Data Context Extractor

アナリストから企業固有のデータ知識を抽出し、カスタマイズされたデータ分析スキルを生成するメタスキル。

動作方法

このスキルには2つのモードがあります:

1. ブートストラップモード: 新しいデータ分析スキルをゼロから作成
2. イテレーションモード: ドメイン固有の参照ファイルを追加して既存スキルを改善

---

ブートストラップモード

使用タイミング: ユーザーがウェアハウス用の新しいデータコンテキストスキルを作成したい場合。

フェーズ1: データベース接続と探索

ステップ1: データベースタイプを特定する

質問: 「どのデータウェアハウスを使用していますか?」

一般的なオプション:

• BigQuery
• Snowflake
• PostgreSQL/Redshift
• Databricks

~~data warehouse ツール (クエリおよびスキーマ) を使用して接続します。不明な場合は、現在のセッションで利用可能な MCP ツールを確認してください。

ステップ2: スキーマを探索する

~~data warehouse スキーマツールを使用して:

1. 利用可能なデータセット/スキーマを一覧表示
2. 最も重要なテーブルを識別 (ユーザーに質問: 「アナリストが最もよく検索する3～5個のテーブルはどれですか?」)
3. それらのキーテーブルのスキーマ詳細を取得

データベース方言別の探索クエリサンプル:

-- BigQuery: データセットを一覧表示
SELECT schema_name FROM INFORMATION_SCHEMA.SCHEMATA

-- BigQuery: データセット内のテーブルを一覧表示
SELECT table_name FROM `project.dataset.INFORMATION_SCHEMA.TABLES`

-- Snowflake: スキーマを一覧表示
SHOW SCHEMAS IN DATABASE my_database

-- Snowflake: テーブルを一覧表示
SHOW TABLES IN SCHEMA my_schema

フェーズ2: コアの質問 (これらを質問する)

スキーマ発見後、これらの質問を会話形式で質問します (一度にすべてではなく):

エンティティの明確化 (重要)

「ここで『ユーザー』または『顧客』と言うとき、正確には何を意味していますか? 異なるタイプがありますか?」

以下に注意:

• 複数のエンティティタイプ (ユーザーアカウント対組織)
• それらの間の関係 (1:1、1:多、多:多)
• どのID フィールドがそれらをリンクしているか

主要識別子

「[顧客/ユーザー/アカウント]の主な識別子は何ですか? 同じエンティティに複数のIDがありますか?」

以下に注意:

• 主キー対ビジネスキー
• UUID対整数ID
• レガシーID システム

重要なメトリクス

「人々が最も質問する2～3個のメトリクスは何ですか? それぞれはどのように計算されていますか?」

以下に注意:

• 正確な公式 (ARR = monthly_revenue × 12)
• 各メトリクスにフィードするテーブル/列
• 時間範囲の規約 (直近7日間、カレンダー月など)

データ品質

「クエリから常にフィルタリングすべきものは何ですか? (テストデータ、不正行為、内部ユーザーなど)」

以下に注意:

• 常に含めるべき標準 WHERE 句
• 除外を示すフラグ列 (is_test、is_internal、is_fraud)
• 除外する特定の値 (status = 'deleted')

一般的な落とし穴

「新しいアナリストがこのデータで通常犯すミスは何ですか?」

以下に注意:

• 列名の混同
• タイムゾーンの問題
• NULL 処理の癖
• 履歴対現在の状態テーブル

フェーズ3: スキルを生成する

この構造でスキルを作成:

[company]-data-analyst/
├── SKILL.md
└── references/
    ├── entities.md          # エンティティ定義とリレーション
    ├── metrics.md           # KPI計算
    ├── tables/              # ドメインごとに1ファイル
    │   ├── [domain1].md
    │   └── [domain2].md
    └── dashboards.json      # オプション: 既存ダッシュボードカタログ

SKILL.md テンプレート: references/skill-template.md を参照

SQL 方言セクション: references/sql-dialects.md を参照し、適切な方言の注記を含めます。

参照ファイルテンプレート: references/domain-template.md を参照

フェーズ4: パッケージ化と配信

1. スキルディレクトリにすべてのファイルを作成
2. zipファイルとしてパッケージ化
3. キャプチャされた内容の概要と共にユーザーに提示

---

イテレーションモード

使用タイミング: ユーザーが既存スキルを持っているが、さらにコンテキストを追加する必要がある場合。

ステップ1: 既存スキルを読み込む

ユーザーに既存のスキル (zip またはフォルダ) をアップロードするよう依頼するか、セッションに既に存在する場合はそれを探します。

現在の SKILL.md と参照ファイルを読んで、既に文書化されていることを理解します。

ステップ2: ギャップを特定する

質問: 「どのドメインまたはトピックにさらにコンテキストが必要ですか? どのクエリが失敗しているか、または不正な結果を生成していますか?」

一般的なギャップ:

• 新しいデータドメイン (マーケティング、財務、プロダクト等)
• メトリクス定義の欠落
• 未文書化のテーブルリレーション
• 新しい用語

ステップ3: 対象となる探索

識別されたドメインに対して:

1. 関連テーブルを探索: ~~data warehouse スキーマツールを使用してそのドメイン内のテーブルを検索

2. ドメイン固有の質問をする:

   • 「[ドメイン]分析に使用されるテーブルはどれですか?」
   • 「[ドメイン]の重要なメトリクスは何ですか?」
   • 「[ドメイン]データのための特別なフィルタまたは落とし穴はありますか?」

3. 新しい参照ファイルを生成: ドメインテンプレートを使用して references/[domain].md を作成

ステップ4: 更新とリパッケージ化

1. 新しい参照ファイルを追加
2. SKILL.md の「Knowledge Base Navigation」セクションを更新して新しいドメインを含める
3. スキルをリパッケージ化
4. 更新されたスキルをユーザーに提示

---

参照ファイル標準

各参照ファイルに含める必要があります:

テーブルドキュメント用

• 場所: 完全なテーブルパス
• 説明: このテーブルが何を含むか、いつ使用するか
• 主キー: 行を一意に識別する方法
• 更新頻度: データがどのくらいの頻度でリフレッシュされるか
• 主要列: 列名、タイプ、説明、注記を含むテーブル
• リレーション: このテーブルが他とどのように結合されるか
• サンプルクエリ: 2～3個の一般的なクエリパターン

メトリクスドキュメント用

• メトリクス名: 人間が読める名前
• 定義: 平易な英語での説明
• 公式: 列参照を含む正確な計算
• ソーステーブル: データがどこから来るか
• 注意事項: エッジケース、除外、落とし穴

エンティティドキュメント用

• エンティティ名: それが何と呼ばれるか
• 定義: ビジネスで何を表すか
• 主要テーブル: このエンティティをどこで見つけるか
• ID フィールド: どのようにそれを識別するか
• リレーション: それが他のエンティティとどのように関連しているか
• 一般的なフィルタ: 標準的な除外 (内部、テストなど)

---

品質チェックリスト

生成されたスキルを配信する前に、以下を確認:

• SKILL.md に完全なfrontmatter (name、description) がある
• エンティティの明確化セクションが明確である
• 主要な用語が定義されている
• 標準フィルタ/除外が文書化されている
• ドメインごとに少なくとも2～3個のサンプルクエリがある
• SQL が正しい方言の構文を使用している
• 参照ファイルが SKILL.md ナビゲーションセクションからリンクされている