Contacta con nosotros

Temario del curso

Introducción a la analítica conversacional

  • ¿Qué es la analítica conversacional y por qué es importante para los equipos de producto?
  • Capacidades clave y arquitectura general de WrenAI
  • Flujos de trabajo típicos del equipo de producto habilitados por WrenAI

Conexión de fuentes de datos y acceso

  • Fuentes de datos soportadas y patrones de ingesta
  • Acceso a los datos, permisos y uniones entre múltiples fuentes
  • Mejores prácticas para conjuntos de datos de ejemplo y entornos aislados (sandbox)

Modelado semántico y estandarización de métricas

  • Diseño de una capa de métricas y definiciones canónicas
  • Creación de métricas y dimensiones reutilizables para la analítica del producto
  • Control de versiones y gobernanza del modelo semántico

Flujos de trabajo de lenguaje natural a SQL

  • Cómo WrenAI traduce consultas NL a SQL y estrategias de validación
  • Patrones de prompts y soluciones alternativas para preguntas sobre el producto
  • Manejo de ambigüedades, preguntas aclaratorias y diseño de intenciones

BI autoservicio y casos de uso integrados

  • Diseño de paneles de control conversacionales y plantillas para equipos de producto
  • Incrustación de WrenAI en flujos de trabajo del producto y herramientas internas
  • Medición de la adopción e impacto de la analítica autoservicio

Calidad, evaluación y límites de seguridad

  • Prueba de la precisión NL-to-SQL y creación de suites de validación
  • Seguimiento de desviaciones (drift), señales de calidad de datos y auditorías de consultas
  • Seguridad, control de acceso y límites de seguridad basados en reglas de negocio

Taller: Construcción de un flujo de información sobre el producto

  • Práctica: modelar una métrica del producto, crear consultas conversacionales y validar los resultados
  • Ensamblar un panel de control autoservicio y guías para el usuario
  • Presentaciones, retroalimentación y planes de acción de próximos pasos

Resumen y siguientes pasos

Requerimientos

  • Comprensión de las métricas de producto y los KPIs
  • Experiencia con herramientas de análisis de datos o BI
  • Familiaridad básica con SQL es beneficiosa

Público objetivo

  • Gestores de producto
  • Analistas de datos
  • Agentes de datos en unidades de negocio
 14 Horas

Número de participantes


Precio por participante

Reseñas (4)

Próximos cursos

Categorías Relacionadas