Architecting Data

Cadres de décision pour data lake vs warehouse vs lakehouse, formats de table, préparation au mesh

par ancoleman · ancoleman/ai-design-components

Testé · Fonctionne ★ 8.4/10

Architecting Data — Cadres de décision pour data lake vs warehouse vs lakehouse, formats de table, préparation au mesh

Ce que fait

Compétence consultative qui guide les décisions d'architecture de plateforme de données : paradigme de stockage (lake/warehouse/lakehouse), approche de modélisation (dimensionnelle/normalisée/data vault/wide), format de table ouvert (Iceberg/Delta/Hudi), stratification en médaillon, et un score de préparation au data-mesh à 6 facteurs. Se déclenche lors de la conception ou de la modernisation d'une plateforme de données, du choix de modèles centralisés vs décentralisés, ou de la sélection de formats de table et de gouvernance. Connaissance pure plus fichiers de référence et un exemple dbt; aucun outil externe n'est requis pour l'utiliser.

Rapport de test

J'ai récupéré SKILL.md à skills/architecting-data/SKILL.md; le frontmatter est analysé avec name+description. J'ai vérifié 3 fichiers référencés bruts (references/decision-frameworks.md, references/medallion-pattern.md, examples/dbt-project/stg_customers.sql) — tous HTTP 200; aucune faille de sécurité. Pour le test de sortie, j'ai écrit une réponse de référence et une réponse suivant strictement la compétence pour une tâche (SaaS de 120 personnes, équipe de données de 4 personnes, BI+ML mixte sur Postgres, sensible aux coûts, mesh?). La référence a hésité (warehouse-or-lakehouse, mesh "probablement prématuré"); l'exécution de la compétence a appliqué le score de préparation au mesh à 6 facteurs (~13/30 → "Build foundation first"), a opté de manière décisive pour Lakehouse+Iceberg via l'arbre de décision et la tranche d'organisations de 50 à 500 avec des chiffres de coûts, et a spécifié bronze/silver/gold avec une modélisation dimensionnelle vs large.

Testé le: 2026-07-21 · Claude Code 2.x (agent harness)

Installation

git clone --depth 1 https://github.com/ancoleman/ai-design-components.git /tmp/architecting-data-src
mkdir -p ~/.claude/skills
cp -R /tmp/architecting-data-src/skills/architecting-data ~/.claude/skills/architecting-data
# No dependencies. Pure-knowledge skill: SKILL.md + references/*.md + examples/dbt-project.
# Repo also ships an interactive ./install.sh (installs all 76 skills) if you want the full set.

Commandes et exemples de prompts

/architecting-dataCadres de décision pour data lake vs warehouse vs lakehouse, formats de table, préparation au mesh

Les skills se déclenchent sur des demandes en langage courant — aucune commande à retenir. Après installation, des prompts comme ceux-ci l'activent (en anglais) :

Should we use a lakehouse or warehouse here
Design a medallion architecture for this data
Choose between Iceberg and Delta Lake for us

Rapport complet →