Data Analytics
SkillDatabases & dataSkill para definicao de eventos, naming de tracking, funis, metricas de produto e instrumentacao analitica. Use quando precisar medir valor entregue, ativacao, conversao, retencao e comportamento do usuario. Trigger em: "tracking", "analytics", "eventos de produto", "funil de conversao", "instrumentar evento", "metrica de produto", "ativacao", "retencao", "naming de evento", "tracking plan", "data analytics", "PostHog", "Amplitude", "Mixpanel".
Available today. Use it from your connected AI after setup.
No other account needed.
Connect ahel once, and every AI you use reads what you have installed.
Then ask your AI: use the Data Analytics skill
What this skill tells your AI
The instructions your AI receives, as published by felvieira/claude-skills-fv in skills/21-data-analytics/SKILL.md and read by ahel’s review.
Uma feature sem medicao e uma aposta sem placar. Esta skill fecha o gap entre "entregamos" e "funcionou": define o tracking plan, o naming, os funis e as metricas — antes de instrumentar, para nao gerar dados que ninguem consegue ler depois.
Governanca Global
Esta skill segue GLOBAL.md, policies/execution.md, policies/handoffs.md, policies/quality-gates.md, policies/token-efficiency.md, policies/verification-before-completion.md (evento "instrumentado" exige prova: aparece no debugger/live events da ferramenta) e policies/stack-flexibility.md.
Privacidade e PII
Tracking toca dados de usuario — trate como tal:
- nunca logar PII em propriedade de evento (email, nome, CPF, telefone) sem necessidade e base legal
- usar id pseudonimo estavel (user_id hash), nao o email como distinct_id
- respeitar consentimento (LGPD/GDPR): sem consentimento de analytics → nao dispara
- documentar quais eventos carregam quais dados (vira parte do RoPA quando ha DPO)
Quando Usar
- definir o tracking plan de uma feature nova (eventos + propriedades + funil) antes de codar
- mapear um funil de conversao/ativacao e ligar a uma metrica de sucesso real
- auditar instrumentacao existente (eventos duplicados, naming inconsistente, dados mortos)
- escolher a metrica norte de uma feature (e a contra-metrica que protege contra gaming)
Quando Nao Usar
- implementar analytics sem criterio de negocio ("trackear tudo" gera ruido caro e ilegivel)
- substituir observabilidade operacional (logs/metricas de sistema → skill 20) — analytics e comportamento de usuario, nao saude de servico
- substituir SEO/atribuicao de marketing (canal, campanha) sem o contexto de produto
- fechar o loop de identidade e dinheiro — GCLID/UTM/transaction_id, reconciliacao com o backend, margem de contribuicao, conversao offline (isso e 59-closed-loop-revenue). Esta skill define o que trackear no produto; a 59 garante que o numero bate com a receita real
Entradas Esperadas
- objetivo de negocio da feature (o que "sucesso" significa em uma frase)
- fluxo do usuario com os pontos de decisao (onde ele avanca, hesita, abandona)
- ferramenta de analytics do projeto (PostHog, Amplitude, Mixpanel, GA4, Segment)
Saidas Esperadas
- tracking plan tabelado (evento, quando dispara, propriedades, owner)
- naming consistente seguindo a convencao abaixo
- funil definido ligado a metrica norte + contra-metrica
- handoff para Frontend/Backend (instrumentar) e Documenter (registrar o plan)
Convencao de naming (escolha UMA e seja consistente)
Inconsistencia de naming e o que mais apodrece um projeto de analytics. Padrao recomendado: object_action, snake_case, verbo no passado.
| Bom | Ruim | Por que |
|---|---|---|
signup_completed | Completed Signup / signupComplete / user_signed_up | object primeiro agrupa eventos relacionados no dashboard; passado = fato ocorrido |
checkout_started | start_checkout | consistencia: object_action sempre |
subscription_cancelled | cancel | cancel o que? sem objeto e ambiguo |
Regras:
- object_action, passado, snake_case:
video_played,invite_sent,payment_failed - propriedades tambem snake_case:
plan_tier,referral_source,error_code - valores em
lower_snakeou enum fixo, nao texto livre (plan_tier: "pro", nao"Pro Plan!!") - nunca renomeie um evento em producao sem migrar — quebra series historicas. Crie
_v2se precisar.
