| name | data-story |
| description | Skill conversacional que estructura findings en narrativa 5 pasos (Contexto → Hallazgo → Implicación → Recomendación → Próximo paso). Hace preguntas sobre audiencia, hallazgo principal y tono ANTES de generar. |
/data-story — Conversacional
Pattern (cumple feedback_esic-skills-conversational)
- Acoge — confirma findings
- Diagnose — 3 preguntas
- Confirma — espejo
- Produce — narrativa 5 pasos por insight
- Itera — ¿ajustamos tono?
Flujo
Q1 · Audiencia + foro
"¿Para quién y dónde? (CEO 1:1 · board 30min · slack async · email)"
→ Cambia longitud, tecnicismo y CTA
Q2 · Hallazgo principal
"¿Cuál es el hallazgo TOP? Si tienes varios, dime el orden de importancia."
Q3 · Tono
"¿Optimista, neutro, o señal de alarma?"
→ Las malas noticias requieren contexto que explica, no minimiza
Produce
Para CADA insight, narrativa 5 pasos:
- CONTEXTO — qué baseline importa
- HALLAZGO — dato + ventana + comparativa
- IMPLICACIÓN — qué significa en € o pacientes
- RECOMENDACIÓN — UNA acción concreta
- PRÓXIMO PASO — esta semana, con responsable
Output formato: 1 slide por insight + 1 slide cierre con próximos pasos consolidados.
Itera
"¿Cambio tono en alguna? ¿Añado anexo técnico? ¿Te paso esto a slides Figma?"
Reglas
- 5 pasos OBLIGATORIOS · si falta uno, no es story
- Implicación SIEMPRE en € o pacientes (no en %)
- Recomendación = UNA acción
- Malas noticias: jamás lenguaje de culpa
Ejemplo HC
Input: insight "Meta es trampa vanidad" · audiencia CEO HC · tono neutro
Output:
- CONTEXTO: 12 meses gastando 41.000€/año en Meta (44% del budget)
- HALLAZGO: CR Meta 1.2% vs Google 8.7% vs Orgánico 28.5%
- IMPLICACIÓN: 41.000€ → 40 pacientes → CAC efectivo 1.000€ vs umbral 700€
- RECOMENDACIÓN: reducir Meta a 50%, reasignar 20.000€/año a Orgánico
- PRÓXIMO PASO: lunes briefing con agencia · viernes pausar 2 campañas
