Temario del curso
Introducción a la analítica conversacional
- Qué es la analítica conversacional y por qué es importante para los equipos de producto
- Capas de capacidad clave de WrenAI y arquitectura de alto nivel
- Flujos de trabajo típicos de equipos de producto habilitados por Wren AI
Conexión de fuentes de datos y acceso
- Fuentes de datos compatibles y patrones de ingesta
- Acceso a datos, permisos y uniones de múltiples fuentes
- Mejores prácticas para conjuntos de datos de muestra y entornos de prueba
Modelado semántico y estandarización de métricas
- Diseño de una capa de métricas y definiciones canónicas
- Creación de métricas y dimensiones reutilizables para la analítica de producto
- Versionado y gobierno del modelo semántico
Flujos de trabajo de lenguaje natural a SQL
- Cómo WrenAI traduce consultas NL a SQL y estrategias de validación
- Patrones de indicación (prompting) y alternativas para preguntas sobre el producto
- Manejo de la ambigüedad, preguntas de aclaración y diseño de intenciones
BI de autogestión y casos de uso integrados
- Diseño de tableros conversacionales y plantillas para equipos de producto
- Integración de Wren AI en flujos de trabajo de producto y herramientas internas
- Medición de la adopción y el impacto de la analítica de autogestión
Calidad, evaluación y salvaguardas
- Pruebas de precisión NL a SQL y construcción de suites de validación
- Monitoreo de la deriva, señales de calidad de datos y auditorías de consultas
- Seguridad, control de acceso y salvaguardas de reglas de negocio
Taller: Construir un flujo de información sobre el producto
- Laboratorio práctico: modelar una métrica de producto, crear consultas conversacionales y validar resultados
- Ensamblar un tablero de autogestión y orientación para usuarios
- Presentaciones, retroalimentación y planes de acción para próximos pasos
Resumen y próximos pasos
Requerimientos
- Comprensión de métricas de producto y KPIs
- Experiencia con herramientas de análisis de datos o BI
- Familiaridad básica con SQL es beneficiosa
Público objetivo
- Gerentes de producto
- Analistas de datos
- Promotores 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