Data Analyst サブエージェント

BigQuery/Snowflake接続、EDA、可視化、Marimoノートブック作成を専用コンテキストで実行するサブエージェント。

> Draft: Marimo変数の補助Lintスクリプトは未収録。変数名の重複は手動で確認する。

目的

データ分析処理をメインエージェントのコンテキストから分離し：

• 4つの関連ルールをサブエージェント内に統合（約1500-3000トークン削減）
• 分析結果のサマリーのみを返却
• GCP認証フローの統合

統合ルール

このサブエージェントは以下の4つのルールの内容を内包しています：

1. data_analysis.mdc - データ分析の基本原則
2. visualization.mdc - 可視化の品質基準
3. notebook.mdc - Marimo Notebook利用ルール
4. marimo_variable_naming.mdc - Marimo変数命名ルール

Part 1: データ分析の基本原則

分析プロセス

1. 目的の明確化: 分析開始前に目的・ゴール・仮説を記述
2. データ品質の確保: 完全性・正確性・一貫性を確認、欠損・異常値・重複の処理方針を説明
3. バイアスと因果: 主観的バイアスを排除、相関と因果を混同しない
4. 分析対象の理解: カラム意味・単位・収集元・更新頻度を把握

ファイル整理

data/
├── raw/           # 元データ（上書き禁止）
├── intermediate/  # 中間処理データ
├── feature/       # 特徴量データ
└── output/        # 最終出力

命名規則: {source}__{target}__{granularity}__{date}.parquet 例: bq__sales__daily__2025-03-01.parquet

EDA（探索的データ分析）

• YData Profiling (ydata-profiling) やAutoViz (autoviz) を活用
• Marimoでインタラクティブに探索
• 1つのグラフに情報を詰め込みすぎない

Part 2: 可視化の品質基準

必須ルール

| ルール | 説明 | |--------|------| | 意味のあるラベル | index番号使用禁止、ユーザー名/日付/カテゴリ名を使用 | | 適切なグラフタイプ | 棒グラフ（比較）、折れ線（時系列）、ヒートマップ（2次元）| | 日本語ラベル | 専門知識なしで理解できるように | | 数値ラベル表示 | 棒の上に「1,791件」等を表示 | | タイトル/軸ラベル/凡例 | 必須 | | 高解像度 | 300 DPI以上 |

グラフタイプ選択

| データ | 推奨グラフ | |--------|----------| | カテゴリ比較 | 棒グラフ | | 時系列 | 折れ線グラフ | | 2次元データ | ヒートマップ | | 内訳 | 積み上げグラフ | | 長いラベル | 横棒グラフ |

matplotlib設定

python
import matplotlib
matplotlib.use('Agg')  # GUIなしで動作
import matplotlib.pyplot as plt

# 日本語フォント設定
plt.rcParams['font.family'] = 'Hiragino Sans'

Part 3: Marimo Notebook ルール

基本ルール

1. Marimoを使用: Jupyter Notebookは使用しない
2. 分析目的を明記: 最初のセルに記載
3. 仮想環境の使用: uv を使用
4. エラー対応: 原因と再発防止策をNotebookに追記

進捗表示（tqdm）

python
from tqdm import tqdm

# 時間のかかる処理には必ず進捗表示
for item in tqdm(items, desc="処理中", unit="item"):
    process(item)
    time.sleep(0.5)

BigQuery重複除去（必須）

sql
WITH deduplicated AS (
    SELECT
        *,
        ROW_NUMBER() OVER (PARTITION BY post.xPostId ORDER BY _PARTITIONTIME DESC) as row_num
    FROM `project.dataset.table`
    WHERE _PARTITIONTIME IS NOT NULL
)
SELECT * FROM deduplicated WHERE row_num = 1

Part 4: Marimo変数命名ルール

🚨 重要な制約

Marimoでは変数の再定義が禁止。異なるセル間で同じ変数名を使用するとエラー。

命名パターン

セル固有の接尾辞

| セルの目的 | 推奨接尾辞 | 例 | |----------|---------|---| | データ取得 | _fetch, _load | df_fetch, result_load | | 前処理 | _prep, _clean | data_prep, values_clean | | 統計分析 | _stat, _calc | mean_stat, corr_calc | | 可視化（静的） | _static, _plot | fig_static, ax_plot | | 可視化（動的） | _dyn, _inter | net_dyn, chart_inter | | モデル学習 | _train, _fit | model_train, scaler_fit | | 評価 | _eval, _test | score_eval, pred_test |

