scaixeta/crisp-dm-workflow-doc25

CRISP-DM Workflow Orchestrator (DOC2.5)

Propósito

Esta skill define e garante a aplicação do framework padrão da indústria CRISP-DM (Cross-Industry Standard Process for Data Mining) encapsulado dentro da governança e fluxo do DOC2.5. O objetivo é orquestrar iniciativas de IA/ML com o mesmo rigor de rastreabilidade, planejamento e aprovação aplicados ao desenvolvimento tradicional de software, sem criar governanças paralelas.

Quando usar (Activation Criteria)

Esta skill deve ser ativada obrigatoriamente se a solicitação do PO envolver uma ou mais das seguintes disciplinas:

• Machine Learning (Aprendizado de Máquina)
• Modelos de Predição (Predictive Models)
• Classificação, Clusterização ou Ranking
• Sistemas de Recomendação
• Treinamento, Fine-Tuning ou Avaliação de Modelos
• Feature Engineering
• Preparação de Datasets / Curadoria de Dados
• Monitoramento de Drift de Dados ou Reciclagens (Retraining)
• Avaliação de sistemas RAG (Retrieval-Augmented Generation) quando houver avaliação de qualidade do modelo além do mero encanamento de recuperação (plumbing).

Quando NÃO usar

Não invoque esta skill (use orquestradores tradicionais) para:

• Trabalhos puros de backend/API sem ciclo de vida de modelos.
• Trabalhos de interface de usuário (UI/Frontend).
• Tarefas exclusivamente de infraestrutura ou automação (sem fase de modelagem/avaliação).
• Criação base de documentação apenas.

Entradas Esperadas

• Problema de negócio a ser resolvido via IA/ML.
• Origens de dados e eventuais restrições.
• Critérios de sucesso qualitativos/quantitativos pretendidos.

Saídas Esperadas

• Plano de implementação sequencial faseado via CRISP-DM.
• Definição clara do objetivo, baseline approach, métricas e pipeline de dados.
• Modelos treinados, avaliados, validados contra baselines e documentados (na execução).
• Relatório de validação referenciado no Dev_Tracking_SX.md.

Integração CRISP-DM x DOC2.5

O mapeamento do processo de desenvolvimento seguro DOC2.5 com as fases metodológicas do CRISP-DM se dá da seguinte forma:

1. DOC2.5 Understanding & Discovery

   • CRISP-DM Phase 1: Business Understanding (Definir objetivo de negócio, KPIs de sucesso e go/no-go).
   • CRISP-DM Phase 2: Data Understanding (Mapear fontes de dados, aferir qualidade e viabilidade).

2. DOC2.5 Proposal & Implementation Plan

   • Desenhar o plano explicitando as próximas fases. Exigências estritas de ML: Target variable, estratégia de feature engineering, e pipeline baseline.

3. DOC2.5 Approval Gate

   • Apresentar o plano consolidado.
   • Pergunta obrigatória: "Você aprova este plano para execução? Sim / Não"
   • ZERO Auto-Execute.

4. DOC2.5 Controlled Execution

   • CRISP-DM Phase 3: Data Preparation (Limpeza, transformações, pipelines de feature).
   • CRISP-DM Phase 4: Modeling (Seleção arquitetural, treinamento e otimização).

5. DOC2.5 Validation & Report

   • CRISP-DM Phase 5: Evaluation (Validar o output formalmente sob os critérios de negócio).
   • CRISP-DM Phase 6: Deployment (Estratégia de rollout da solução e monitoramento de drift).
   • Registrar as decisões e histórico no Dev_Tracking_SX.md.

Regras de Planejamento Obrigatório para IA/ML

Qualquer plano de implementação gerado por esta skill deve iterar e exigir os seguintes fatores de projeto:

• Business objective e KPIs de sucesso.
• Designação da Variável Target (ou definição formal da tarefa alvo).
• Fontes de dados, qualidade e avaliações de disponibilidade.
• Estratégia de preparação de dados.
• Abordagem baseline pragmática (ex: modelo aleatório ou heurística de negócios simples).
• Estratégia da modelagem (principais tipos algorítmicos ou topologias arquiteturais propostas).
• Critérios de Evaluation e Go/No-Go para lançamento da pipeline de inferência.
• Estratégia de Deployment.
• Considerações de Monitoramento contínuo / Concept Drift / Retraining triggers.

Regras de Aprovação e Restrições DOC2.5

• Zero Auto-Execute / Zero Auto-Commit: Nenhuma extração de dados dispendiosa, treino em loop longo ou script modificado no Git pode ser injetado automaticamente sem a Approval Gate.
• Single Source of Truth: Não crie instâncias de documentação alienígenas ("ML_README.md", "EXPERIMENTS.md"). Os modelos e metodologias habitam as 4 Pastas Canônicas (SETUP.md, ARCHITECTURE.md, DEVELOPMENT.md, OPERATIONS.md).
• Nenhum bypass de governança: Mantenha rastreabilidade obrigatória no Dev Tracking ativo para a sprint de Data Science vigente.

Critérios de Validação da Skill

Antes de apresentar "Concluído", avalie internamente:

• [ ] O planejamento contém o mapeamento de todas as 6 fases do CRISP-DM sob o Workflow DOC2.5?
• [ ] Os KPIs de negócio foram traçados com rigor e critério de aceite (baseline explícita)?
• [ ] O PO aprovou o plan via Approval Gate (Sim/Não)?
• [ ] O Dev_Tracking listou as decisões algorítmicas de negócio em sua respectiva aba?
• [ ] Nenhum documento proibido fora de docs/ foi introduzido via skill?

Exemplo de Uso

PO: "Gostaria que você projetasse um sistema inteligente para ranquear nossos tickets de suporte e treine o modelo nos CSVs anexos."

Agente: (Acionando a meta-skill CRISP-DM + DOC2.5)

1. "Meu Business e Data Understanding revelam..."
2. "Proponho o seguinte de plano integrando as fases CRISP-DM de Data Preparation, Modeling e Deployment ao doc2.5 approval flow..."
3. "Você aprova este plano para execução? Sim/Não." (Aguarda comando de execução seguro e logado do Product Owner)