# data-profiler

Скилл data-profiler для Claude Code анализирует таблицы со строительными данными. Выявляет пропуски, дубликаты, аномалии в сметах и сопоставляет форматы шифров до загрузки в ETL.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode, Windsurf (Devin Desktop), Claude.ai · 115 установок · ★ 434 у репозитория
- Автор: datadrivenconstruction
- Лицензия: MIT · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction/tree/HEAD/2_DDC_Book/2.1-Data-Types-Classification/data-profiler/SKILL.md
- Обновлён: 2026-10-19
- Проверка безопасности: автоматическая, 2026-11-17 (текст) — признаков вредоносного кода не нашли.
- HTML: https://affpapa.org/nevibecode/skills/datadrivenconstruction-data-profiler

## Что делает

Инструмент строит сводный профиль таблицы через Python и библиотеку pandas. Он рассчитывает статистику по каждому столбцу: процент пустых ячеек, уникальность значений, среднее, медиану и стандартное отклонение для чисел. В коде зашиты регулярные выражения под отраслевые форматы: коды CSI MasterFormat, шифры проектов, WBS-структуры и расценки.

Профайлер проверяет логическую корректность данных. Он отмечает строки с выбросами дальше трёх стандартных отклонений и находит отрицательные значения в столбцах стоимости. В конце расчёта формируется итоговая оценка качества набора и перечень рекомендаций.

Для работы требуется `python3` в системе, а также установленные библиотеки `pandas` и `numpy`.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill data-profiler -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/data-profiler/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/data-profiler/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill data-profiler -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/data-profiler/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill data-profiler -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/data-profiler/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction 2_DDC_Book/2.1-Data-Types-Classification/data-profiler
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/data-profiler/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill data-profiler -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --path 2_DDC_Book/2.1-Data-Types-Classification/data-profiler
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/data-profiler/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction --skill data-profiler -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/datadrivenconstruction/DDC_Skills_for_AI_Agents_in_Construction/tree/HEAD/2_DDC_Book/2.1-Data-Types-Classification/data-profiler/SKILL.md

## Когда брать
- найти пропуски и дублирующиеся строки в строительных сметах
- выявить отрицательные суммы и аномальные выбросы в столбцах затрат
- проверить соответствие кодов форматам CSI и WBS
- рассчитать метрики качества датасета перед настройкой ETL

## Примеры запросов агенту
- Проверь качество данных в файле budget_export.csv
- Сделай профилирование таблицы с графиком работ и найди аномалии в датах
- Оцени процент пустых полей и проверь шифры CSI в спецификации

## Похожие
- [data-engineering-study-material](https://affpapa.org/nevibecode/skills/data-engineering-study-material.md) — скилл · 2000 установок
- [data-pipeline-builder](https://affpapa.org/nevibecode/skills/data-pipeline-builder.md) — скилл · 252 установки
- [harvard-art-museum-data-engineering](https://affpapa.org/nevibecode/skills/harvard-art-museum-data-engineering.md) — скилл · 1300 установок
- [data-engineering](https://affpapa.org/nevibecode/skills/data-engineering.md) — скилл · ★ 2858 у репозитория
- [data-engineer](https://affpapa.org/nevibecode/agents/voltagent-data-engineer.md) — субагент · ★ 6505 у репозитория
- [polars](https://affpapa.org/nevibecode/skills/polars.md) — скилл · 2300 установок

## Другие версии с тем же именем
- [data-profiler · aspi6246](https://affpapa.org/nevibecode/skills/data-profiler.md) — ★ 165 у репозитория

Из того же набора: [datadrivenconstruction/ddc_skills_for_ai_agents_in_construction](https://affpapa.org/nevibecode/by/datadrivenconstruction/ddc_skills_for_ai_agents_in_construction.md) — 156 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md
