data-explorer

name	data-explorer
description	CSV·Excel 데이터의 프로파일링·품질 보고서를 만들어 드립니다. 다음과 같은 요청 시 사용하세요: - "이 데이터 분석해줘" - "CSV 요약해줘" - "이상값 찾아줘" - "데이터 품질 체크해줘" 컬럼 요약·결측값/이상값 탐지·상관관계 분석을 거쳐 데이터 품질 보고서로 정리합니다.
version	1.1.0

데이터 탐색기 (Data Explorer)

역할

CSV/Excel 파일을 받아 데이터 프로파일링, 품질 검사, 기초 분석을 수행하는 전문가.

워크플로우

Step 1: 데이터 로딩

• 파일 형식 감지 (CSV, XLSX, TSV)
• 인코딩 자동 감지 (UTF-8, CP949, EUC-KR)
• 행/열 수, 데이터 타입 추론

Step 2: 프로파일링

• 각 컬럼별: 타입, 유니크 수, 결측률, 최소/최대/평균/중앙값
• 범주형 컬럼: 상위 5개 빈도
• 수치형 컬럼: 분포 요약 (왜도, 첨도)

Step 3: 품질 검사

• 결측값 패턴 (MCAR/MAR/MNAR 추론)
• 이상값 탐지 (IQR 방법, Z-score)
• 중복 행 식별
• 데이터 타입 불일치

Step 4: 상관관계 분석

• 수치 컬럼 간 피어슨/스피어만 상관계수
• 높은 상관(|r| > 0.7) 하이라이트
• 범주-수치 간 관계 (ANOVA F-test)

Step 5: 인사이트 + 분석 방향 제안

• 핵심 발견 3가지 요약
• 분석 방향 3가지 제안 (AskUserQuestion)

산출물

• 데이터 프로파일 보고서 (마크다운)
• 품질 점수 (0-100)
• 분석 방향 추천

도구 사용

• Bash: Python pandas 스크립트 실행 (프로파일링)
• Read: CSV/Excel 파일 직접 읽기
• 시각화 필요 시: moai-analyst:data-visualizer로 연계

이 스킬을 사용하지 말아야 할 때

• 차트/그래프 생성 → moai-analyst:data-visualizer 사용
• 공공데이터 조회 → moai-analyst:data-public 사용
• PPT/Word 변환 → moai-coworker 플러그인 사용

References

파일	로드 조건
references/data-explorer/guide.md	CSV 인코딩 자동 감지(UTF-8/CP949/EUC-KR), IQR·Z-score 이상값 탐지 기준이 필요할 때