data-quality-frameworks
Implementar validación de calidad de datos
Los equipos de datos necesitan comprobaciones fiables antes de que los datos incorrectos lleguen a los flujos de trabajo de analítica o producción. Esta skill proporciona patrones prácticos para Great Expectations, pruebas de dbt, contratos e informes de calidad.
Instalar con mi Agente
Copia esta solicitud en tu Agente. Incluye la página canónica del Skill y el manifiesto.
Review the Skillstore skill "data-quality-frameworks" from https://skillstore.io/skills/wshobson-data-quality-frameworks.md and its manifest at https://skillstore.io/api/skills/wshobson-data-quality-frameworks/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-quality-frameworks". Crear comprobaciones de calidad para una tabla de hechos de pedidos.
Resultado esperado:
- Una comprobación de frescura a nivel de tabla para marcas de tiempo recientes de creación de pedidos.
- Comprobaciones de columnas para identificadores de pedido únicos e identificadores de cliente no nulos.
- Valores de estado aceptados y validación de importes positivos.
- Una comprobación de relación desde pedidos hacia la dimensión de cliente.
Usando "data-quality-frameworks". Redactar un contrato de datos para eventos de clientes.
Resultado esperado:
- Un esquema de contrato con responsable, versión, propósito y límites de uso.
- Campos de esquema con indicadores obligatorios, expectativas de tipo y clasificación de PII.
- Comprobaciones de calidad para recuento de filas, identificadores faltantes, tipos de evento válidos y frescura.
- Expectativas de servicio para disponibilidad, frescura y latencia.
Usando "data-quality-frameworks". Planificar un pipeline de validación para tres tablas del almacén de datos.
Resultado esperado:
- Un orden de ejecución para suites de validación de tablas.
- Un resumen de resultados con expectativas aprobadas y fallidas.
- Reglas de fallo que detienen el pipeline cuando fallan comprobaciones críticas.
- Un formato breve de informe para stakeholders de operaciones y analítica.
Auditoría de seguridad
SeguroAll 45 static findings are false positives caused by Markdown formatting, fenced examples, SQL/YAML snippets, and public documentation links. I found no prompt injection, data exfiltration intent, hidden execution, or reconnaissance behavior.
Factores de riesgo
⚙️ Comandos externos (28)
🌐 Acceso a red (4)
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/wshobson-data-quality-frameworks/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportInsignia Markdown
[](https://skillstore.io/skills/wshobson-data-quality-frameworks?utm_source=security_passport_badge)Insignia HTML
<a href="https://skillstore.io/skills/wshobson-data-quality-frameworks?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/wshobson-data-quality-frameworks/security.svg" alt="Skillstore security assessment" loading="lazy"></a>Tarjeta para insertar
<iframe src="https://skillstore.io/embed/skills/wshobson-data-quality-frameworks.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
wshobson. (2026). data-quality-frameworks security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/wshobson-data-quality-frameworks/audits/7Cita BibTeX
@techreport{wshobson-wshobson-data-quality-frameworks-2026,
author = {wshobson},
title = {data-quality-frameworks security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/wshobson-data-quality-frameworks/audits/7},
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-quality-frameworks security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "wshobson"
date-released: "2026-07-07"
url: "https://skillstore.io/skills/wshobson-data-quality-frameworks/audits/7"
identifiers:
- type: other
value: "skillstore:wshobson-data-quality-frameworks:audit:7"
description: "Skillstore immutable audit report identifier"
Comparar variantes
2 variantes instalablesCada autor sigue siendo un skill instalable independiente. La variante recomendada se ordena según la evidencia de Skillstore.
Por qué esta variante es la primera
wshobson-data-quality-frameworks
2026-09-09
sickn33-data-quality-frameworks
2026-09-09
Puntuación de Skillstore
Por qué esta puntuación Confianza de la evidencia: AltoLo que puedes crear
Agregar comprobaciones de calidad al almacén de datos
Crear cobertura de validación para marts críticos con comprobaciones de unicidad, no nulos, rangos, frescura y relaciones.
Definir contratos entre productores y consumidores
Documentar campos de esquema, responsables, manejo de PII, comprobaciones de calidad y expectativas de servicio para productos de datos compartidos.
Automatizar reglas de fallo de pipelines
Usar resultados de validación para generar informes y hacer fallar flujos de trabajo cuando tablas importantes no cumplen las expectativas.
Prueba estos prompts
Usa esta skill para crear una lista de comprobación de calidad de datos para mi tabla de pedidos. Incluye comprobaciones de completitud, unicidad, validez y frescura.
Usa esta skill para proponer pruebas de dbt para estos modelos y columnas. Explica qué pruebas corresponden al nivel de tabla y al nivel de columna.
Usa esta skill para redactar un contrato de datos para este conjunto de datos. Incluye responsable, campos de esquema, indicadores de PII, reglas de calidad y expectativas de SLA.
Usa esta skill para diseñar un flujo de trabajo de validación automatizado para varias tablas del almacén de datos. Incluye manejo de fallos, informes e integración con CI.
Mejores prácticas
- Comenzar con columnas críticas y reglas de negocio antes de ampliar la cobertura.
- Usar umbrales dinámicos para recuentos de filas y frescura cuando el volumen de datos cambia con frecuencia.
- Versionar los contratos de datos y las reglas de validación junto con el código del pipeline que depende de ellos.
Evitar
- Probar todas las columnas sin priorizar el impacto de negocio.
- Ignorar comprobaciones de frescura y relaciones cuando las tablas de origen llegan tarde o incompletas.
- Codificar umbrales de forma rígida que generan ruido o no detectan cambios reales en la calidad de datos.
Preguntas frecuentes
¿Esta skill ejecuta Great Expectations o dbt automáticamente?
¿Puede ayudar con contratos de datos?
¿Esto es solo para almacenes de analítica?
¿Incluye umbrales listos para producción?
¿Qué herramientas cubre?
¿Qué deben proporcionar los usuarios antes de usarla?
Detalles del desarrollador
Autor
wshobsonLicencia
MIT
Revisión de Skillstore
r1
Aviso de versión
El autor no declaró una versión.
Repositorio
https://github.com/wshobson/agents/tree/main/plugins/data-engineering/skills/data-quality-frameworksRef.
36e07d5e13068e5be64447e8f20b427cf2cbd21a
Actualidad del mantenimiento
18/7/2026
Uso
10 descargas · 273 vistas
Estructura de archivos
📄 SKILL.md