データセット(データの集合)の構造や品質、データに含まれるパターンを把握し、詳しく調べます。 **次のような場合に使用:** - 新しいテーブルやファイルを初めて見るとき - 空白データの割合や各列の値の分布を確認したいとき - 重複データや不自然な値など、データの品質に関する問題を発見したいとき - どの属性(見出し)と指標を分析すべきかを決めるとき
Profile and explore a dataset to understand its shape, quality, and patterns. Use when encountering a new table or file, checking null rates and column distributions, spotting data quality issues like duplicates or suspicious values, or deciding which dimensions and metrics to analyze.
見慣れないプレースホルダーが表示される場合や、接続中のツールを確認したい場合は、CONNECTORS.md を参照してください。
テーブルまたはアップロードされたファイルに対して、包括的なデータプロファイルを生成します。 分析に入る前に、データの形状・品質・パターンを把握しましょう。
/explore-data <テーブル名 または ファイル>
データウェアハウスの MCP サーバーが接続されている場合:
ファイルが提供されている場合(CSV、Excel、Parquet、JSON):
どちらでもない場合:
データを分析する前に、まずその構造を理解します。
テーブルレベルの確認事項:
カラムの分類 — 各カラムを以下のいずれかに分類します:
以下のプロファイリングチェックを実行します。
テーブルレベルのメトリクス:
全カラム共通:
数値カラム(メトリクス):
最小値、最大値、平均値、中央値(p50)
標準偏差
パーセンタイル: p1、p5、p25、p75、p95、p99
ゼロ件数
負の値の件数(想定外の場合)
文字列カラム(ディメンション、テキスト):
最小長、最大長、平均長
空文字列の件数
パターン分析(値が特定フォーマットに従っているか?)
大文字・小文字の一貫性(全大文字・全小文字・混在?)
前後の空白文字の件数
日付・タイムスタンプカラム:
最小日付、最大日付
Null日付
未来の日付(想定外の場合)
月・週ごとの分布
時系列のギャップ
ブールカラム:
true件数、false件数、null件数
true率
プロファイル結果はカラム型ごと(ディメンション・メトリクス・日付・IDなど)にグループ化した、見やすいサマリーテーブルとして提示します。
以下の品質評価フレームワークを適用し、潜在的な問題にフラグを立てます。
各カラムのプロファイリング後に以下を確認します。
カラムプロファイルをもとに、以下を推奨します。
次に実行できる具体的な分析を3〜5件提案します。
## データプロファイル: [table_name]
### 概要
- 行数: 2,340,891
- カラム数: 23(ディメンション8、メトリクス6、日付4、ID 5)
- 日付範囲: 2021-03-15 〜 2024-01-22
### カラム詳細
[サマリーテーブル]
### データ品質の問題
[深刻度付きのフラグ一覧]
### 推奨される探索
[提案するフォローアップ分析の番号付きリスト]
各カラムを以下で評価します。
以下を確認します。
精度に問題があることを示すレッドフラグ:
数値カラムの分布を以下で特徴付けます。
時系列データでは以下を確認します。
以下によって自然なセグメントを特定します。
数値カラム間:
チームで利用するためのデータセットをドキュメント化する際:
## テーブル: [schema.table_name]
**説明**: [このテーブルが表すもの]
**グレイン**: [1行が何を表すか]
**主キー**: [カラム名]
**行数**: [概算、日付付き]
**更新頻度**: [リアルタイム / 1時間ごと / 日次 / 週次]
**オーナー**: [担当チームまたは
If you see unfamiliar placeholders or need to check which tools are connected, see CONNECTORS.md.
Generate a comprehensive data profile for a table or uploaded file. Understand its shape, quality, and patterns before diving into analysis.
/explore-data <table_name or file>
If a data warehouse MCP server is connected:
If a file is provided (CSV, Excel, Parquet, JSON):
If neither:
Before analyzing any data, understand its structure:
Table-level questions:
Column classification — categorize each column as one of:
Run the following profiling checks:
Table-level metrics:
All columns:
Numeric columns (metrics):
min, max, mean, median (p50)
standard deviation
percentiles: p1, p5, p25, p75, p95, p99
zero count
negative count (if unexpected)
String columns (dimensions, text):
min length, max length, avg length
empty string count
pattern analysis (do values follow a format?)
case consistency (all upper, all lower, mixed?)
leading/trailing whitespace count
Date/timestamp columns:
min date, max date
null dates
future dates (if unexpected)
distribution by month/week
gaps in time series
Boolean columns:
true count, false count, null count
true rate
Present the profile as a clean summary table, grouped by column type (dimensions, metrics, dates, IDs).
Apply the quality assessment framework below. Flag potential problems:
After profiling individual columns:
Based on the column profile, recommend:
Suggest 3-5 specific analyses the user could run next:
## Data Profile: [table_name]
### Overview
- Rows: 2,340,891
- Columns: 23 (8 dimensions, 6 metrics, 4 dates, 5 IDs)
- Date range: 2021-03-15 to 2024-01-22
### Column Details
[summary table]
### Data Quality Issues
[flagged issues with severity]
### Recommended Explorations
[numbered list of suggested follow-up analyses]
Rate each column:
Look for:
Red flags that suggest accuracy issues:
For numeric columns, characterize the distribution:
For time series data, look for:
Identify natural segments by:
Between numeric columns:
When documenting a dataset for team use:
## Table: [schema.table_name]
**Description**: [What this table represents]
**Grain**: [One row per...]
**Primary Key**: [column(s)]
**Row Count**: [approximate, with date]
**Update Frequency**: [real-time / hourly / daily / weekly]
**Owner**: [team or person responsible]
### Key Columns
| Column | Type | Description | Example Values | Notes |
|--------|------|-------------|----------------|-------|
| user_id | STRING | Unique user identifier | "usr_abc123" | FK to users.id |
| event_type | STRING | Type of event | "click", "view", "purchase" | 15 distinct values |
| revenue | DECIMAL | Transaction revenue in USD | 29.99, 149.00 | Null for non-purchase events |
| created_at | TIMESTAMP | When the event occurred | 2024-01-15 14:23:01 | Partitioned on this column |
### Relationships
- Joins to `users` on `user_id`
- Joins to `products` on `product_id`
- Parent of `event_details` (1:many on event_id)
### Known Issues
- [List any known data quality issues]
- [Note any gotchas for analysts]
### Common Query Patterns
- [Typical use cases for this table]
When connected to a data warehouse, use these patterns to discover schema:
-- List all tables in a schema (PostgreSQL)
SELECT table_name, table_type
FROM information_schema.tables
WHERE table_schema = 'public'
ORDER BY table_name;
-- Column details (PostgreSQL)
SELECT column_name, data_type, is_nullable, column_default
FROM information_schema.columns
WHERE table_name = 'my_table'
ORDER BY ordinal_position;
-- Table sizes (PostgreSQL)
SELECT relname, pg_size_pretty(pg_total_relation_size(relid))
FROM pg_catalog.pg_statio_user_tables
ORDER BY pg_total_relation_size(relid) DESC;
-- Row counts for all tables (general pattern)
-- Run per-table: SELECT COUNT(*) FROM table_name
When exploring an unfamiliar data environment:
原文・著作権は Anthropic および各プラグイン作者に帰属します。日本語訳は Claude API による自動翻訳です。