data-warehouse-designer
Über
Diese Fähigkeit entwirft dimensionale Modelle und Faktentabellen für Data-Warehousing-Projekte. Sie erstellt nach der Klärung von Anforderungen und Rahmenbedingungen Implementierungspläne, Diagramme und Spezifikationen. Nutzen Sie sie, wenn Sie ein Data Warehouse oder ein Analyseschema innerhalb eines definierten Tech-Stacks architektonisch gestalten müssen.
Schnellinstallation
Claude Code
Empfohlennpx skills add cornmanwtf/ABANG-COLEK -a claude-code/plugin add https://github.com/cornmanwtf/ABANG-COLEKgit clone https://github.com/cornmanwtf/ABANG-COLEK.git ~/.claude/skills/data-warehouse-designerKopieren Sie diesen Befehl und fügen Sie ihn in Claude Code ein, um diese Fähigkeit zu installieren
GitHub Repository
Verwandte Skills
data-warehouse-designer
AndereDiese Fähigkeit entwirft dimensionale Modelle und Faktentabellen für Data-Warehouse-Projekte. Sie klärt Anforderungen, prüft Systembeschränkungen und wählt geeignete Architekturmuster aus. Die Ergebnisse umfassen Implementierungspläne, Spezifikationen und Validierungsschritte für Entwickler.
data-catalog-creator
AndereDie Data-Catalog-Creator-Fähigkeit unterstützt Entwickler beim Entwerfen und Planen von Systemen zur Verwaltung von Metadaten, Datenherkunft und Datenermittlung. Sie erstellt Implementierungspläne, Architekturspezifikationen und erforderliche Artefakte basierend auf Ihrem Tech-Stack und Ihren Rahmenbedingungen. Nutzen Sie diese Fähigkeit, wenn Sie Daten-Governance, Compliance und Auffindbarkeit in Ihrer Infrastruktur etablieren oder verbessern müssen.
data-pipeline-builder
AndereDie Data-Pipeline-Builder-Fähigkeit entwirft und plant Orchestrierungspipelines mit Fokus auf Idempotenz. Sie wird eingesetzt, wenn Daten-Workflows erstellt werden müssen, die Artefakte wie Spezifikationen, Konfigurationen und Validierungsschritte erzeugen. Entwickler sollten sie nutzen, nachdem Anforderungen und notwendige Genehmigungen bestätigt wurden.
data-quality-framework
AndereDiese Fähigkeit unterstützt Entwickler bei der Implementierung von Datenqualitätsprüfungen durch Validierung, Profiling und Anomalieerkennung. Nutzen Sie sie, wenn Sie ein Datenqualitätssystem innerhalb einer gegebenen Architektur und Tech-Stack entwerfen oder planen müssen. Sie führt Sie von der Klärung der Anforderungen bis zur Erstellung von Implementierungsartefakten und Abnahmekriterien.
