data-exploration-tool
データベーススキーマとプロファイルデータの調査
このスキルは、ユーザーがデータベース構造を体系的に調査し、テーブルの関係を理解し、構造化されたプロファイルワークフローを通じてデータ品質を評価することを支援します。
スキルZIPをダウンロード
Claudeでアップロード
設定 → 機能 → スキル → スキルをアップロードへ移動
オンにして利用開始
テストする
「data-exploration-tool」を使用しています。 publicスキーマを調査
期待される結果:
- 5つのテーブルが見つかりました: users, orders, products, order_items, categories
- Usersテーブル: 1,250行、8列 (id, email, name, created_at, etc.)
- Ordersテーブル: 5,432行、user_id経由でusers.idを参照
- データ品質: usersテーブルは98%完全、ordersテーブルは95%完全
「data-exploration-tool」を使用しています。 ordersテーブルをプロファイル
期待される結果:
- テーブル: orders | 行数: 5,432
- 列: id (int), user_id (int FK→users), total (decimal), status (varchar), created_at (timestamp)
- Null率: status=0%, total=2%, user_id=0%
- 日付範囲: 2024-01-01 から 2025-03-10
セキュリティ監査
安全Security review complete. Static analyzer flagged 19 potential issues (backticks, crypto keywords, reconnaissance patterns), but manual review confirms all are false positives. The skill contains only markdown documentation with SQL query examples - no actual shell commands, cryptographic code, or reconnaissance tools. This is a legitimate database exploration skill with no security concerns.
検出されたパターン
品質スコア
作れるもの
新しいデータベースへのオンボーディング
クエリを作成する前に、スキーマ、テーブル、およびその関係を調査して、新しいデータベースの構造をすばやく理解します。
データ品質監査
null率のチェック、空の列の特定、テーブル間のデータ分布のレビューを通じて、データの完全性を評価します。
クエリ作成の準備
複雑な結合や集計を作成する前に、テーブルの関係をマッピングし、列のタイプを理解します。
これらのプロンプトを試す
data-explorationスキルを使用してスキーマを調査し、publicスキーマでどのようなテーブルが利用可能かを教えてください。
data-explorationスキルを使用してusersテーブルをプロファイルしてください。列名、タイプ、null率を含めます。
data-explorationスキルを使用して、ordersテーブルが他のテーブルとどのように関連しているかを検出してください。外部キーパターンを探します。
data-explorationスキルを使用してpublicスキーマ内のすべてのテーブルの品質チェックを実行してください。null率が高いテーブルや完全性が低いテーブルを特定してください。
ベストプラクティス
- Start with read_schema to get a complete table inventory before diving into details
- Use the three-phase workflow (Discovery → Profiling → Relationships) for consistent results
- Check null rates early to identify incomplete data before building queries on those columns
回避
- Jumping straight to writing queries without first exploring the schema structure
- Assuming column names are intuitive without verifying with describe_table
- Ignoring null rate information when building aggregations or joins