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.
Testimonios (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