正しい例

python
# ✅ 良い例（セルごとに固有の接尾辞）
@app.cell
def _(data):
    fig_overview, axes_overview = plt.subplots(2, 2)
    for idx_ov, ax_ov in enumerate(axes_overview.flatten()):
        ax_ov.plot(data[idx_ov])
    return fig_overview, axes_overview

@app.cell
def _(data):
    fig_detail, axes_detail = plt.subplots(3, 3)
    return fig_detail, axes_detail

変数の重複確認

編集前後に各セルのトップレベル変数名を見直し、同じ名前を複数セルで再定義していないことを確認する。重複する場合は、セルの役割が分かる固有の接尾辞を付ける。

GCP認証

作業開始前の確認

bash
# 設定プロファイル一覧
gcloud config configurations list

# プロファイル切り替え
gcloud config configurations activate <profile_name>

# 認証
gcloud auth application-default login

利用可能なプロファイル

| プロファイル名 | プロジェクトID | 用途 | |---------------|---------------|------| | default | - | デフォルト環境 | | my-profile | my-gcp-project | 本番データ分析 | | my-dev | my-dev-project | 開発分析 |

サブエージェント呼び出しパターン

メインエージェントは以下のパターンでこのサブエージェントを呼び出す：

python
Task(
    subagent_type="generalPurpose",
    model="fast",
    description="Data analysis",
    prompt="""
    このスキルを読んで実行してください: skills/data-analyst/SKILL.md
    
    タスク: {ユーザーの指示}
    データソース: {BigQuery / Snowflake / CSV等}
    分析目的: {EDA / 可視化 / レポート作成等}
    
    分析結果のサマリーを返却してください。
    """
)

返却フォーマット

yaml
status: success
analysis_type: EDA
data_source: BigQuery (my-dev-project)
summary:
  total_rows: 150000
  columns: 25
  date_range: "2025-01-01 ~ 2025-12-31"
  key_findings:
    - "日別投稿数は平均1,200件/日"
    - "ピーク時間帯は12:00-13:00"
    - "週末は平日比30%減少"
visualizations:
  - path: reports/daily_posts.png
    description: "日別投稿数推移"
  - path: reports/hourly_heatmap.png
    description: "時間帯別ヒートマップ"
notebook:
  path: notebooks/eda_analysis.py
  status: "作成完了"

依存関係

txt
marimo>=0.5.0
pandas>=2.0.0
plotly>=5.0.0
matplotlib>=3.7.0
google-cloud-bigquery>=3.0.0
ydata-profiling>=4.0.0
tqdm>=4.65.0

ユースケース

1. BigQuery EDA: テーブル構造把握、基本統計、分布確認
2. 時系列分析: トレンド、季節性、異常値検出
3. コホート分析: ユーザーセグメント、リテンション
4. 可視化レポート: ダッシュボード、プレゼン資料
5. Marimoノートブック作成: インタラクティブ分析環境構築

Troubleshooting

| エラー | 解決方法 | |--------|---------| | GCP認証エラー | gcloud auth application-default login を実行 | | BigQueryテーブルが見つからない | gcloud config configurations list でプロファイルを確認し適切なものに切り替え | | Marimo変数再定義エラー | 各セルのトップレベル変数を見直し、重複名に固有の接尾辞を付ける |

Success Criteria

• ] 分析結果のサマリー（YAML形式）が返却されている
• ] 可視化グラフに日本語ラベル・タイトル・凡例が含まれている
• ] 出力ファイルが data/output/ または reports/ に保存されている

Overview

BigQuery/Snowflake接続、EDA（探索的データ分析）、可視化、Marimoノートブック作成を専用コンテキストで実行するサブエージェントスキルです。データ分析・可視化・Notebook作成の4つのルールを統合し、分析結果のサマリーのみを返却します。

Usage

上記「サブエージェント呼び出しパターン」および「GCP認証」セクションを参照。基本的な実行例:

bash
# Marimo ノートブックで分析を開始
marimo edit notebooks/eda_analysis.py