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
Reseñas (4)
Que fue muy priactico.
Alfonso Ramos - Banco de Mexico
Curso - Fundamentos de Integración de Datos Pentaho
Deepthi estaba muy atenta a mis necesidades, podía percibir cuándo añadir capas de complejidad y cuándo mantenerse atrás y adoptar un enfoque más estructurado. Deepthi realmente trabajó a mi ritmo y aseguró que pudiera utilizar las nuevas funciones/herramientas por mí mismo, primero mostrándome y luego dejándome recrear los elementos por mí mismo, lo cual ayudó mucho a consolidar la formación. ¡No podría estar más satisfecho con los resultados de esta capacitación y con el nivel de experiencia de Deepthi!
Deepthi - Invest Northern Ireland
Curso - IBM Cognos Analytics
Traducción Automática
estaba muy preparado - y es muy simpático
Oliver - Post CH AG
Curso - Splunk Fundamentals
Traducción Automática
muchos ejercicios prácticos
Marcin - Narodowy Bank Polski
Curso - Splunk Data Administration
Traducción Automática