Habilidades data-quality-frameworks
📊

data-quality-frameworks

Seguro 🌐 Acceso a red⚙️ Comandos externos

Implementar marcos de calidad de datos rápidamente

Los problemas de calidad de datos causan análisis fallidos y pipelines rotos. Esta habilidad proporciona patrones probados de Great Expectations, pruebas dbt y contratos de datos para prevenirlos.

Soporta: Claude Codex Code(CC)
📊 69 Adecuado
1

Descargar el ZIP de la skill

2

Subir en Claude

Ve a Configuración → Capacidades → Skills → Subir skill

3

Activa y empieza a usar

Pruébalo

Usando "data-quality-frameworks". Dame una suite mínima de Great Expectations para datos de pedidos.

Resultado esperado:

  • Define columnas requeridas y verificaciones de clave primaria
  • Valida valores de estado y rango de montos
  • Agrega verificaciones de frescura y conteo de filas

Usando "data-quality-frameworks". ¿Cómo pruebo relaciones entre tablas en dbt?

Resultado esperado:

  • Usa prueba de relaciones para validación de clave foránea
  • Verifica integridad referencial entre modelos
  • Valida que customer_id mapee a dim_customers

Usando "data-quality-frameworks". Crear un contrato de datos para datos de clientes.

Resultado esperado:

  • Especifica esquema con campos requeridos y opcionales
  • Define clasificación PII para columnas sensibles
  • Establece SLA de frescura y umbrales de verificación de calidad

Auditoría de seguridad

Seguro
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
Archivos escaneados
762
Líneas analizadas
2
hallazgos
4
Auditorías totales

Factores de riesgo

🌐 Acceso a red (5)
skill-report.json:6 SKILL.md:584 SKILL.md:585 SKILL.md:586 SKILL.md:587
⚙️ Comandos externos (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
Auditado por: claude Ver historial de auditorías →

Puntuación de calidad

38
Arquitectura
100
Mantenibilidad
85
Contenido
22
Comunidad
100
Seguridad
87
Cumplimiento de la especificación

Lo que puedes crear

Crear suites de validación

Crear suites y puntos de verificación de Great Expectations para tablas de data warehouse.

Expandir pruebas dbt

Agregar pruebas de esquema, columnas y pruebas personalizadas dbt para marts.

Definir contratos de datos

Especificar contratos con esquema, verificaciones de calidad y SLAs.

Prueba estos prompts

Verificaciones iniciales 
Crear una suite básica de Great Expectations para una tabla de pedidos con verificaciones de clave primaria, estado, monto y created_at.
Plan de pruebas dbt 
Redactar pruebas dbt para fct_orders y dim_customers incluyendo recurrencia, relaciones y valores aceptados.
Especificación de contrato 
Escribir un esquema de contrato de datos para un conjunto de datos de pedidos con esquema, verificaciones de calidad y SLAs.
Patrón de pipeline 
Describir un pipeline de calidad de datos automatizado que ejecute suites para múltiples tablas y genere un informe.

Mejores prácticas

  • Comenzar con columnas críticas y expandir pruebas con el tiempo
  • Documentar expectativas y propiedad para cada conjunto de datos
  • Alertar sobre fallos y revisar tendencias regularmente

Evitar

  • Probar cada columna sin priorización
  • Hardcodear umbrales sin una justificación
  • Omitir verificaciones de frescura para datos de eventos

Preguntas frecuentes

¿Es compatible con Claude y Codex?
Sí, el contenido es texto plano con ejemplos y funciona con Claude, Codex y Claude Code.
¿Hay límites en el tamaño del conjunto de datos?
Las plantillas no imponen límites, pero el rendimiento depende de su warehouse y diseño de pruebas.
¿Puede integrarse con herramientas de CI u orquestación?
Proporciona patrones que puede adaptar para pipelines de CI o orquestadores.
¿Accede o almacena datos sensibles?
No, solo proporciona documentación y fragmentos de código de ejemplo.
¿Qué hacer si una verificación falla inesperadamente?
Revise cambios recientes en datos, ajuste umbrales y confirme frescura de la fuente.
¿Cómo se compara con una configuración de marco completo?
Es orientación y plantillas, no un marco o paquete preconfigurado.

Detalles del desarrollador

Autor

wshobson

Licencia

MIT

Repositorio

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

Ref.

main

Estructura de archivos

📄 SKILL.md