·visualizing-data
{}

visualizing-data

ancoleman/ai-design-components

Crée des tableaux de bord, des rapports et des interfaces basées sur les données nécessitant des tableaux, des graphiques ou des analyses visuelles. Fournit un cadre systématique pour sélectionner les visualisations appropriées en fonction des caractéristiques des données et de l’objectif analytique. Comprend plus de 24 types de visualisation organisés par objectif (tendances, comparaisons, distributions, relations, flux, hiérarchies, données géospatiales), modèles d'accessibilité (conformité WCAG 2.1 AA), palettes sécurisées pour les daltoniens et stratégies d'optimisation des performances. À utiliser lors de la création de visualisations, du choix de types de graphiques, de l'affichage graphique de données ou de la conception d'interfaces de données.

13Installations·0Tendance·@ancoleman

Installation

$npx skills add https://github.com/ancoleman/ai-design-components --skill visualizing-data

SKILL.md

Systematic guidance for selecting and implementing effective data visualizations, matching data characteristics with appropriate visualization types, ensuring clarity, accessibility, and impact.

Data visualization transforms raw data into visual representations that reveal patterns, trends, and insights. This skill provides:

| Compare values | Bar Chart, Lollipop Chart | | Show trends | Line Chart, Area Chart | | Reveal distributions | Histogram, Violin Plot, Box Plot | | Explore relationships | Scatter Plot, Bubble Chart | | Explain composition | Treemap, Stacked Bar, Pie Chart (<6 slices) | | Visualize flow | Sankey Diagram, Chord Diagram |

Crée des tableaux de bord, des rapports et des interfaces basées sur les données nécessitant des tableaux, des graphiques ou des analyses visuelles. Fournit un cadre systématique pour sélectionner les visualisations appropriées en fonction des caractéristiques des données et de l’objectif analytique. Comprend plus de 24 types de visualisation organisés par objectif (tendances, comparaisons, distributions, relations, flux, hiérarchies, données géospatiales), modèles d'accessibilité (conformité WCAG 2.1 AA), palettes sécurisées pour les daltoniens et stratégies d'optimisation des performances. À utiliser lors de la création de visualisations, du choix de types de graphiques, de l'affichage graphique de données ou de la conception d'interfaces de données. Source : ancoleman/ai-design-components.

Voir l'original

Faits (prêts à citer)

Champs et commandes stables pour les citations IA/recherche.

Commande d'installation
npx skills add https://github.com/ancoleman/ai-design-components --skill visualizing-data
Catégorie
{}Analyse de Données
Vérifié
Première apparition
2026-02-01
Mis à jour
2026-02-18

Réponses rapides

Qu'est-ce que visualizing-data ?

Crée des tableaux de bord, des rapports et des interfaces basées sur les données nécessitant des tableaux, des graphiques ou des analyses visuelles. Fournit un cadre systématique pour sélectionner les visualisations appropriées en fonction des caractéristiques des données et de l’objectif analytique. Comprend plus de 24 types de visualisation organisés par objectif (tendances, comparaisons, distributions, relations, flux, hiérarchies, données géospatiales), modèles d'accessibilité (conformité WCAG 2.1 AA), palettes sécurisées pour les daltoniens et stratégies d'optimisation des performances. À utiliser lors de la création de visualisations, du choix de types de graphiques, de l'affichage graphique de données ou de la conception d'interfaces de données. Source : ancoleman/ai-design-components.

Comment installer visualizing-data ?

Ouvrez votre terminal ou outil de ligne de commande (Terminal, iTerm, Windows Terminal, etc.) Copiez et exécutez cette commande : npx skills add https://github.com/ancoleman/ai-design-components --skill visualizing-data Une fois installé, le skill sera automatiquement configuré dans votre environnement de programmation IA et prêt à être utilisé dans Claude Code ou Cursor

Où se trouve le dépôt source ?

https://github.com/ancoleman/ai-design-components