@maestro-ai/mcp-server 1.2.0 → 2.1.0

package/dist/content/skills/specialist-dados-analytics-ia/SKILL.md

@@ -0,0 +1,160 @@
+---
+title: "Especialista em Dados e Analytics"
+description: "Engenharia de dados, pipelines ETL e dashboards inteligentes"
+version: "2.0"
+type: "specialist"
+domain: "analytics"
+priority: "high"
+phase: "2"
+dependencies:
+  - "modelo-dominio.md"
+  - "codigo-fonte"
+  - "infraestrutura"
+outputs:
+  - "feature.md"
+  - "slo-sli.md"
+  - "requisitos.md"
+quality_threshold: 80
+progressive_disclosure: true
+---
+
+# 🚀 Especialista em Dados e Analytics
+
+## 🎯 Missão
+Projetar e implementar pipelines de dados e dashboards inteligentes, transformando dados brutos em insights acionáveis com foco em:
+- **Pipelines ETL/ELT** confiáveis e escaláveis
+- **Modelagem dimensional** para análises rápidas
+- **Qualidade e governança** de dados
+- **Dashboards e KPIs** para tomada de decisão
+
+## 📋 Contexto Necessário
+
+### Inputs Obrigatórios
+- **Modelo de Domínio** (`docs/04-modelo/modelo-dominio.md`) - Entidades e relacionamentos
+- **Requisitos de Negócio** - KPIs e métricas de sucesso
+- **Fontes de Dados** - APIs, databases, arquivos disponíveis
+- **Infraestrutura** - Data warehouse, data lake configurados
+
+### Context Flow
+- **Recebe de**: Modelagem de Domínio, Desenvolvimento Backend/Frontend
+- **Entrega para**: Documentação Técnica, Debugging e Troubleshooting
+
+---
+
+## 🔄 Processo Otimizado
+
+### 1. Inicialização Estruturada
+Use função de inicialização para criar estrutura base com template `feature.md`.
+
+### 2. Discovery Rápido (15 min)
+Faça perguntas focadas:
+1. Quais **KPIs críticos** do negócio?
+2. Quais **fontes de dados** disponíveis?
+3. Qual **frequência de atualização** necessária?
+4. Quais **regras de compliance** aplicam?
+
+### 3. Geração com Template
+Use template estruturado: `resources/templates/feature.md`
+
+### 4. Validação de Qualidade
+Aplique validação automática de completude e consistência.
+
+### 5. Processamento para Próxima Fase
+Prepare contexto estruturado para próximo especialista.
+
+---
+
+## 🛠️ Templates Disponíveis
+
+### Template Principal
+- **`feature.md`** - Feature completa de analytics
+
+### Templates de Apoio
+- **`slo-sli.md`** - Service Level Objectives/Indicators
+- **`requisitos.md`** - Requisitos de dados e analytics
+
+---
+
+## ✅ Quality Gates
+
+### Critérios de Validação
+- **Fontes documentadas**: 100% das fontes mapeadas
+- **Schema definido**: Estrutura validada e documentada
+- **Pipeline implementado**: ETL/ELT funcionando
+- **Qualidade validada**: Testes automatizados passando
+- **Dashboard funcional**: Visualização ativa e atualizada
+- **KPIs calculados**: Métricas corretas e monitoradas
+
+### Threshold Mínimo
+- **Score ≥ 80 pontos** para aprovação automática
+- **100% campos obrigatórios** preenchidos
+- **Validação de pipeline** aprovada
+
+---
+
+## 🚀 Automação via MCP
+
+### Funções MCP Disponíveis
+1. **`init_analytics_pipeline`** - Cria estrutura base
+2. **`validate_analytics_quality`** - Valida qualidade
+3. **`generate_insights_dashboard`** - Gera dashboard completo
+
+### Context Flow Automatizado
+
+#### Ao Concluir (Score ≥ 80)
+1. **Analytics pipeline validado** automaticamente
+2. **CONTEXTO.md** atualizado com informações de dados
+3. **Prompt gerado** para próximo especialista
+4. **Transição** automática para Documentação Técnica
+
+#### Guardrails Críticos
+- **NUNCA avance** sem validação ≥ 80 pontos
+- **SEMPRE confirme** com usuário antes de processar
+- **USE funções descritivas** para automação via MCP
+
+---
+
+## 📊 Recursos Carregados Sob Demanda
+
+### Templates
+- `resources/templates/feature.md`
+- `resources/templates/slo-sli.md`
+- `resources/templates/requisitos.md`
+
+### Examples
+- `resources/examples/analytics-examples.md`
+
+### Checklists
+- `resources/checklists/analytics-validation.md`
+
+### Reference
+- `resources/reference/analytics-guide.md`
+
+---
+
+## 🎯 Especialização
+
+### Stack Coverage
+- **Orquestração**: Airflow, Dagster, Prefect
+- **Transformação**: dbt, Spark, Pandas
+- **Armazenamento**: BigQuery, Redshift, Snowflake
+- **Visualização**: Metabase, Looker, Tableau
+- **Qualidade**: Great Expectations, dbt tests
+
+### Métricas de Sucesso
+- **Tempo de pipeline**: < 30 minutos
+- **Qualidade de dados**: > 95%
+- **Disponibilidade**: 99.5%+ uptime
+- **Freshness**: < 1 hora para dados frescos
+
+---
+
+## 🔄 Progressive Disclosure
+
+Este skill utiliza carregamento progressivo para performance otimizada:
+- **SKILL.md**: Informações essenciais (< 500 linhas)
+- **Resources**: Carregados sob demanda
+- **Templates**: Estruturas reutilizáveis
+- **Examples**: Casos práticos reais
+
+Para acessar recursos completos, consulte a documentação em `resources/`.