Guide de lecture localisé
explore-dataObjectif, utilisation et source
Analysez et profilez un jeu de données pour comprendre sa structure, sa qualité et ses tendances. Utilisez cette fonction lors de l'ouverture d'une nouvelle table ou d'un nouveau fichier, pour vérifier les taux de valeurs nulles et la distribution des colonnes, repérer les problèmes de qualité des données comme les doublons ou les valeurs suspectes, ou pour déterminer les dimensions et les indicateurs à analyser.
Source récupérée:
- Dépôt source
- anthropics/knowledge-work-plugins
- SKILL.md
data/skills/explore-data/SKILL.md- Étoiles du dépôt
- 34,049
- Mise à jour du dépôt
- 2026-10-30
- Catégories de capacités
- Données
- Dernière collecte
Licence : Fichier de licence à vérifier
Les extraits de flux de travail sont des outils de lecture et non des instructions exécutables de Codez. Aucune compétence tierce n'a été utilisée pour générer cette page.
Les passages relatifs à l'objectif et au flux de travail ci-dessous constituent le contenu original, organisé et traduit pour la lecture. Ils sont distincts de l'analyse éditoriale de Codez, qui est étiquetée séparément.
À quoi sert cette compétence ?
Analysez et profilez un jeu de données pour comprendre sa structure, sa qualité et ses tendances. Utilisez cette fonction lors de l'ouverture d'une nouvelle table ou d'un nouveau fichier, pour vérifier les taux de valeurs nulles et la distribution des colonnes, repérer les problèmes de qualité des données comme les doublons ou les valeurs suspectes, ou pour déterminer les dimensions et les indicateurs à analyser.
Comment fonctionne le flux de travail en amont
Score d'exhaustivité
Évaluez chaque colonne : Complète (>99% non nul) : Vert Presque terminé (95-99%) : Jaune -- examiner les valeurs nulles Incomplet (80-95%) : Orange – comprendre pourquoi et si cela a de l'importance
passage en amont · L176 ↗/explore-data - Profiler et explorer un jeu de données
Si vous voyez des espaces réservés inhabituels ou si vous devez vérifier quels outils sont connectés, consultezCONNECTORS.mdGénérez un profil de données complet pour un tableau ou un fichier importé. Comprenez sa structure, sa qualité et ses tendances avant de procéder à l'analyse.
passage en amont · L7 ↗1Accéder aux données
Si un serveur MCP d'entrepôt de données est connecté : résoudre le nom de la table (gérer les préfixes de schéma, suggérer des correspondances en cas d'ambiguïté)
passage en amont · L21 ↗/explore-data <table_name or file>Configuration requise
Lignée et dépendances
Lors de l'exploration d'un environnement de données inconnu : commencez par les tables de « sortie » (celles que les rapports ou les tableaux de bord utilisent).
passage en amont · L311 ↗Limites et contrôles de qualité
4Identifier les problèmes de qualité des données
Appliquez le cadre d'évaluation de la qualité ci-dessous. Signalez les problèmes potentiels : Taux élevés de valeurs nulles : Colonnes avec >5% nulls (avertissement), >20% nulls (alerte)
passage en amont · L110 ↗Commencez par un essai sans danger
- Vérifiez l'hôte pris en charge et les instructions d'installation du dépôt. Conservez le répertoire Skill ainsi que ses scripts, ressources et documentation référencés ;SKILL.mdSeul, il peut omettre les dépendances.
- Indiquez à l'agent vos paramètres d'entrée réels, le résultat souhaité et les critères d'acceptation. La syntaxe d'appel et les outils disponibles dépendent du système hôte ; ce site ne propose pas de commande d'installation universelle.
- Testez le flux de travail source dans un projet temporaire ou sur une copie. Avant d'autoriser les opérations qui modifient des fichiers, des services distants ou des ressources facturables, examinez-les attentivement.
- Vérifiez la conformité du résultat avec les contrôles qualité sources et vos propres exigences. Un déclenchement réussi ou un nombre élevé d'étoiles dans le dépôt ne garantissent pas un résultat correct.
Pour en savoir plus, consultez la source.
- /explore-data - Profiler et explorer un jeu de données
- 1Accéder aux données
- 2Comprendre la structure
- 3Générer un profil de données
- 4Identifier les problèmes de qualité des données
- 5Découvrir les relations et les schémas
- 6Suggérer des dimensions et des indicateurs intéressants
- 7. Des analyses complémentaires sont recommandées
- Score d'exhaustivité
- Contrôles de cohérence
- Indicateurs de précision
- Évaluation du respect des délais
- Analyse de la distribution
- Modèles temporels
- Découverte de la segmentation
- Exploration des corrélations
- Modèle de documentation de schéma
- Requêtes d'exploration de schéma
- Lignée et dépendances
- Conseils
Compétences connexes
Traduction et étendue
Ce guide de lecture sélectionne des passages de l'amont épingléSKILL.mdCette traduction est assistée. Elle ne constitue pas un manuel complet et ne garantit pas une compatibilité testée. Veuillez lire le document original et les fichiers auxquels il fait référence avant utilisation.
Cette introduction fait référence à la version épinglée ci-dessous ; l’activité actuelle du dépôt et la durée de la collecte sont indiquées séparément.
- Source épinglée
- Lire l'original ↗
- Source récupérée
- Commit source
2574e29377c7173d0cecffef29a6ecbd7f8ccb5d- Source SHA-256
af7590fa616360259da712b5ede5f79b817beb854c47a465f95774354988e8a2