Contacta con nosotros

Temario del curso

Introducción al análisis conversacional

  • ¿Qué es el análisis conversacional y por qué es importante para los equipos de producto?
  • Capacidades principales y arquitectura de alto nivel de WrenAI.
  • Flujos de trabajo típicos del equipo de producto habilitados por WrenAI.

Conexión de fuentes de datos y acceso

  • Fuentes de datos admitidas y patrones de ingestión.
  • Acceso a los datos, permisos y uniones entre múltiples fuentes.
  • Mejores prácticas para conjuntos de datos de muestra y entornos de prueba (sandbox).

Modelado semántico y estandarización de métricas

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

Flujos de trabajo de texto a SQL mediante lenguaje natural

  • Cómo WrenAI traduce consultas en lenguaje natural (NL) a SQL y estrategias de validación.
  • Patrones de indicaciones (prompting) y respuestas alternativas para preguntas sobre el producto.
  • Manejo de ambigüedad, preguntas de aclaración y diseño de la intención del usuario.

BI autoatendido y casos de uso integrados

  • Diseño de cuadros de mando conversacionales y plantillas para equipos de producto.
  • Integración de WrenAI en flujos de trabajo del producto y herramientas internas.
  • Medición de la adopción y el impacto del análisis autoatendido.

Calidad, evaluación y salvaguardas

  • Prueba de la precisión de NL a SQL y creación de conjuntos de validación.
  • Monitoreo de derivas, señales de calidad de datos y auditorías de consultas.
  • Seguridad, control de acceso y salvaguardas basadas en reglas de negocio.

Taller: Construcción de un flujo de información del producto

  • Práctica guiada: modelar una métrica del producto, crear consultas conversacionales y validar los resultados.
  • Ensamblar un cuadro de mando autoatendido y guías para el usuario.
  • Presentaciones, retroalimentación y planes de acción para los siguientes pasos.

Resumen y próximos pasos

Requerimientos

  • Comprender las métricas de producto y los indicadores clave de rendimiento (KPI).
  • Experiencia con herramientas de análisis de datos o BI.
  • Conocimientos básicos de SQL son beneficiosos.

Audiencia objetivo

  • Gerentes de producto.
  • Analistas de datos.
  • Líderes de datos en las unidades de negocio.
 14 Horas

Número de participantes


Precio por participante

Testimonios (4)

Próximos cursos

Categorías Relacionadas