Anthropic公式の「データアナリスト用スキル」を読み、分析の進め方を5段に整理
Hiroba による自動要約
Anthropic の knowledge-work-plugins に含まれる data プラグインの全10スキルを読み解いた解説記事。分析を「問いの重さを決める→データを疑う→計算する→検証する→洞察から語る」の5段に整理し、欠損率の判断基準や `/data:validate-data` による総点検、社内の暗黙知をスキル化する `data-context-extractor` の仕組みまで紹介。Claude Code で集計・分析を行う人向け。
読んで良かったら、シェアしてみてください。
同じタグの記事が他に 4946 件あります。
関連する記事
同じタグの記事
AIに動画編集を任せられるかは、暗黙知をどう渡すかで決まる ― 7つの法則を「入力・確かめ方・記憶・手入れ」で読む
ZennClaude Code（Opus 5.5）にYouTube動画の編集を全面委任している筆者による、7つの法則の整理。完成品の編集データ・外注向けレギュレーションシート・初稿への指摘履歴を入力として渡し、1〜2分のサンプル書き出しと理由付きの修正指示、57項目の書き出し前チェックリストで品質を担保する構成。AIに判断基準を渡す設計に関心のある実務者向け。
Claude Code でプロダクト業務を整理する方法
HNプロダクトマネージャーが Claude Code を活用する際、プロンプトチューニングよりもファイル構成が結果を左右する。コンテキストフォルダ・プロジェクトフォルダ・再利用可能なSkillsを組み合わせた workspace 構成により、毎回ゼロから文脈説明する手間を削減し、修正内容を永続化できる。GitHub公開の starter workspace とセットアップガイドで、技術背景なしに導入可能。
AI活用が進まない本当の理由—「使い方」ではなく「マインドセット」
Zenn社内AI勉強会での経験から、従業員がAIツール導入後も活用が進まない原因は「使い方が分からない」のではなく「マインドセットの欠如」であることに気づいた。小さな成功体験が自動化への心理的障壁を下げ、その後の積極的なAI活用につながることが重要。
一人会社の経営判断を AI 役員 9 人に壁打ちさせる仕組みを Claude Code で作った
Qiita一人経営の意思決定を支援するため、Claude Code で役職ごとのペルソナを持った 9 人の AI 役員システムを構築。財務・技術・営業など各領域の判断軸を固定し、並列サブエージェントで独立した意見を収集して人間が最終決定する設計。キャラ擬人化や数値出典管理、レビュー三段ゲートなど、運用継続と責任明確化を実現。