Навыки data-quality-frameworks

📦

data-quality-frameworks

Name: data-quality-frameworks
Author: wshobson

Ревизия содержимого r1 Безопасно ⚙️ Внешние команды🌐 Доступ к сети

Реализация проверки качества данных

Командам данных нужны надежные проверки до того, как некорректные данные попадут в аналитику или production-процессы. Этот skill предоставляет практические шаблоны для Great Expectations, dbt tests, contracts и отчетов о качестве.

Поддерживает: Claude Codex Code(CC)

🥉 77 Бронза

Установить с помощью моего Агента

Скопируйте этот запрос в своего Агента. Он содержит каноническую страницу Skill и манифест.

Запрос агента

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.

Ваш Агент по-прежнему должен показать план и запросить все подтверждения, требуемые политикой безопасности.

Ресурсы для AI-агентов

Используйте эти ссылки, когда AI-агенту, crawler или script нужен чистый контекст вместо полной страницы.

Markdown-детали GET /skills/wshobson-data-quality-frameworks.md Подписанный manifest GET /api/skills/wshobson-data-quality-frameworks/manifest Подписанный lockfile GET /api/skills/wshobson-data-quality-frameworks/lockfile

Протестировать

Использование «data-quality-frameworks». Создать проверки качества для fact table заказов.

Ожидаемый результат:

Проверка свежести на уровне таблицы для недавних временных меток создания заказов.
Проверки колонок на уникальность идентификаторов заказов и отсутствие null в идентификаторах клиентов.
Допустимые значения статуса и проверка положительной суммы.
Проверка связи от orders к customer dimension.

Использование «data-quality-frameworks». Подготовить черновик data contract для customer events.

Ожидаемый результат:

Структура контракта с владельцем, версией, назначением и ограничениями использования.
Поля схемы с обязательностью, ожиданиями по типам и классификацией PII.
Проверки качества для количества строк, отсутствующих идентификаторов, валидных типов событий и свежести.
Сервисные ожидания по доступности, свежести и задержке.

Использование «data-quality-frameworks». Спланировать validation pipeline для трех таблиц хранилища.

Ожидаемый результат:

Порядок запуска наборов проверок таблиц.
Сводка результатов с пройденными и неуспешными expectations.
Правила сбоев, которые останавливают pipeline при провале критически важных проверок.
Краткий формат отчета для операционных и аналитических заинтересованных сторон.

Аудит безопасности

Безопасно

v7 • 07.07.2026 Открыть версионный отчет

All 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.

Просканировано файлов

588

Проанализировано строк

Пункты проверки

Ложные срабатывания проигнорированы

Факторы риска

Последний завершенный статический и семантический аудит не обнаружил подтвержденных проблем безопасности. Это не доказывает отсутствие побочных эффектов у навыка.

Аудитор:: codex Посмотреть историю аудитов →

Поделиться и цитировать этот отчет

Делитесь версионным отчетом об оценке, нейтральным значком, встраиваемой карточкой и цитатами. Skillstore публикует доказательства, не решая, безопасен ли этот Skill.

Открыть версионный отчет

Копировать ссылку на отчёт

https://skillstore.io/skills/wshobson-data-quality-frameworks/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_report

Значок Markdown

[![Skillstore security assessment](https://skillstore.io/badges/skills/wshobson-data-quality-frameworks/security.svg)](https://skillstore.io/skills/wshobson-data-quality-frameworks?utm_source=security_passport_badge)

Значок 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>

Встраиваемая карточка

<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>

Академические ссылки (APA · BibTeX · CFF)

Цитата 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/7

Цитата 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"

Сравнить варианты

2 устанавливаемых вариантов

Навык каждого автора остаётся отдельным устанавливаемым вариантом. Рекомендуемый вариант ранжируется по данным Skillstore.

