Menu
Framework de razonamiento para convertir resultados de análisis en una narrativa visual clara y convincente
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
Sequence cleaning steps in a chain — trim/case/replace, null handling, deduplication, and type casting — in the right order. Use when raw ingested data needs cleaning before joins or aggregation.
Place Assert and Schema Validation nodes as gates that halt a chain when data is wrong, so bad data never reaches the output. Use when the pipeline must guarantee correctness before exporting or loading downstream.
Choose the right sink format, compression, and destination for a chain's output, and decide between exporting a file vs creating a table. Use at the end of a pipeline when deciding how to persist results.
Best practices for loading files into a chain — single file, folder globs, type detection, and union of many files. Use when the pipeline starts from CSV/Parquet/JSON/Excel files or a folder of files.
Decide between Merge (stack rows / UNION) and Join (match on a key) when a chain has multiple inputs, and set keys and join type correctly. Use when a pipeline combines two or more upstream tables.
Descompone un objetivo de procesamiento en un flujo de nodos Chains (source → transform → sink). Use when the user wants to build a data pipeline / chain, or describes an end-to-end "load X, clean it, summarize, export" goal.
| name | Data Storytelling |
| description | Framework de razonamiento para convertir resultados de análisis en una narrativa visual clara y convincente |
| keywords | story, visualize, narrative, presentation, report, insight, annotation, headline, chart, graph, visualization, historia, visualizar, narrativa, presentar, gráfico, grafica, graficar, comunicar, titular, diseño, claridad, storytelling |
| next | null |
Activa cuando el objetivo es comunicar un hallazgo de forma clara y convincente, no solo dibujar datos. Esto no es una tabla de consulta de "tipo de dato → tipo de gráfico": es un marco para que razones cuál es la mejor opción y la puedas justificar. Inspirado en Cole Nussbaumer Knaflic.
Empieza por el mensaje, no por los datos. El gráfico existe para hacer obvia UNA frase. Si no sabes cuál es esa frase, no sabes qué gráfico hacer todavía.
El error más común —y el que debes evitar— es mapear mecánicamente una columna a un gráfico: "hay una fecha → línea". Eso ignora el mensaje y la forma real de los datos.
split_by), no línea. Una línea necesita ≥4–5 puntos para ser honesta.bar-horizontal.donut.| Intención | Candidatos a considerar |
|---|---|
| Comparar categorías | bar; bar-horizontal si los nombres son largos o hay muchas |
| Comparar 2–3 periodos por categoría | bar agrupado con split_by (antes/después) |
| Evolución temporal (≥4–5 puntos) | line; area para enfatizar volumen |
| Cambio de ranking entre 2 momentos | bar agrupado, o line de 2 puntos (slope) sin tendencia |
| Parte de un todo (≤7) | donut; o bar-stacked / bar-100 para comparar composición entre categorías |
| Relación entre variables | scatter; bubble si hay un 3er valor |
| Patrón en dos dimensiones | heatmap |
| Etapas con caída | funnel |
Elige un candidato, hazle la prueba de los 5 segundos, y si falla prueba otro.
highlight, o un color_theme adecuado). Que el ojo vaya solo a lo que importa.split_by ni múltiples series — sumaría series no relacionadas en una línea sin significado.donut: máximo 7 segmentos; con más, usa barras.Datos: 4 regiones × 2 años (2023, 2024), ventas. Mensaje: "Sur pasó de la más baja a líder, +88%".
line.bar agrupado con x_axis_key=Region, split_by=anio (2 barras por región, antes/después) — o una vista slope si el mensaje es puramente el cruce de posiciones.Por qué un
line+ tendencia fue la elección equivocada: la tendencia sobre series partidas no significa nada (suma regiones), domina visualmente a otra escala, y la línea de 2 puntos no comunica el reordenamiento.
Cada hallazgo es una frase interpretativa con el número embebido, NO una etiqueta con un valor suelto. Di la implicación, no el dato pelón. El lector debe poder leer el point como una oración completa.
En final_answer.findings:
etiqueta: valor.Regla de oro: si tu respuesta se puede leer como una lista de etiqueta: valor, reescríbela como análisis que fluye. "Total de ventas: X" es un resumen; "Las ventas llegaron a X, +Y% impulsadas por Z" es análisis.
Para la narrativa completa: