kpi-dashboard-design
重要業績評価指標(KPI)を追跡するダッシュボードを設計・構築します。関連するメトリクスを選定してデータを効果的に可視化し、ステークホルダーへのインサイト共有をサポートします。
description の原文を見る
> Design and build dashboards that track key performance indicators. Select relevant metrics, visualize data effectively, and communicate insights to stakeholders.
SKILL.md 本文
KPI ダッシュボード設計
目次
概要
効果的な KPI ダッシュボードはパフォーマンスを可視化し、データドリブンな意思決定を実現し、チームが共通の目標に向かって一致するのを支援します。
使用時期
- パフォーマンス測定システムの構築
- リーダーシップレポートと可視化
- オペレーショナルモニタリング
- プロジェクト進捗追跡
- チームパフォーマンス管理
- カスタマーヘルスモニタリング
- 財務報告
クイックスタート
最小限の動作例:
# Select relevant, measurable KPIs
class KPISelection:
KPI_CRITERIA = {
'Relevant': 'Directly aligned with business strategy',
'Measurable': 'Can be quantified and tracked',
'Actionable': 'Team can influence the metric',
'Timely': 'Measured frequently (daily/weekly)',
'Bounded': 'Has clear target/threshold',
'Simple': 'Easy to understand'
}
def identify_business_goals(self):
"""Map goals to KPIs"""
return {
'Revenue Growth': [
'Monthly Recurring Revenue (MRR)',
'Annual Recurring Revenue (ARR)',
'Customer Lifetime Value (CLV)',
'Average Revenue Per User (ARPU)'
],
'Customer Acquisition': [
'Customer Acquisition Cost (CAC)',
'Conversion Rate',
'Traffic to Lead Rate',
// ... (see reference guides for full implementation)
リファレンスガイド
references/ ディレクトリ内の詳細な実装:
| ガイド | 内容 |
|---|---|
KPI 選定フレームワーク | KPI 選定フレームワーク |
ダッシュボード設計 | ダッシュボード設計 |
ダッシュボード実装 | ダッシュボード実装 |
KPI モニタリング & ガバナンス | KPI モニタリング & ガバナンス |
ベストプラクティス
✅ すべき事
- データではなくビジネス目標から始める
- ダッシュボードを 5~7 個のコア指標に限定する
- 先行指標と遅行指標の両方を含める
- 指標の所有権を明確に割り当てる
- ダッシュボードを定期的に更新する
- ドリルダウン機能を利用可能にする
- ビジュアルハイアラーキーを効果的に使用する
- 実際のユーザーでテストする
- コンテキストとベンチマークを含める
- 指標の定義を文書化する
❌ してはいけない事
- 目的を明確にしないままダッシュボードを作成する
- 指標が多すぎる(分析の麻痺)
- データ品質を忘れる
- ステークホルダーの入力なしで構築する
- 混乱を招く可視化を使用する
- ダッシュボードを放置する
- モバイル表示体験を無視する
- ダッシュボード使用方法のトレーニングをスキップする
- 誰も影響を与えられない指標を作成する
- 指標を頻繁に変更する
ライセンス: MIT(寛容ライセンスのため全文を引用しています) · 原本リポジトリ
詳細情報
- 作者
- aj-geddes
- ライセンス
- MIT
- 最終更新
- 不明
Source: https://github.com/aj-geddes/useful-ai-prompts / ライセンス: MIT
関連スキル
hugging-face-trackio
Trackioを使用してMLトレーニング実験を追跡・可視化できます。トレーニング中のメトリクスログ記録(Python API)、トレーニング診断のアラート発火、ログされたメトリクスの取得・分析(CLI)が必要な場合に活用してください。リアルタイムダッシュボード表示、Webhookを使用したアラート、HF Space同期、自動化向けのJSON出力に対応しています。
btc-bottom-model
ビットコインのサイクルタイミングモデルで、加重スコアリングシステムを搭載しています。日次パルス(4指標、32ポイント)とウィークリー構造(9指標、68ポイント)の2カテゴリーにわたる13の指標を追跡し、0~100のマーケットヒートスコアを算出します。ETFフロー、ファンディングレート、ロング/ショート比率、恐怖・貪欲指数、LTH-MVRV、NUPL、SOPR(LTH+STH)、LTH供給率、移動平均倍率(365日MA、200週MA)、週次RSI、出来高トレンドに対応します。市場サイクル全体を通じて買いと売りの両方の推奨を提供します。ビットコインの底値拾い、BTCサイクルポジション、買い時・売り時、オンチェーン指標、MVRV、NUPL、SOPR、LTH動向、ETFの流出入、ファンディングレート、恐怖指数、ビットコインが過熱状態か、マイナーコスト、暗号資産市場のセンチメント、BTCのポジションサイジング、「今ビットコインを買うべきか」「BTCが天井をつけているか」「オンチェーン指標は何を示しているか」といった質問の際にこのスキルを活用します。
protein_solubility_optimization
タンパク質の溶解性最適化 - タンパク質の溶解性を最適化します。タンパク質の特性を計算し、溶解性と親水性を予測し、有効な変異を提案します。タンパク質配列の特性計算、タンパク質機能の予測、親水性計算、ゼロショット配列予測を含むタンパク質エンジニアリング業務に使用できます。3つのSCPサーバーから4つのツールを統合しています。
research-lookup
Parallel Chat APIまたはPerplexity sonar-pro-searchを使用して、最新の研究情報を検索できます。学術論文の検索にも対応しています。クエリは自動的に最適なバックエンドにルーティングされるため、論文の検索、研究データの収集、科学情報の検証に活用できます。
tree-formatting
ggtree(R)またはiTOL(ウェブ)を使用して、系統樹の可視化とフォーマットを行います。系統樹を図として描画する際、ツリーレイアウトの選択、分類学に基づく枝やラベルの色付け、クレードの折りたたみ、サポート値の表示、またはツリーへのオーバーレイ追加が必要な場合に使用してください。系統推定(protein-phylogenyスキルを使用)やドメイン注釈(今後の独立したスキル)には使用しないでください。
querying-indonesian-gov-data
インドネシア政府の50以上のAPIとデータソースに接続できます。BPJPH(ハラール認証)、BOM(食品安全)、OJK(金融適正性)、BPS(統計)、BMKG(気象・地震)、インドネシア中央銀行(為替レート)、IDX(株式)、CKAN公開データポータル、pasal.id(第三者法MCP)に対応しています。インドネシア政府データを活用したアプリ開発、.go.idウェブサイトのスクレイピング、ハラール認証の確認、企業の法的適正性の検証、金融機関ステータスの照会、またはインドネシアMCPサーバーへの接続時に使用できます。CSRF処理、CKAN API使用方法、IP制限回避など、すぐに実行可能なPythonパターンを含んでいます。