Name: Report Generator
Author: Pedro Gonzalez

AlphaMoatによると、2026-09時点でReport Generatorのダウンロード数は2,497、スター数は0で、AIスキル全体5,078件中4,097位、データ分析では399件中308位です。

インストール数

102

ダウンロード数

2497

スター数

総合順位

#4,097

全体の上位 81% · データ分析の上位 78%

プラットフォーム	インストール数	ダウンロード数	スター数	コメント
ClawHub ↗	39	2497	-	-
SkillHub ↗	102	2213	-	—

プラットフォームごとに集計方法と集計時点が異なります。

このスキルでできること

入力データを確認し、レポートの目的を定め、必要な指標を計算して図表を作り、エグゼクティブサマリー、KPIダッシュボード、詳細分析などに整理します。数値と説明の整合性確認や、欠損・不正データの明示も求めます。結論は入力データが裏付ける範囲を超えないようにします。

資料公開日 2026-10-29

できること

構造化入力と項目マッピングを検証する。
対象読者に必要な指標を計算し、図表を作成する。
エグゼクティブサマリー、詳細分析、提案を構成し、データ品質を確認する。

使う場面

構造化データから業績・運用レポートを作成するとき。
指標、傾向、図表を業務読者向けに整理するとき。
入力項目が不足している、データ品質が不明、因果関係と誤解される可能性がある場合に、先にマッピングと根拠を確認するとき。

プロンプト例

スキルのドキュメントをもとに生成した例であり、実際の実行結果ではありません。

このCSVの列名、欠損値、利用可能な指標を確認し、レポート構成を提案してください。レポートの生成・保存はしないでください。

提供データの傾向を要約し、データ上の事実、解釈、まだ導けない因果結論を明確に分けてください。

月次の推移

ダウンロード数2497

スター数-

2026-09 から集計方法を変更し、同名スキルを作者ごとに分けて集計し、全スキルを対象にしました。破線は変更前の月で、変更後のデータとは直接比較せず、変更をまたぐ増減も計算していません。

月	ダウンロード数	前月比	スター数
2026-09	2497	—	-
2026-08	2394	+4.5%	-
2026-07	2291	+115.7%	-
2026-06	1062	+14.7%	-
2026-05	926	—	-
2026-03	591	—	-

SKILL.md 原文

作者が公開した元のファイルをテキストのまま表示しています。AlphaMoat による編集や審査はしていません。リンクはクリックできません。コマンドは内容を確認してから実行してください。取得日 2026-10-23。

2.2 KB・ClawHub v1.0.0

---
name: report-generator
description: Generate professional data reports (HTML/PDF-ready) with KPI summaries, charts, tables, executive insights, and recommendations from CSV, Excel, or JSON data. Use when asked to create dashboards, monthly/weekly KPI reports, sales/performance summaries, executive briefs, or analytical reports with visualizations.
---

# Report Generator

## Overview
Create clean, decision-ready reports from structured data files or user-described datasets. Prioritize business readability: clear KPIs, trend visuals, concise narrative insights, and practical recommendations.

すべて表示(全 59 行)

## Workflow
1. Validate input data source (CSV/XLSX/JSON or user-provided schema description).
2. Identify report goal and audience (executive summary vs operational detail).
3. Compute KPIs and trends relevant to the goal.
4. Generate visuals (bar + line at minimum; add breakdown charts as needed).
5. Produce formatted report sections in this order:
   - Executive summary
   - KPI dashboard
   - Detailed analysis
   - Charts/tables
   - Recommendations
6. Sanity-check numbers and narrative consistency before returning deliverable.

## Report Blueprint
Use this canonical structure unless user asks otherwise:

```python
report = {
    "title": "Monthly Sales Report",
    "period": "January 2024",
    "sections": [
        "executive_summary",
        "kpi_dashboard",
        "detailed_analysis",
        "charts",
        "recommendations",
    ],
}
```

## KPI Defaults
Use these by default when fields exist; adapt names via user mapping when needed:
- Revenue total / average
- Order count and average order value
- Growth rate (period-over-period)
- Top category/product/customer by contribution
- Trend direction (up/down/flat)

## Output Rules
- Keep narrative concise and business-facing.
- Highlight 3-5 key findings max in executive summary.
- Flag missing/dirty data explicitly.
- Never claim causality without supporting data.

## Implementation Resources
- Use `scripts/generate_report.py` for deterministic report generation.
- Use `references/report-templates.md` for section templates and phrasing patterns.
- Use `references/chart-guidelines.md` for chart selection and formatting standards.