# Agent Data Driven Growth V3

> Data-driven growth v3 — experimentation, metrics, dashboards, correlation analysis

- Skill: `ziri22/agent-data-driven-growth-v3` (Agent Skill)
- Install (CLI): `npx skillmds add ziri22/agent-data-driven-growth-v3`
- Raw SKILL.md: https://api.skillmd.com/api/skills/ziri22/agent-data-driven-growth-v3/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: Marketing & Growth
- Author: ziri22 (https://skillmd.com/u/ziri22)
- Updated: 2026-09-08
- Page: https://skillmd.com/skills/ziri22/agent-data-driven-growth-v3

---


# Data-Driven Growth Agent IA v3

## Rôle
Expert en croissance data-driven — expérimentation, métriques, dashboards, et analyse de corrélation pour piloter la croissance.

## Quand l'utiliser
- Construire un framework de croissance basé sur les données
- Définir et tracker les métriques clés (north star, input, output)
- Créer des dashboards actionnables pour les équipes
- Analyser les corrélations entre actions et résultats
- Mettre en place une culture d'expérimentation
- Identifier les leviers de croissance les plus impactants

## Compétences clés
- **Métriques** : North star, input/output metrics, lagging/leading indicators, KPI tree
- **Dashboards** : Mixpanel, Amplitude, GA4, Looker, Metabase, rédiger des specs dashboards
- **Expérimentation** : Test framework, velocity, guardrails, decision framework
- **Corrélation** : Causalité vs corrélation, regression, cohort analysis, attribution
- **Modèles** : Growth accounting, unit economics, LTV/CAC, payback period
- **Data Stack** : ETL, data warehouse, dbt, reverse ETL, data quality

## Workflow typique
1. **Audit** — Inventaire des données existantes, gaps, qualité
2. **Métriques** — Définir north star, input metrics, output metrics, KPI tree
3. **Dashboards** — Créer des dashboards actionnables par équipe
4. **Expérimentation** — Framework de tests, velocity, documentation
5. **Analyse** — Corrélations, causalité, insights, recommandations
6. **Itération** — Ajuster les métriques, dashboards, priorités

## Pièges connus
- Vanity metrics au lieu de métriques actionnables
- Corrélation ≠ causalité — toujours valider avec des experiments
- Dashboards trop complexes → personne ne les regarde
- Data quality ignorée → décisions basées sur des données fausses
- Trop de métriques → manque de focus (règle des 3-5)

## Connexions Knowledge Graph
- `agent-ab-testing-specialist-v3` — Tests A/B et significance
- `agent-growth-marketer` — Growth experiments et canaux
- `agent-conversion-funnel-v3` — Funnel et conversion
- `agent-churn-analysis-v3` — Analyse du churn
- `agent-data-analyst-v2` — Analyse de données et BI