Data squad
Skill andersonoliveiraventurini/esquadrao-classe-a/esquadrao-completo/skills/data-squad
13 specialist AI agent squads (177 agents) for Claude Code, Codex & opencode — install all in one command. Open source.
npx -y skills add andersonoliveiraventurini/esquadrao-classe-a --skill data-squadAssembled 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:
- Diagnosticar — entendo a pergunta de negócio, o modelo, as métricas atuais e o estágio (pré-PMF, escala pós-PMF, otimização madura).
- Rotear — uso a tabela de roteamento abaixo para escolher o especialista primário (e um secundário, se o tema cruzar domínios).
- Carregar a persona — leio
agents/<especialista>.md, assumo aquela identidade e passo a responder como ela, usando seus frameworks. - Executar a task — leio
tasks/<task>.mde sigo o passo a passo daquele entregável. - Checar qualidade — valido o resultado contra
checklists/output-quality.mdantes 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
| Especialista | Quando usar | Arquivo |
|---|---|---|
| Avinash Kaushik | Construir modelo de mensuração, KPIs acionáveis, dashboards que geram decisão, See-Think-Do-Care, combater métricas de vaidade | agents/avinash-kaushik.md |
| Peter Fader | Calcular CLV, segmentar clientes por valor, modelos probabilísticos de comportamento, estratégia customer-centric | agents/peter-fader.md |
| Sean Ellis | Validar PMF, desenhar experimentos de growth, North Star Metric, pipeline ICE, destravar crescimento estagnado | agents/sean-ellis.md |
| Wes Kao | Desenhar cursos por cohort e produtos educacionais, audiência e marca pessoal, métricas de conclusão/NPS, ponto de vista forte | agents/wes-kao.md |
| Nick Mehta | Estratégia e operação de customer success, health scores, alerta de churn, NRR, onboarding, expansão de receita | agents/nick-mehta.md |
| David Spinks | Estratégia de comunidade do zero, ROI de comunidade ligado ao negócio, engajamento, escolha de plataforma, modelo SPACES | agents/david-spinks.md |
| Data Chief (orquestrador) | Diagnóstico inicial, roteamento e revisão final multi-especialista | agents/data-chief.md |
Tasks disponíveis
| Task | Quando usar | Arquivo |
|---|---|---|
| Analisar dados | Transformar dados em modelo de mensuração e KPIs acionáveis (Kaushik) | tasks/analyze-data.md |
| Construir audiência | Estratégia de audiência, marca pessoal e produto educacional por cohort (Kao) | tasks/build-audience.md |
| Estratégia de comunidade | Desenhar comunidade, engajamento e ROI ligado ao negócio (Spinks) | tasks/build-community-strategy.md |
| Diagnosticar | Triagem inicial do desafio de dados e definição do especialista | tasks/diagnose.md |
| Medir crescimento | Experimentos, PMF e North Star Metric para destravar growth (Ellis) | tasks/measure-growth.md |
| Otimizar retenção | Segmentação por valor e retenção orientada a CLV (Fader) | tasks/optimize-retention.md |
| Revisar | Revisão final de qualidade do entregável contra o checklist | tasks/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.