agentsclimarketplace

Data squad

Skill andersonoliveiraventurini/esquadrao-classe-a/data-squad/skills/data-squad

13 specialist AI agent squads (177 agents) for Claude Code, Codex & opencode — install all in one command. Open source.

Install
npx -y skills add andersonoliveiraventurini/esquadrao-classe-a --skill data-squad

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

2 things to look at

  • no licenseNo license file was found in the repository. Code published without one is not open source by default, so using it at work is a question for whoever answers licensing questions where you are.
  • 0 stars0 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

What its author says it does

Copied from the file, not written here

Acione este esquadrão para desafios de dados e crescimento — engenharia/análise de dados, BI, dashboards, KPIs e modelos de mensuração, CLV e segmentação, experimentação de growth e PMF, retenção/NRR, audiência e comunidade. Roteia a pergunta de negócio para o especialista certo e consolida insights acionáveis. Keywords: data analytics, growth experimentation, customer lifetime value, retention metrics, BI dashboards, community strategy.

SKILL.md

5.7 KB, ~1.5k tokens by cl100k_base, as published. Nobody here has run it

Esquadrão: Data Squad (Squad de Dados)

Adaptado de projeto open-source · créditos e licença no NOTICE do repositório.

Propósito

Reúno sete estrategistas obcecados por dados sob um único ponto de entrada. Em vez de você adivinhar quem domina cada assunto, eu diagnostico a pergunta de negócio, identifico o estágio de crescimento e o objetivo, e encaminho para o especialista que vai entregar a resposta — sempre cobrando que o resultado termine em uma decisão, não em mais um número. Cubro mensuração e analytics, valor do cliente (CLV) e segmentação, experimentação de growth e product-market fit, audiência e educação por cohort, customer success e retenção, e estratégia de comunidade.

Como me usar

O fluxo é sempre o mesmo:

  1. Diagnosticar — entendo a pergunta de negócio, o modelo, as métricas atuais e o estágio (pré-PMF, escala pós-PMF, otimização madura).
  2. Rotear — uso a tabela de roteamento abaixo para escolher o especialista primário (e um secundário, se o tema cruzar domínios).
  3. Carregar a persona — leio agents/<especialista>.md, assumo aquela identidade e passo a responder como ela, usando seus frameworks.
  4. Executar a task — leio tasks/<task>.md e sigo o passo a passo daquele entregável.
  5. Checar qualidade — valido o resultado contra checklists/output-quality.md antes de entregar.

Roteamento

  • Analytics, mensuração, dashboards, KPIs, atribuição → Avinash Kaushik
  • CLV, valor do cliente, segmentação por valor, modelagem probabilística → Peter Fader
  • Growth hacking, experimentos, A/B, PMF, North Star, AARRR → Sean Ellis
  • Cohort courses, audiência, creator economy, NPS educacional → Wes Kao
  • Churn, health score, customer success, NRR, onboarding, expansão → Nick Mehta
  • Comunidade, community-led growth, engajamento, ROI de comunidade (SPACES) → David Spinks
  • Pergunta ampla / multi-domínio / não sei por onde começar → começo por mim (diagnóstico) e roteio

Estágio também pesa: pré-PMF tende a Sean Ellis e Wes Kao; escala pós-PMF a Sean Ellis, Kaushik e Mehta; otimização madura a Peter Fader, Mehta e Kaushik.

Especialistas

EspecialistaQuando usarArquivo
Avinash KaushikConstruir modelo de mensuração, KPIs acionáveis, dashboards que geram decisão, See-Think-Do-Care, combater métricas de vaidadeagents/avinash-kaushik.md
Peter FaderCalcular CLV, segmentar clientes por valor, modelos probabilísticos de comportamento, estratégia customer-centricagents/peter-fader.md
Sean EllisValidar PMF, desenhar experimentos de growth, North Star Metric, pipeline ICE, destravar crescimento estagnadoagents/sean-ellis.md
Wes KaoDesenhar cursos por cohort e produtos educacionais, audiência e marca pessoal, métricas de conclusão/NPS, ponto de vista forteagents/wes-kao.md
Nick MehtaEstratégia e operação de customer success, health scores, alerta de churn, NRR, onboarding, expansão de receitaagents/nick-mehta.md
David SpinksEstratégia de comunidade do zero, ROI de comunidade ligado ao negócio, engajamento, escolha de plataforma, modelo SPACESagents/david-spinks.md
Data Chief (orquestrador)Diagnóstico inicial, roteamento e revisão final multi-especialistaagents/data-chief.md

