management-summary
Bereitet eine Frage/ein Thema aus quantitativen Umfragedaten (CSV) management-gerecht auf: ein Einseiter mit TL;DR, 3–5 Kernbefunden mit Zahl und Implikation und nächsten Schritten. Ergebnis als Markd
SKILL.md.agents/skills/management-summary/SKILL.md
GitHubManagement-Summary
Ziel: Zu dem in der Anfrage des Nutzers genannten Thema einen
entscheidungsorientierten Einseiter für Management/Stakeholder erstellen — verdichtet,
implikationsstark, ohne Methoden-Ballast. Ergebnis als Markdown in reports/.
Werkzeug
python3 scripts/survey.py <cmd> [...] [--file CSV]
Aus dem Projekt-Root ausführen. Fehlt scripts/survey.py, unter .claude/scripts/survey.py nachsehen oder survey.py im Projekt suchen.
profile— Spaltenüberblick (immer zuerst).freq COL [--by COL2] [--filter "COL=WERT"] [--sig]— Verteilung/Kreuztabelle (+Signifikanz).text COL [--filter ...] [--sample N]— Freitext für ein prägnantes O-Ton-Zitat.
COL = Index (aus profile) oder eindeutiger Namensteil.
Umfrage-Kontext
Liegt neben der CSV ein Kontextdokument (<name>.context.md, bei genau einer CSV im Ordner
auch survey-context.md), zuerst lesen. Zwei Teile zählen hier besonders: das Publikum
(wer das liest und was damit entschieden wird — den Einseiter darauf zuschneiden) und
Gegenstand/Glossar (damit die Summary die Sprache der Leser nutzt, nicht die
Fragetexte). Die Zahlen kommen weiterhin nur aus dem Motor.
Dieses Format hat keine Methodik-Sektion und ist damit die Stelle, an der das Erhebungsdesign am leichtesten verloren geht — also eines behalten: Schränkt der Rekrutierungsweg die Botschaft wesentlich ein (Abschnitt „Wer fehlt"), das in einem Halbsatz an der passenden Stelle sagen, nicht in einem eigenen Block. „Unter den per In-App-Banner befragten aktiven Nutzern sind 71 % …" kostet sechs Wörter und verhindert, dass das Management ein Teilbild für das ganze hält.
Im Dokument genannte Erwartungen sind Prüfgegenstand, nie Beleg — eine Summary darf
nicht zur erhofften Bestätigung werden. Gibt es kein solches Dokument, wie bisher vorgehen
und am Ende einmal auf umfrage-kontext hinweisen.
Vorgehen
- Profilieren, dann das Thema in die 2–4 aussagekräftigsten Auswertungen übersetzen
— diese Zahl kommt zu
profilehinzu;profileist Pflicht-Startschritt, keine der Auswertungen. - Analysieren und die wichtigsten Zahlen holen. Weniger ist mehr — pro Kernbefund eine belastbare Zahl.
- Verdichten auf Implikationen. Für jeden Befund fragen: „Na und? Was heißt das fürs Geschäft/Produkt/die Nutzer?" Genau das kommt in die Summary.
- Report speichern nach
reports/(date +%F+ kebab-Titel, nicht überschreiben) und die TL;DR + Pfad in der Antwort nennen.
Report-Format (max. eine Seite)
# <Thema als aussagekräftige Überschrift>
**Datenbasis:** <Datei> · n = <…> · <Datum>
## TL;DR
2–4 Sätze, die die zentrale Botschaft transportieren. Das Wichtigste zuerst.
## Kernbefunde
1. **<Befund>** — <Zahl absolut + %>. *Implikation:* <was das bedeutet>.
2. …
(3–5 Befunde, je Zahl + Implikation, jeweils eine Zeile)
## Empfehlung / Nächste Schritte
2–3 konkrete, priorisierte Schritte.
<optional ein prägnantes wörtliches Nutzerzitat, wenn es die Botschaft stützt>
Regeln
- Kurz und implikationsorientiert — Management liest Botschaften, nicht Tabellen. Maximal eine Bildschirmseite.
- Jeder Kernbefund trägt eine konkrete Zahl (absolut + %). Keine vagen Aussagen.
- Fachjargon und Methodendetails weglassen (ggf. ein Satz „Basis: n=…").
- Nichts behaupten, was die Daten nicht hergeben; Unsicherheit in einem Halbsatz benennen — auch, wen die Umfrage nicht erreicht hat, wenn das die Lesart der Botschaft ändert.
- Sprache = Sprache der Anfrage (Standard Deutsch).