Menu
사용자 정의 컬럼, 제약 조건, 출력 형식(CSV, JSON, SQL, Python script)으로 테스트용 현실적인 더미 데이터셋을 생성합니다. 테스트 데이터 생성, 목(mock) 데이터셋 구성, 개발 및 데모용 샘플 데이터 생성 시 사용하세요.
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.
통계적 유의성, 샘플 크기 검증, 신뢰 구간, 출시/연장/중단 권고를 포함한 A/B 테스트 결과 분석. 실험 결과를 평가하거나, 테스트가 유의성에 도달했는지 확인하거나, 분할 테스트 데이터를 해석하거나, 변형 출시 여부를 결정할 때 활용하세요.
사용자 참여 데이터에 대한 코호트 분석 수행 — 리텐션 곡선, 기능 도입 트렌드, 세그먼트 수준 인사이트. 코호트별 사용자 리텐션 분석, 시간에 따른 기능 도입 연구, 이탈 패턴 조사, 또는 참여 트렌드 식별 시 활용하세요.
자연어 설명으로 SQL 쿼리 생성. BigQuery, PostgreSQL, MySQL 등 다양한 방언 지원. 업로드된 다이어그램이나 문서에서 데이터베이스 스키마 읽기. SQL 작성, 데이터 보고서 구축, 데이터베이스 탐색, 또는 비즈니스 질문을 쿼리로 변환할 때 활용하세요.
회사 목표에 맞춰 팀 수준의 OKR을 브레인스토밍합니다 — 측정 가능한 핵심 결과를 포함한 정성적 목표. 분기별 OKR 설정, 팀 목표를 회사 전략에 정렬, 목표 초안 작성, 또는 효과적인 OKR 작성법을 학습할 때 사용하세요.
문제, 목표, 세그먼트, 가치 제안, 솔루션, 출시 계획을 포함하는 포괄적인 8개 섹션 템플릿으로 Product Requirements Document를 작성합니다. PRD 작성, 제품 요구사항 문서화, 기능 스펙 준비, 또는 기존 PRD 검토 시 사용하세요.
'When [상황], I want to [동기], so I can [결과]' 형식으로 상세한 인수 기준을 포함한 잡 스토리를 작성합니다. 잡 스토리 작성, JTBD 방식의 백로그 항목 생성, 사용자 상황과 동기 표현 시 사용하세요.
Based on SOC occupation classification
| name | dummy-dataset |
| description | 사용자 정의 컬럼, 제약 조건, 출력 형식(CSV, JSON, SQL, Python script)으로 테스트용 현실적인 더미 데이터셋을 생성합니다. 테스트 데이터 생성, 목(mock) 데이터셋 구성, 개발 및 데모용 샘플 데이터 생성 시 사용하세요. |
사용자 정의 컬럼, 제약 조건, 출력 형식(CSV, JSON, SQL, Python script)으로 테스트용 현실적인 더미 데이터셋을 생성합니다. 즉시 사용 가능한 실행 가능 스크립트 또는 직접적인 데이터 파일을 생성합니다.
사용 시기: 테스트 데이터 생성, 샘플 데이터셋 생성, 개발용 현실적인 목 데이터 구성, 또는 테스트 환경 채우기 시.
Arguments:
$PRODUCT: 제품 또는 시스템 이름$DATASET_TYPE: 데이터 유형 (예: 고객 피드백, 거래 내역, 사용자 프로필)$ROWS: 생성할 행 수 (기본값: 100)$COLUMNS: 포함할 특정 컬럼 또는 필드$FORMAT: 출력 형식 (CSV, JSON, SQL, Python script)$CONSTRAINTS: 추가 제약 조건 또는 비즈니스 규칙import csv
import json
from datetime import datetime, timedelta
import random
# Configuration
ROWS = $ROWS
FILENAME = "$DATASET_TYPE.csv"
# Column definitions with realistic value generators
columns = {
"id": "auto-increment",
"name": "first_last_name",
"email": "email",
"created_at": "timestamp",
# Add more columns...
}
def generate_dataset():
"""Generate realistic dummy dataset"""
data = []
for i in range(1, ROWS + 1):
record = {
"id": f"U{i:06d}",
# Generate values based on column definitions
}
data.append(record)
return data
def save_as_csv(data, filename):
"""Save dataset as CSV"""
with open(filename, 'w', newline='') as f:
writer = csv.DictWriter(f, fieldnames=data[0].keys())
writer.writeheader()
writer.writerows(data)
if __name__ == "__main__":
dataset = generate_dataset()
save_as_csv(dataset, FILENAME)
print(f"Generated {len(dataset)} records in {FILENAME}")
데이터셋 유형: 고객 피드백
컬럼:
제약 조건:
CSV: 평면 테이블 형식, 스프레드시트와 데이터베이스로 쉽게 가져오기 가능
JSON: 중첩 구조, API 및 NoSQL 데이터베이스에 적합
SQL: INSERT 문, 관계형 데이터베이스에서 직접 실행 가능
Python Script: 사용자 정의 또는 대용량 데이터셋을 위한 실행 가능 생성기