メニュー
Use when writing a data incident postmortem for failed partitions, wrong dashboard numbers, metric definition changes, SQL logic bugs, backfill mistakes, SLA misses, or data pipeline incidents.
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
| name | data-incident-postmortem-writer |
| description | Use when writing a data incident postmortem for failed partitions, wrong dashboard numbers, metric definition changes, SQL logic bugs, backfill mistakes, SLA misses, or data pipeline incidents. |
把数据事故整理成客观、可追责但不甩锅、能推动预防机制的数据复盘文档。
这个 Skill 关注事故影响、时间线、根因、修复动作和长期改进。
使用这个 Skill，当用户需要：
不要使用这个 Skill 处理：
sql-reviewerdata-quality-rule-generatorweekly-monthly-report-writer最少输入：
推荐输入：
优先使用这些模板准备上下文：
如果事故发生在行业业务链路中，建议补充行业上下文：
上下文不足时，先输出复盘草稿和待补充事实，不要编造精确时间、影响人数或责任人。
# 数据事故复盘：事故名称
## 1. 摘要
## 2. 当前状态
## 3. 影响范围
| 影响对象 | 影响时间 | 影响程度 | 处理状态 |
| --- | --- | --- | --- |
## 4. 时间线
| 时间 | 事件 | 说明 |
| --- | --- | --- |
## 5. 根因分析
### 直接原因
### 深层原因
### 机制缺口
## 6. 修复与验证
## 7. 预防措施
| 措施 | 负责人 | 截止时间 | 验收标准 |
| --- | --- | --- | --- |
## 8. 对外同步口径
## 9. 待确认问题
输出必须：
请用 data-incident-postmortem-writer 写一份数据事故复盘。
事故：电商经营看板 2026-05-20 的 GMV 比真实值少算约 18%。
发现方式：运营在 2026-05-21 10:20 反馈看板与订单后台不一致。
影响范围：经营日报、渠道 GMV 看板、类目 GMV Top 10，影响 2026-05-20 分区。
原因初步判断：订单明细表新增 pay_status = partial_refund 状态，但看板 SQL 只统计 success。
修复状态：已在 2026-05-21 13:40 修复 SQL 并补数，14:10 业务确认恢复。
希望输出：面向数据团队内部复盘，同时给业务方一段同步口径。
Use when writing a concise daily report, daily worklog, standup update, shift handoff, or end-of-day summary for data analysis, data development, BI, governance, or operations work.
Use when writing or improving data documentation for warehouse tables, metrics, dashboards, SQL jobs, data products, or handover materials so other people and agents can understand data purpose, grain, fields, logic, ownership, and usage constraints.
Use when analyzing upstream and downstream impact for table changes, metric changes, field deprecation, pipeline migration, dashboard breakage, data governance review, or data asset dependency communication.
Use when planning integration with databases, BI tools, data platforms, APIs, workflow systems, storage services, or third-party tools, including connection requirements, API availability, auth strategy, configuration questions, and validation steps.
Use when planning or writing market research for a specific industry, product category, competitor set, business opportunity, user segment, or go-to-market question with structured evidence and clear assumptions.
Use when diagnosing business metric changes or anomalies such as GMV decline, conversion drop, retention loss, churn increase, revenue change, lead decline, or active user fluctuation with a structured root cause analysis plan.