data-engineering-data-driven-feature
Crear funcionalidades basadas en datos
Los equipos de funcionalidades a menudo lanzan cambios sin evidencia clara ni resultados medibles. Esta skill guía el análisis, las pruebas A/B, la instrumentación, el despliegue gradual y la revisión posterior al lanzamiento.
Instalar con mi Agente
Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.
Review the Skillstore skill "data-engineering-data-driven-feature" from https://skillstore.io/skills/sickn33-data-engineering-data-driven-feature.md and its manifest at https://skillstore.io/api/skills/sickn33-data-engineering-data-driven-feature/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.Tu Agente debe seguir mostrando su plan y solicitar cualquier confirmación exigida por la política de seguridad.
Recursos legibles por agentes
Usa estos enlaces cuando un agente de IA, crawler o script necesite contexto limpio en vez de leer la página completa.
Pruébalo
Usando "data-engineering-data-driven-feature". Evalúa una nueva lista de verificación de incorporación para la activación de cuentas de pago.
Resultado esperado:
Un plan con métricas base de activación, segmentos objetivo, hipótesis de experimento, eventos de seguimiento, pasos de despliegue y criterios de decisión.
Usando "data-engineering-data-driven-feature". Prepara analítica para una funcionalidad de recomendaciones personalizadas.
Resultado esperado:
Un plan de instrumentación que cubre eventos de exposición, eventos de interacción, embudos de conversión, análisis de cohortes y requisitos de monitoreo.
Usando "data-engineering-data-driven-feature". Revisa resultados de una prueba A/B para un cambio en la página de precios.
Resultado esperado:
Un memo de decisión que compara aumento de conversión, intervalos de confianza, impacto en ingresos, métricas de control y acción de despliegue recomendada.
Auditoría de seguridad
SeguroThe static external-command findings are false positives caused by Markdown inline code and a YAML code fence in SKILL.md. I found no prompt injection, data exfiltration intent, or executable script behavior in the reviewed file.
Factores de riesgo
⚙️ Comandos externos (2)
Compartir y citar este informe
Comparte el informe de evaluación versionado, la insignia neutral, la tarjeta insertable y las citas. Skillstore presenta evidencias sin decidir si este Skill es seguro.
Copiar enlace del informe
https://skillstore.io/skills/sickn33-data-engineering-data-driven-feature/audits/4?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportInsignia Markdown
[](https://skillstore.io/skills/sickn33-data-engineering-data-driven-feature?utm_source=security_passport_badge)Insignia HTML
<a href="https://skillstore.io/skills/sickn33-data-engineering-data-driven-feature?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/sickn33-data-engineering-data-driven-feature/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Tarjeta para insertar
<iframe src="https://skillstore.io/embed/skills/sickn33-data-engineering-data-driven-feature.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>Citas académicas (APA · BibTeX · CFF)
Cita APA
sickn33. (2026). data-engineering-data-driven-feature security audit report (audit version 4) [Author version unspecified]. Skillstore. https://skillstore.io/skills/sickn33-data-engineering-data-driven-feature/audits/4Cita BibTeX
@techreport{sickn33-sickn33-data-engineering-data-driven-feature-2026,
author = {sickn33},
title = {data-engineering-data-driven-feature security audit report (audit version 4)},
institution = {Skillstore},
year = {2026},
number = {4},
url = {https://skillstore.io/skills/sickn33-data-engineering-data-driven-feature/audits/4},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "data-engineering-data-driven-feature security audit report (audit version 4)"
version: "unspecified"
type: report
authors:
- name: "sickn33"
date-released: "2026-07-06"
url: "https://skillstore.io/skills/sickn33-data-engineering-data-driven-feature/audits/4"
identifiers:
- type: other
value: "skillstore:sickn33-data-engineering-data-driven-feature:audit:4"
description: "Skillstore immutable audit report identifier"
Puntuación de Skillstore
Por qué esta puntuación Confianza de la evidencia: AltoLo que puedes crear
Planificar una funcionalidad de producto medible
Convierte una idea de funcionalidad en hipótesis, métricas, planificación del tamaño de muestra y una ruta de despliegue controlado.
Diseñar instrumentación de analítica
Crea esquemas de eventos, seguimiento de embudos y requisitos de canalización de datos antes de que los ingenieros comiencen la implementación.
Evaluar resultados de experimentos
Revisa resultados de pruebas A/B, efectos por segmento, métricas de control e impacto de negocio para tomar una decisión de despliegue.
Prueba estos prompts
Usa esta skill para evaluar una funcionalidad propuesta. Identifica datos disponibles, métricas base, segmentos de usuarios e insumos faltantes.
Usa esta skill para diseñar una prueba A/B para una funcionalidad. Incluye hipótesis, métricas de éxito, controles, necesidades de tamaño de muestra y etapas de despliegue.
Usa esta skill para planificar la implementación de una funcionalidad basada en datos. Cubre feature flags, eventos de analítica, canalizaciones, monitoreo y validación.
Usa esta skill para evaluar resultados de experimentos. Compara impacto estadístico, valor de negocio, comportamiento por segmento, métricas de control y próximas acciones.
Mejores prácticas
- Define métricas primarias y métricas de control antes de que comience la implementación.
- Valida la calidad de los eventos en staging antes de enviar tráfico de producción.
- Usa despliegue gradual y reglas de rollback para cada experimento.
Evitar
- No elijas métricas después de revisar los resultados del experimento.
- No lances variantes sin validar la aleatorización y el tamaño de muestra.
- No trates el seguimiento de analítica como una tarea posterior al lanzamiento.
Preguntas frecuentes
¿Qué ayuda a crear esta skill?
¿Requiere datos de analítica existentes?
¿Puede admitir pruebas A/B?
¿Implementa código directamente?
¿Qué equipos se benefician de ella?
¿Puede reemplazar la revisión estadística?
Detalles del desarrollador
Autor
sickn33Licencia
MIT
Revisión de Skillstore
r1
Aviso de versión
El autor no declaró una versión.
Repositorio
https://github.com/sickn33/antigravity-awesome_skills/tree/main/skills/data-engineering-data-driven-featureRef.
01171b582d636c013315c5e0d969c64f8d9cdff2
Actualidad del mantenimiento
18/7/2026
Uso
6 descargas · 91 vistas
Estructura de archivos
📄 SKILL.md