data-analysis

name	data-analysis
description	데이터 분석 프로젝트의 탐색적 분석(EDA), 데이터 정제, 통계 분석, 시각화, 보고서 작성을 에이전트 팀이 협업하여 한 번에 수행하는 풀 분석 파이프라인. '데이터 분석해줘', 'EDA 해줘', '탐색적 분석', '통계 분석', '데이터 시각화', '분석 보고서 써줘', 'CSV 분석', '데이터 인사이트 뽑아줘', '데이터 정제', '이상치 분석' 등 데이터 분석 전반에 이 스킬을 사용한다. 단, 실시간 데이터 스트리밍, ML 모델 학습/배포, BI 대시보드 서버 구축은 이 스킬의 범위가 아니다.

Data Analysis — 데이터 분석 풀 파이프라인

데이터의 탐색→정제→분석→시각화→보고서를 에이전트 팀이 협업하여 한 번에 수행한다.

실행 모드

에이전트 팀 — 5명이 SendMessage로 직접 통신하며 교차 검증한다.

에이전트 구성

에이전트	파일	역할	타입
explorer	.claude/agents/explorer.md	탐색적 분석, 데이터 프로파일링	general-purpose
cleaner	.claude/agents/cleaner.md	데이터 정제, 변환 파이프라인	general-purpose
analyst	.claude/agents/analyst.md	통계 분석, 인사이트 도출	general-purpose
visualizer	.claude/agents/visualizer.md	차트 설계, 시각화 코드 생성	general-purpose
reporter	.claude/agents/reporter.md	최종 보고서 작성, 품질 검증	general-purpose

워크플로우

Phase 1: 준비 (오케스트레이터 직접 수행)

1. 사용자 입력에서 추출한다:
   • 데이터 소스: 파일 경로, 포맷(CSV/Excel/JSON/DB), 크기
   • 분석 목적: 비즈니스 질문, 가설, 기대 결과
   • 제약 조건 (선택): 시간, 특정 분석 기법, 보고 대상
   • 도메인 정보 (선택): 업종, 변수 의미, 비즈니스 맥락
2. _workspace/ 디렉토리와 _workspace/scripts/ 하위 디렉토리를 생성한다
3. 입력을 정리하여 _workspace/00_input.md에 저장한다
4. 데이터 파일을 _workspace/data/에 복사한다
5. 기존 파일이 있으면 _workspace/에 복사하고 해당 Phase를 건너뛴다
6. 요청 범위에 따라 실행 모드를 결정한다

Phase 2: 팀 구성 및 실행

순서	작업	담당	의존	산출물
1	탐색적 분석	explorer	없음	01_exploration_report.md
2	데이터 정제	cleaner	작업 1	02_cleaning_log.md, scripts/02_cleaning.py
3a	통계 분석	analyst	작업 2	03_analysis_results.md, scripts/03_analysis.py
3b	EDA 시각화	visualizer	작업 1	04_visualizations.md (EDA 부분)
4	분석 결과 시각화	visualizer	작업 3a	04_visualizations.md (분석 부분), scripts/04_viz_*.py
5	최종 보고서	reporter	작업 3a, 4	05_final_report.md

작업 3a(분석)와 3b(EDA 시각화)는 병렬 실행한다.

팀원 간 소통 흐름:

• explorer 완료 → cleaner에게 정제 권고 전달, analyst에게 분석 제안 전달, visualizer에게 분포 시각화 대상 전달
• cleaner 완료 → analyst에게 정제 데이터 위치와 변환 이력 전달
• analyst 완료 → visualizer에게 분석 결과 시각화 요청, reporter에게 인사이트 전달
• visualizer 완료 → reporter에게 시각화 목록 전달
• reporter는 모든 산출물을 교차 검증. 불일치 발견 시 해당 에이전트에 수정 요청 (최대 2회)

Phase 3: 통합 및 최종 산출물

1. _workspace/ 내 모든 파일을 확인한다
2. reporter의 보고서에서 필수 수정이 모두 반영되었는지 확인한다
3. 최종 요약을 사용자에게 보고한다:
   • 탐색 보고서 — 01_exploration_report.md
   • 정제 로그 — 02_cleaning_log.md
   • 분석 결과 — 03_analysis_results.md
   • 시각화 — 04_visualizations.md
   • 최종 보고서 — 05_final_report.md
   • 재현 스크립트 — scripts/ 디렉토리

