Fähigkeiten data-quality-frameworks
📊

data-quality-frameworks

Sicher 🌐 Netzwerkzugriff⚙️ Externe Befehle

Datenqualitäts-Frameworks schnell implementieren

Datenqualitätsprobleme führen zu fehlgeschlagenen Analysen und defekten Pipelines. Diese Fähigkeit bietet bewährte Great Expectations, dbt-Tests und Datenvertragsmuster zur Vorbeugung.

Unterstützt: Claude Codex Code(CC)
📊 69 Angemessen
1

Die Skill-ZIP herunterladen

2

In Claude hochladen

Gehe zu Einstellungen → Fähigkeiten → Skills → Skill hochladen

3

Einschalten und loslegen

Teste es

Verwendung von "data-quality-frameworks". Give me a minimal Great Expectations suite for orders data.

Erwartetes Ergebnis:

  • Definiert erforderliche Spalten und Primary-Key-Prüfungen
  • Validiert Statuswerte und Amount-Bereich
  • Fügt Freshness- und Row-Count-Prüfungen hinzu

Verwendung von "data-quality-frameworks". How do I test relationships between tables in dbt?

Erwartetes Ergebnis:

  • Verwendet Relationships-Test für Foreign-Key-Validierung
  • Prüft referenzielle Integrität über Modelle hinweg
  • Validiert, dass customer_id auf dim_customers abbildet

Verwendung von "data-quality-frameworks". Create a data contract for customer data.

Erwartetes Ergebnis:

  • Spezifiziert Schema mit erforderlichen und optionalen Feldern
  • Definiert PII-Klassifikation für sensible Spalten
  • Legt Freshness-SLA und Qualitätsprüfungsschwellenwerte fest

Sicherheitsaudit

Sicher
v4 • 1/17/2026

This skill is pure documentation containing educational examples for data quality frameworks. All 69 static findings are FALSE POSITIVES. The scanner incorrectly flagged Great Expectations library method names (e.g., 'expect_column_values_to_not_be_null') as shell backtick execution and weak cryptographic algorithms. The content has no executable code, network calls, file access, or sensitive operations.

2
Gescannte Dateien
762
Analysierte Zeilen
2
befunde
4
Gesamtzahl Audits

Risikofaktoren

🌐 Netzwerkzugriff (5)
skill-report.json:6 SKILL.md:584 SKILL.md:585 SKILL.md:586 SKILL.md:587
⚙️ Externe Befehle (28)
SKILL.md:25 SKILL.md:26 SKILL.md:27 SKILL.md:29 SKILL.md:30 SKILL.md:34-42 SKILL.md:42-48 SKILL.md:48-57 SKILL.md:57-59 SKILL.md:59-79 SKILL.md:79-85 SKILL.md:85-177 SKILL.md:177-181 SKILL.md:181-219 SKILL.md:219-221 SKILL.md:221-234 SKILL.md:234-238 SKILL.md:238-301 SKILL.md:301-305 SKILL.md:305-324 SKILL.md:324-326 SKILL.md:326-343 SKILL.md:343-345 SKILL.md:345-366 SKILL.md:366-370 SKILL.md:370-448 SKILL.md:448-452 SKILL.md:452-564
Auditiert von: claude Audit-Verlauf anzeigen →

Qualitätsbewertung

38
Architektur
100
Wartbarkeit
85
Inhalt
22
Community
100
Sicherheit
87
Spezifikationskonformität

Was du bauen kannst

Validierungssuiten erstellen

Great Expectations-Suiten und Checkpoints für Warehouse-Tabellen erstellen.

dbt-Tests erweitern

Schema-, Spalten- und benutzerdefinierte dbt-Tests für Marts hinzufügen.

Datenverträge definieren

Verträge mit Schema, Qualitätsprüfungen und SLAs spezifizieren.

Probiere diese Prompts

Starter-Prüfungen 
Erstelle eine einfache Great Expectations-Suite für eine Orders-Tabelle mit Primary-Key-, Status-, Amount- und created_at-Prüfungen.
dbt-Testplan 
Entwirf dbt-Tests für fct_orders und dim_customers einschließlich Recency, Relationships und akzeptierter Werte.
Vertragsspezifikation 
Schreibe einen Datenvertragsentwurf für ein Orders-Dataset mit Schema, Qualitätsprüfungen und SLAs.
Pipeline-Muster 
Beschreibe eine automatisierte Datenqualitäts-Pipeline, die Suiten für mehrere Tabellen ausführt und einen Bericht generiert.

Bewährte Verfahren

  • Mit kritischen Spalten beginnen und Tests mit der Zeit erweitern
  • Erwartungen und Eigentümerschaft für jedes Dataset dokumentieren
  • Bei Fehlern alarmieren und Trends regelmäßig überprüfen

Vermeiden

  • Jede Spalte ohne Priorisierung testen
  • Schwellenwerte ohne Begründung fest codieren
  • Freshness-Prüfen für Event-Daten überspringen

Häufig gestellte Fragen

Ist dies mit Claude und Codex kompatibel?
Ja, der Inhalt ist Klartext-Beispiele und funktioniert mit Claude, Codex und Claude Code.
Gibt es Limits bei der Dataset-Größe?
Die Vorlagen beschränken nicht, aber die Leistung hängt von Ihrem Warehouse und Testdesign ab.
Kann es mit CI- oder Orchestrierungstools integriert werden?
Es bietet Muster, die Sie für CI-Pipelines oder Scheduler anpassen können.
Greift es auf sensible Daten zu oder speichert sie?
Nein, es bietet nur Dokumentation und Beispiel-Code-Snippets.
Was tun, wenn eine Prüfung unerwartet fehlschlägt?
Überprüfen Sie kürzliche Datenänderungen, passen Sie Schwellenwerte an und bestätigen Sie die Quell-Freshness.
Wie unterscheidet sich dies von einem vollständigen Framework-Setup?
Es ist Anleitung und Vorlagen, kein vorgefertigtes Framework oder Paket.

Entwicklerdetails

Autor

wshobson

Lizenz

MIT

Repository

https://github.com/wshobson/agents/tree/main/plugins/data-engineering/skills/data-quality-frameworks

Ref

main

Dateistruktur

📄 SKILL.md