Почему этот вариант первый

Самая высокая оценка Skillstore

Автор / источник Оценка Skillstore Достоверность доказательств Использование в Skillstore Обновлено

wshobson Рекомендуется Текущий

wshobson-data-quality-frameworks

Оценка Skillstore 77

Достоверность доказательств Высокий

Использование в Skillstore 13

Обновлено

2026-09-09

sickn33

sickn33-data-quality-frameworks

Оценка Skillstore 71

Достоверность доказательств Высокий

Использование в Skillstore 11

Обновлено

2026-09-09

Оценка Skillstore

Почему такая оценка Достоверность доказательств: Высокий

Архитектура

Сопровождаемость

Контент

Сообщество

Соответствие спецификации

Что вы можете построить

Добавить проверки качества в хранилище

Создать покрытие проверками для критически важных мартов данных: уникальность, not-null, диапазоны, свежесть и связи.

Определить контракты между producer и consumer

Задокументировать поля схемы, владельцев, обработку PII, проверки качества и сервисные ожидания для общих data products.

Автоматизировать правила сбоя pipeline

Использовать результаты проверки для формирования отчетов и прерывания workflows, когда важные таблицы не соответствуют ожиданиям.

Попробуйте эти промпты

Начать чеклист качества

Используй этот skill, чтобы создать чеклист качества данных для моей таблицы orders. Включи проверки полноты, уникальности, валидности и свежести.

Спроектировать dbt tests

Используй этот skill, чтобы предложить dbt tests для этих моделей и колонок. Объясни, какие проверки относятся к уровню таблицы, а какие к уровню колонки.

Создать data contract

Используй этот skill, чтобы подготовить черновик data contract для этого набора данных. Включи владельца, поля схемы, флаги PII, правила качества и ожидания по SLA.

Спланировать автоматизацию проверки

Используй этот skill, чтобы спроектировать автоматизированный workflow проверки для нескольких таблиц хранилища. Включи обработку сбоев, отчетность и интеграцию с CI.

Лучшие практики

Начинайте с критически важных колонок и бизнес-правил, прежде чем расширять покрытие.
Используйте динамические пороговые значения для количества строк и свежести, когда объем данных часто меняется.
Версионируйте data contracts и правила проверки вместе с кодом pipeline, который от них зависит.

Избегать

Проверка каждой колонки без приоритизации по влиянию на бизнес.
Игнорирование проверок свежести и связей, когда исходные таблицы поступают с задержкой или неполными.
Жестко заданные пороговые значения, которые создают шум или пропускают реальные изменения качества данных.

Часто задаваемые вопросы

Запускает ли этот skill Great Expectations или dbt автоматически?

Нет. Он предоставляет шаблоны реализации и примеры, которые пользователи адаптируют и запускают в собственных проектах.

Может ли он помочь с data contracts?

Да. Он показывает разделы контракта для метаданных, схемы, правил качества, классификации PII и ожиданий по SLA.

Это только для аналитических хранилищ?

Нет. Примеры сосредоточены на workflows хранилища, но концепции проверки также применимы к pipelines и общим data products.

Включает ли он production-ready пороговые значения?

Нет. Пороговые значения являются примерами и должны быть откалиброваны с учетом реального поведения данных и бизнес-риска.

Какие инструменты он охватывает?

Он охватывает Great Expectations, dbt tests, data contracts, проверки в стиле Soda и оркестрацию проверки на Python.

Что пользователи должны предоставить перед его использованием?

Пользователи должны предоставить имена таблиц, ключевые колонки, ожидаемые значения, требования к свежести, владельцев и правила обработки сбоев.

Сведения для разработчиков

Автор

wshobson

Лицензия

MIT

Ревизия Skillstore

Примечание о версии

Автор не указал версию.

Репозиторий

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

Ссылка

36e07d5e13068e5be64447e8f20b427cf2cbd21a

Актуальность поддержки

18.07.2026

Использование

10 загрузок · 273 просмотров

Структура файлов

📄 SKILL.md