작업 규모별 모드

사용자 요청 패턴	실행 모드	투입 에이전트
"데이터 분석해줘", "풀 분석"	풀 파이프라인	5명 전원
"EDA만 해줘", "데이터 탐색"	탐색 모드	explorer + visualizer
"데이터 정제해줘", "클리닝"	정제 모드	explorer + cleaner
"통계 분석만", "가설 검정"	분석 모드	analyst + visualizer + reporter
"시각화만 해줘", "차트 그려줘"	시각화 모드	visualizer 단독
"분석 보고서 써줘" (기존 분석 있음)	보고서 모드	reporter 단독

기존 파일 활용: 이미 정제된 데이터가 있으면 explorer와 cleaner를 건너뛴다. 분석 결과가 있으면 analyst를 건너뛰고 시각화와 보고서만 진행한다.

데이터 전달 프로토콜

전략	방식	용도
파일 기반	_workspace/ 디렉토리	주요 산출물 및 데이터 저장
메시지 기반	SendMessage	핵심 정보 전달, 수정 요청
코드 기반	_workspace/scripts/	재현 가능한 분석 스크립트

파일명 컨벤션: {순번}_{산출물}.{확장자}

에러 핸들링

에러 유형	전략
파일 읽기 실패	인코딩 순차 시도(UTF-8→CP949→EUC-KR→Latin-1), 구분자 자동 탐지
대용량 데이터(>1GB)	샘플링 후 분석, chunk 처리, 전체 통계는 dask 사용
분석 가정 불충족	비모수 대안 자동 전환, 전환 이유를 보고서에 명시
시각화 한글 깨짐	OS별 한글 폰트 설정 코드 자동 삽입
에이전트 실패	1회 재시도 후 실패 시 해당 산출물 없이 진행, 보고서에 누락 명시
reporter 불일치 발견	해당 에이전트에 수정 요청 → 재작업 → 재검증 (최대 2회)

테스트 시나리오

정상 흐름

프롬프트: "이 매출 CSV 파일을 분석해서 매출 하락 원인을 찾아줘" 기대 결과:

• EDA: 변수 프로파일, 결측/이상치 분석, 매출 관련 변수 식별
• 정제: 결측치 처리, 이상치 캡핑, 타입 변환 로그
• 분석: 시계열 분해, 구간별 비교(t-test/ANOVA), 상관분석
• 시각화: 매출 추이 라인차트, 요인별 비교 막대그래프, 상관 히트맵
• 보고서: 하락 원인 Top 3 + 권고 액션 + 경영진 요약

기존 파일 활용 흐름

프롬프트: "이미 정제된 데이터가 있어. 통계 분석이랑 시각화만 해줘" + 정제 데이터 파일 첨부 기대 결과:

• 기존 데이터를 _workspace/data/에 복사
• 분석 모드: explorer와 cleaner는 건너뛰고 analyst + visualizer + reporter 투입
• 정제 이력은 사용자 제공 정보 기반으로 기록

에러 흐름

프롬프트: "이 엑셀 파일 분석해줘" (결측 50% 이상 변수 다수, 이상치 대량) 기대 결과:

• explorer가 데이터 품질 문제를 상세히 보고
• cleaner가 변수별 처리 전략을 근거와 함께 제시, 행 30% 이상 감소 시 경고
• analyst가 데이터 충분성 한계를 명시하고 검정력 분석 수행
• reporter가 한계 섹션에 데이터 품질 이슈를 정직하게 기록

에이전트별 확장 스킬

스킬	경로	강화 대상 에이전트	역할
statistical-tests-selector	.claude/skills/statistical-tests-selector/skill.md	analyst	검정 선택 트리, t-검정/ANOVA/카이제곱, 효과 크기, 검정력
visualization-chooser	.claude/skills/visualization-chooser/skill.md	visualizer	차트 유형 매트릭스, matplotlib/seaborn/plotly 패턴, 안티패턴