ontdek-kansen

What this skill does

# Ontdek Kansen

Je orchestreert een multi-skill pipeline die per interessegebied software-product-kansen op de Nederlandse markt ontdekt en rangschikt. Je roept bestaande skills aan via de `Skill` tool. Je eindresultaat is een Markdown-rapport met een gerangschikte opportunity-lijst.

## Kerncontext (altijd meegeven aan downstream skills)

- **Geografische focus**: Nederland. Prefereer NL-bronnen (CBS, Rijksoverheid, NOS, FD, vakbladen, branche-organisaties, gemeentelijke rapporten, CPB, SCP, RIVM, etc.). Internationale bronnen alleen als NL-data ontbreekt.
- **Taal**: Nederlands, tenzij de gebruiker expliciet anders vraagt.
- **Product-lens**: software-producten — geen diensten, geen hardware.
- **Twee strategische lenzen** (bonus-score, geen harde filter):
  - **L1 — Goedkopere her-implementatie**: bestaande software in het domein die 'te duur' is en waarvoor een goedkoper alternatief kansrijk is. AI en moderne software-stacks maken veel herbouw goedkoper en robuuster dan 5-10 jaar geleden.
  - **L2 — Niet-beeldscherm-interfaces**: kansen waar software beter zou landen via audio, dialoog, smartglasses, smart headphones, smartwatches of andere ambient/voice-first interfaces, maar bestaande oplossingen nog primair op een beeldscherm leunen.
- **Tijdsbudget**: maximaal 60 minuten totaal.

## Input-handling

Accepteer één van:
- Een domeinnaam als argument (bv. `zorg`, `educatie`, `voetbal`, `fitness`, `zang`, `overheid`, `veiligheid`)
- Een pad naar een domein-md (bv. `interessegebieden/zorg_en_welzijn.md`)
- Geen input → interview-modus: vraag welk interessegebied

**Interview-exit**: zodra het domein bekend is en het bijbehorende md-bestand vindbaar is.

## Fase 0 — Input-bundel (≤5 min)

### 0.1 Resolve domein-bestand
Zoek in `interessegebieden/`. Mapping:

| Argument | Bestand |
|---|---|
| `zorg` | `interessegebieden/zorg_en_welzijn.md` |
| `educatie` | `interessegebieden/educatie.md` |
| `voetbal` | `interessegebieden/voetbal.md` |
| `fitness` | `interessegebieden/fitness.md` |
| `zang` | `interessegebieden/zang.md` |
| `overheid` | `interessegebieden/overheid.md` |
| `veiligheid` | `interessegebieden/veiligheid.md` |

Als het bestand niet bestaat: stop en vraag de gebruiker om het te maken (of geef een pad op).

### 0.2 Persona-samenstelling

Stel een set van 8-15 domein-specifieke personas samen. Er zijn twee tracks, in volgorde van voorkeur:

---

#### Track A — Derive: bestaande personas adopteren en domein-rol overlayen (voorkeur)

Dit garandeert domein-relevantie en benut de rijke narratief-structuur (demografie, familie, gezondheid, persoonlijkheid) van de bestaande personas.

1. **Kies 8-12 base-personas** uit `personas/` op basis van expliciete diversiteit:
   - Leeftijd: minstens 3 bandjes (bv. 15-25, 26-45, 46-65, 65+)
   - Regio: mix van G4 / middelgrote stad / klein dorp
   - Sociaaleconomische status: laag / midden / hoog
   - Gender en migratie-achtergrond in representatieve mix
   - Bij afwezigheid van metadata: selecteer op bestandsnaam/plaatsnaam en steekproeven op de eerste ~10 regels van elke file

2. **Definieer een catalogus van domein-rollen** vóór adoptie. Bepaal de rollen vanuit de subdomeinen in het `interessegebieden/<gebied>.md`. Voorbeeld voor **zang**:
   - Zangleraar / stemcoach bij muziekschool
   - Amateur-koorlid (pas beginnend)
   - Zangstudent conservatorium
   - Semi-professionele vocalist (coverband, musical-ensemble)
   - Hobby-zanger thuis (douche, karaoke, TikTok)
   - Koordirigent vrijwillig
   - Logopedist met focus stem
   - Ouder van kind met zang-ambitie
   - Volwassene in stemrevalidatie (na operatie/ziekte)

3. **Wijs per base-persona een rol toe** en pas minimaal aan:
   - **Wat je verandert**: beroep / hobby-focus, domein-specifieke doelen, pains, gains, dagelijkse routines rond het domein
   - **Wat je behoudt**: demografie, familiecontext, financiële situatie, persoonlijkheid, mentale gezondheid, taalvoorkeur, digitale vaardigheid
   - **Conflicten**: als de base-persona onverenigbaar is met de rol (bv. persona is blind → niet passend voor "scherm-heavy"-rol), kies een andere base-persona

4. **Schrijf de afgeleide personas tijdelijk** naar `opportunities/<domein>-<datum>/personas-derived/` zodat downstream skills (Fase 1.3 JTBD) ernaar kunnen verwijzen.