Tracking plan — formato
Sempre tabela, sempre com owner e criterio de leitura:
| Evento | Dispara quando | Propriedades | Tipo | Owner |
|---|---|---|---|---|
signup_started | usuario abre o form de cadastro | referral_source, plan_tier | funnel | PO |
signup_completed | conta criada com sucesso (server-confirmed) | plan_tier, method (email/google) | funnel, north-star input | PO |
activation_reached | usuario faz a acao "aha" (ex: 1o projeto criado) | time_to_activate_min | north-star | PO |
Dispare no servidor eventos de dinheiro/conversao (signup, purchase) — client-side perde 5-15% por adblock/erro de rede. Eventos de UI/interacao (clique, hover) podem ser client-side.
Checkpoint por evento instrumentado: disparar a ação no app → confirmar que o evento aparece no debugger/live events da ferramenta (PostHog, Amplitude, etc.) com as propriedades certas — não assumir que "o código chama track()" significa que chegou. Se não aparecer, checar API key/env e disparar de novo antes de marcar o evento como instrumentado no tracking plan.
Os 3 tipos de metrica que toda feature precisa
- North-star / metrica de sucesso — a UMA coisa que prova valor (ex:
activation_reachedrate). Sem ela, a feature nao tem placar. - Funil — a sequencia de steps ate o sucesso, para ver onde vaza:
O maior drop e onde investir.signup_started (100%) → signup_completed (62%) → activation_reached (28%) ↑ -38% aqui ↑ -34% aqui (maior vazamento) - Contra-metrica (guardrail) — protege contra otimizar a norte gamificando. Ex: se a norte e "signups", a contra e "signup→retencao D7" — nao adianta inflar cadastro com usuario que some.
Frameworks uteis
- AARRR (pirate metrics): Acquisition → Activation → Retention → Revenue → Referral. Bom para mapear o ciclo inteiro.
- HEART (Google): Happiness, Engagement, Adoption, Retention, Task success. Bom para features de UX.
- Ativacao = o "aha moment": a acao apos a qual o usuario tende a ficar. Descubra correlacionando retencao com acoes iniciais (ex: "quem adiciona 3 amigos na 1a semana retem 4x mais").
Anti-padroes frequentes
- trackear tudo "por garantia" → 200 eventos, ninguem sabe quais importam, custo alto
- naming livre →
Sign Up,signup,user_signupcoexistindo = impossivel agregar - propriedade com alta cardinalidade (ex: timestamp exato, id unico como propriedade) → estoura limite da ferramenta
- evento sem owner nem criterio de leitura → vira dado morto
- so client-side em evento de receita → subreporta sistematicamente
- PII em propriedade → risco legal + alguns processadores rejeitam
Evidencia de Conclusao
- tracking plan tabelado com owner por evento
- naming validado contra a convencao (object_action, passado, snake_case)
- funil ligado a norte + contra-metrica definida
- checagem de PII feita (nenhum evento vaza dado sensivel sem base)
Handoff
- Frontend (04) / Backend (03) instrumentam (server-side para conversao)
- Documenter (10) registra o tracking plan em doc vivo
- PO (01) valida que a norte mede o objetivo de negocio
- Seguir
policies/handoffs.mde, quando util,templates/analytics-plan.md
Signals
- GitHub stars
- 23
- Forks
- 6
- Last commit
- Sep 2026
Advanced
- Catalog kind
- skill
- Gateway key
data-analytics- Source
- github.com/felvieira/claude-skills-fv