال.

Bonnes pratiques

  • حدد مقاييس النجاح والمقاييس الحرجية قبل بدء التطوير لتجنب p-hacking
  • ابدأ الإطلاق التدريجي عند 5-10% من حركة المرور ومراقبة معدلات الأخطاء قبل الزيادة
  • شغل التجارب لدورات أسبوعية كاملة لحساب تأثيرات يوم الأسبوع
  • وثق جميع القرارات والدروس المستفادة لدورات تطوير الميزات المستقبلية

Éviter

  • تشغيل التجارب بدون معايير نجاح محددة مسبقاً واتخاذ القرارات بشكل عرضي
  • البدء بإطلاق حركة مرور كاملة بدلاً من الإطلاق التدريجي مما يؤدي لمخاطر المشاكل المنتشرة
  • تجاهل المقاييس الحرجية ونشر التغييرات التي تضر بتجربة المستخدم
  • إنهاء التجارب مبكراً عندما تبدو النتائج واعدة بدون قوة إحصائية مناسبة

Foire aux questions

ما الأدوات التي تدعم هذا الـ Skill؟
يعمل هذا الـ Skill مع Claude وCodex وClaude Code. يوفر مطالبات وسير عمل تنفذها هذه الأدوات للمساعدة في التطوير القائم على البيانات.
هل أحتاج منصات تحليلات خارجية؟
نعم، يوصي هذا الـ Skill بمنصات مثل Amplitude وMixpanel وSegment وLaunchDarkly أو Split.io. يجب تكوين هذه بشكل منفصل في بنيتك التحتية.
هل يمكن لهذا الـ Skill تحليل بياناتي الفعلية؟
لا، يولد هذا الـ Skill إرشادات ومطالبات وخطط. ليس لديه الوصول إلى أنظمة البيانات الخاصة بك. ستحتاج لتنفيذ الخطط المولدة مع فريق البيانات الخاص بك.
كم من الوقت يجب أن أشغل اختبار A/B؟
يجب أن تدوم الاختبارات لمدة أسبوع كامل (7 أيام) على الأقل لحساب التباين اليومي. تدوم معظم التجارب 1-4 أسابيع حسب حجم العينة المطلوب.
ما الأساليب الإحصائية المستخدمة؟
يدعم الـ Skill كلاً من الأساليب التكرارية (اختبارات t، chi-square) والبايزية. يمكن أن توفر الأساليب البايزية اتخاذ قرارات أسرع مع تفسيرات احتمالية.
هل هذا مناسب لاختبار A/B لنماذج التعلم الآلي؟
نعم، تغطي المرحلة 9 تكامل نماذج التعلم الآلي بما في ذلك الاستدلال عبر الإنترنت واختبار A/B بين إصدارات النموذج وتتبع الأداء وكشف الانحراف.

Détails du développeur

Auteur

sickn33

Licence

MIT

Dépôt

https://github.com/sickn33/antigravity-awesome_skills/tree/main/skills/data-engineering-data-driven-feature

Réf

main

Structure de fichiers

📄 SKILL.md