5. **Naamgeving** bij derived personas: `<base-id>_as_<rol>.md` (bv. `001_anouk_de_vries_as_hobby_zanger.md`) — traceerbaar naar origineel.

---

#### Track B — Filter: bestaande domein-getagde personas gebruiken

Alleen bruikbaar als personas al domein-metadata hebben. Methoden in voorkeursvolgorde:

1. **YAML-frontmatter met `domains: [...]`** — lees alleen frontmatter, filter direct.
2. **Index-bestand** `personas/domain-index.md` met mapping `domein → [persona-bestanden]`.
3. **Bestandsnaam-patroon** `<id>_<naam>_<plaats>_<domein>.md`.
4. **Heuristische scan** (fallback, duur): eerste 30 regels per file scannen en filteren.

---

#### Stopcriterium
- Minstens 6 personas (6 = minimum voor zinvolle JTBD-variatie)
- Maximaal 15 personas (>15 voegt vooral token-last toe)

#### Bij falen
Als beide tracks <6 personas opleveren: noteer in rapport onder "Aannames & beperkingen" en ga verder zonder persona-input. Fase 1.3 werkt dan alleen op domeincontext.

### 0.3 Samenstel briefing
Verzamel in een briefing-blok dat je aan elke downstream skill meegeeft:

```
## Briefing
- Domein: [naam]
- Domeincontext: [inhoud van interessegebieden/<bestand>.md]
- Personas-methode: [Track A — derived / Track B — filtered / Geen]
- Personas: [lijst namen + rol + 1-regel samenvatting per persona; bij Track A ook base-id noemen]
- Lenzen:
  - L1: goedkopere her-implementatie van te dure bestaande software
  - L2: niet-beeldscherm-interfaces (audio, dialoog, smartglasses, headphones, watch)
- Markt: Nederland. Prefereer NL-bronnen.
- Output-taal: Nederlands.
```

## Fase 1 — Signaalverzameling (≤25 min, parallel waar mogelijk)

Roep de volgende drie skills sequentieel aan (parallel niet gegarandeerd binnen één sessie; sequentieel is veiliger). Geef elke skill de briefing uit Fase 0 plus een specifieke focus-instructie.

### 1.1 Trend-analyse
Roep `trend-analysis` aan met:
- Scope: "[domein] in Nederland"
- Focus: PESTEL-scan + opkomende trends die software-kansen opleveren; classificeer als megatrend / trend / fad
- Let specifiek op: technologische trends die L1 (prijsverlaging) of L2 (nieuwe interfaces) mogelijk maken

**Output opslaan**: `opportunities/<domein>-<datum>/01-trend-analysis.md`

### 1.2 Concurrentie-analyse
Roep `competitive-analysis` aan met:
- Scope: "softwareaanbod voor [domein] in Nederland"
- Focus: wie zijn de spelers, wat zijn de prijspunten, welke interfaces gebruiken ze (beeldscherm / mobiel / voice / wearable)
- Let specifiek op: aanbod dat als 'te duur' wordt ervaren (L1) en aanbod dat alleen op beeldscherm draait terwijl ambient use-cases bestaan (L2)

**Output opslaan**: `opportunities/<domein>-<datum>/02-competitive-analysis.md`

### 1.3 Jobs-to-be-Done analyse
Roep `jtbd-analysis` aan met:
- Scope: "[domein] vanuit perspectief van de geselecteerde personas"
- Persona-input: de persona-briefing uit Fase 0
- Focus: onvervulde of onderbediende jobs; gebruik "when [situation] I want to [outcome] so I can [benefit]"

**Output opslaan**: `opportunities/<domein>-<datum>/03-jtbd-analysis.md`

## Fase 2 — Gap-synthese (≤15 min)

### 2.1 Consolideer bevindingen
Verzamel uit fase 1 alle losse gaps/kansen/onvervulde jobs. Deduplificeer en groepeer.

### 2.2 Lens-tagging
Tag elke gap met L1, L2, beide of geen:
- **L1**: is er bestaande software die dit adresseert maar als te duur wordt ervaren? → tag `L1`
- **L2**: zou deze gap beter bediend worden via audio / dialoog / smartglasses / headphones / watch? → tag `L2`
- Een gap mag beide tags hebben.

### 2.3 HMW-framing
Roep `hmw-framing` aan met:
- Input: de geconsolideerde, lens-getagde gap-lijst
- Focus: één of meer "How might we..."-statements per gap die een kandidaat-opportunity formuleren
-