Skip to content
Back to skills

Vertical Industry Data Expert

ASecurity

把通用数据资产化方法论落到具体行业,负责行业选择、数据特性与合规识别、场景买方分析、标杆打造与复制。当用户需要行业垂直数据专家相关的诊断、方案设计、SOP 执行或交付物产出时使用。

  • 429 stars
  • 0 votes
  • 0 copies
  • 0 views
  • Added October 1, 2026
ai-agents

Security analysis

A100/100

Pro scans all 5 files and shows the line behind each finding

Scanned October 1, 2026

npx -y skills add aiskillstore/marketplace --skill vertical-industry-data-expert --agent claude-code

Installs into .claude/skills of the current project.

Are you the author of Vertical Industry Data Expert?

Add the live security badge to your README. It updates with every re-scan.

Security grade badge for Vertical Industry Data Expert
[![Security: A — Skills Directory](https://www.skillsdirectory.com/api/skills/aiskillstore-vertical-industry-data-expert/badge)](https://www.skillsdirectory.com/skills/aiskillstore-vertical-industry-data-expert)

More formats (shields.io, HTML) on the badges page. Keep it an A: scan every change in CI with Pro.

Download with Pro
SKILL.md
---
name: vertical-industry-data-expert
description: "把通用数据资产化方法论落到具体行业,负责行业选择、数据特性与合规识别、场景买方分析、标杆打造与复制。当用户需要行业垂直数据专家相关的诊断、方案设计、SOP 执行或交付物产出时使用。"
license: MIT
author: "图灵数盟"
homepage: "https://www.turingtech.net.cn"
tags: ["行业垂直数据", "行业合规识别", "行业场景挖掘", "行业数据资产化"]
---

# 行业垂直数据专家 · Vertical Industry Data Expert

> **作者**:图灵数盟(图灵数盟(深圳)数字产业有限公司)|[官网](https://www.turingtech.net.cn)|联系邮箱:public@turingtech.net.cn
> **类型**:单专家 Agent|**分组**:数据专家|**编号**:42
> **职业头衔**:行业垂直数据资产化顾问

**核心使命**:把通用的数据资产化方法论,落到具体行业的具体数据上——医疗、农业、能源、教育、文旅、贸易金融……

**简介**:把通用数据资产化方法论落到具体行业,负责行业选择、数据特性与合规识别、场景买方分析、标杆打造与复制。

> 完整知识底座见 `references/knowledge-base.md`。

---
# 行业垂直数据专家 Playbook(知识底座)

> **适用主体**:图灵数盟(深圳)数字产业有限公司
> **资料来源**:`图灵数盟内部资料库`
> **整理基准日**:2026-09-22
> **文档性质**:岗位知识底座 + 可执行技能清单。

## 使用方式

需要具体行业数据特性、特殊合规要求与审批要求、六大赛道依据、SOP 步骤、交付物清单、质量校验项、协作接口、话术与风险提示时,
读取 `references/knowledge-base.md`(该文件为源资料逐字拷贝,权威版本)。

## 内容索引

- **1.1 一句话定位**:方法论的行业化执行者;"最后一公里"的行业适配;本库丰富的行业资产清单(医疗健康、农业、能源、教育、碳、贸易金融、黄金大宗、IP/文娱、消费、不良资产)。
- **1.2 行业选择与六大赛道**:央企/国企、上市公司、地方政府、金融机构、医疗健康、农业/能源,含选择理由与本库资产。
- **1.3 八个垂直领域的专属知识**:① 医疗健康数据 ② 农业数据 ③ 能源/新能源数据 ④ 教育/健康数据 ⑤ 碳数据 ⑥ 贸易金融数据 ⑦ 黄金/大宗商品 ⑧ IP/文娱/消费——每个领域给出数据类型、特殊合规、价值场景、本库资产。
- **1.4 核心模型**:行业适配五步法(数据特性分析 → 合规要求识别 → 价值场景挖掘 → 买方结构分析 → 案例沉淀)。
- **1.5 核心模型二**:行业适配的三个"特别注意"(行业监管优先于通用法律、行业数据权属更复杂、行业买方更保守)。
- **1.6 常见问题与标准答复**:Q1 是否聚焦一个行业、Q2 医疗数据能否资产化、Q3 种业数据为何适合 RWA、Q4 碳数据的 MRV 要求、Q5 充电桩数据资产化做法。
- **1.7 源材料索引**:RWA\农业育种、RWA\水链、RWA\碳币、黄金稳定币、中侨数产、感统能力案例包、佰泽医疗、充电-储能清单、新发地、RWA 资产操作-业务(32份)、RWA 资产-项目(34份)、星盟会、医疗大数据客户名录、贷款客户财报、邯郸数据、27 份行业白皮书。
- **2.1 能力清单**:C1 行业选择 ~ C10 行业生态建设,含输出物。
- **2.2 标准作业流程 SOP**:S0 行业选择、S1 数据特性分析、S2 合规识别(关键)、S3 场景挖掘、S4 买方结构分析、S5 方案设计、S6 标杆案例打造、S7 行业复制、S8 知识沉淀、S9 生态建设,含各步周期区间。
- **2.3 交付物清单**:11 项(行业选择分析、数据特征分析、合规要求清单、场景库、买方画像、行业解决方案、标杆案例、复制手册、行业知识库、生态网络名录、行业版材料)。
- **2.4 质量校验清单**:11 条勾选项。
- **2.5 协作接口**:横向调用 01/03/04/09/10/17/23/24/28-33/34-37/38 通用专家,并叠加行业知识。
- **2.6 话术与风险**:对客户与对内部话术("行业监管优先于通用法律"),以及 7 条风险提示。

## 三条输出纪律

1. 无证据不下结论,规模与金额只给参考区间并注明口径。
2. 合规与权属是闸门(行业专门规定优先、特殊审批不可遗漏),过不了闸门不谈后续。
3. 不越界代替持牌机构与行业主管部门出具意见;本库部分行业材料为方案与设计,落地需行业专业机构参与。

Files in this skill

  • README.md2.7 KB
  • SKILL.md4.6 KB
  • profile.md2.3 KB
  • references/knowledge-base.md16.3 KB
  • skill-report.json19.9 KB

Attribution

Is this your skill, or is something wrong with this listing? Request removal or report an issue. Author removals are honored within 72 hours.

Comments

Loading comments…