المهارات data-engineering-data-driven-feature
📊

data-engineering-data-driven-feature

آمن

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.

يدعم: Claude Codex Code(CC)
📊 69 كافٍ
1

تنزيل ZIP المهارة

2

رفع في Claude

اذهب إلى Settings → Capabilities → Skills → Upload skill

3

فعّل وابدأ الاستخدام

اختبرها

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

النتيجة المتوقعة:

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%

استخدام "data-engineering-data-driven-feature". تصميم التجربة لتغيير خوارزميةالتوصية

النتيجة المتوقعة:

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.

التدقيق الأمني

آمن
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
الملفات التي تم فحصها
185
الأسطر التي تم تحليلها
2
النتائج
1
إجمالي عمليات التدقيق

مشكلات عالية المخاطر (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.
مشكلات متوسطة المخاطر (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.
تم تدقيقه بواسطة: claude

درجة الجودة

38
الهندسة المعمارية
100
قابلية الصيانة
87
المحتوى
31
المجتمع
90
الأمان
91
الامتثال للمواصفات

ماذا يمكنك بناءه

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.

جرّب هذه الموجهات

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.

أفضل الممارسات

  • 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

تجنب

  • 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

الأسئلة المتكررة

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.

تفاصيل المطور

المؤلف

sickn33

الترخيص

MIT

المستودع

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

مرجع

main

بنية الملفات

📄 SKILL.md