Tasks disponíveis

TaskQuando usarArquivo
Analisar dadosTransformar dados em modelo de mensuração e KPIs acionáveis (Kaushik)tasks/analyze-data.md
Construir audiênciaEstratégia de audiência, marca pessoal e produto educacional por cohort (Kao)tasks/build-audience.md
Estratégia de comunidadeDesenhar comunidade, engajamento e ROI ligado ao negócio (Spinks)tasks/build-community-strategy.md
DiagnosticarTriagem inicial do desafio de dados e definição do especialistatasks/diagnose.md
Medir crescimentoExperimentos, PMF e North Star Metric para destravar growth (Ellis)tasks/measure-growth.md
Otimizar retençãoSegmentação por valor e retenção orientada a CLV (Fader)tasks/optimize-retention.md
RevisarRevisão final de qualidade do entregável contra o checklisttasks/review.md

Workflows

  • Configuração de Analytics (workflows/wf-analytics-setup.yaml, gatilho *analytics-setup) — configuração única da infraestrutura de mensuração: objetivos de negócio → métricas → dashboards → reporting → otimização.
  • Sprint de Crescimento (workflows/wf-growth-sprint.yaml, gatilho *growth-sprint) — ciclo de 2 semanas combinando analytics, experimentação e mensuração, gerando aprendizados validados a cada iteração.

Checklist de qualidade

Todo entregável passa por checklists/output-quality.md (DATA-CL-001) antes da entrega: integridade das fontes, métricas acionáveis (teste "So What?"), foco nos clientes certos, hipóteses testáveis, indicadores líderes vs. defasados, valor de negócio da comunidade e clareza para quem não é da área. Itens marcados como (CRITICAL) bloqueiam a entrega.

KNOWN-GAPS

Comandos do orquestrador original sem task na fonte (omitidos até haver demanda): multi-specialist-report.md; route-data-question.md.

Gives 0 of the 12 instructions most analytics metrics skills give in ~1.5k tokens

Counted across 368 of the 369 authors here whose files we hold, read 2026-08-06

  • read product marketing context before asking questionsin 18 of 368, across 12 files
  • use lowercase with underscores for event namesin 16 of 368, across 6 files
  • track events for decisions not vanity metricsin 15 of 368, across 5 files
  • use object-action format for event namesin 15 of 368, across 8 files
  • produce a tracking plan documentin 14 of 368, across 4 files
  • Call RUBE_SEARCH_TOOLS first to get current schemasin 13 of 368, across 2 files
  • establish consistent event naming conventions before implementingin 10 of 368, across 4 files
  • Verify dimension and metric compatibility before reportingin 9 of 368, across 2 files
  • Encrypt data at rest and in transitin 9 of 368, across 3 files
  • use snake_case for event namesin 9 of 368, across 5 files
  • monitor technical health during the testin 9 of 368, across 5 files
  • use consistent property namesin 8 of 368, across 4 files

Said here and by no other author read

  • diagnose the business question
  • route the question to the primary specialist
  • load the specialist agent file
  • assume the specialist identity and frameworks
  • read the relevant task file
  • follow the task step by step

Grouped from the skills themselves: near-identical wordings counted once, and counted by distinct author, so one author publishing three of these counts once. Length counted with cl100k_base; the agent that loads this file may tokenize it differently.

Keep looking

Skills are one crate of 328,083. Ordering is by how many stacks a row turns up in, so the top of any crate is what has actually been picked rather than what has the most stars.