Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Programa del Curso
Introducción a la Analítica Conversacional
- Qué es la analítica conversacional y por qué es importante para los equipos de producto
- Capabilidades clave y arquitectura general de WrenAI
- Flujos de trabajo típicos habilitados por Wren AI para los equipos de producto
Conectando Fuentes de Datos y Acceso
- Fuentes de datos compatibles y patrones de ingestión
- Acceso a datos, permisos y uniones multi-fuente
- Mejores prácticas para conjuntos de datos de muestra y sandboxing
Modelado Semántico y Estandarización de Métricas
- Diseño de una capa de métricas y definiciones canónicas
- Creación de métricas y dimensiones reutilizables para el análisis de productos
- Versionado y gobernanza del modelo semántico
Flujos de Trabajo de Lenguaje Natural a SQL
- Cómo WrenAI traduce consultas de lenguaje natural a SQL y estrategias de validación
- Patrones de solicitud y alternativas para preguntas sobre productos
- Manejo de ambigüedad, preguntas de aclaración y diseño de intención
BI de Autoatención e Implementaciones Integradas
- Diseño de paneles conversacionales y plantillas para equipos de producto
- Integración de Wren AI en flujos de trabajo de productos y herramientas internas
- Medición del uso y el impacto de la analítica de autoatención
Calidad, Evaluación y Controles
- Pruebas de precisión NL-to-SQL y construcción de paquetes de validación
- Monitoreo de deriva, señales de calidad de datos e inspecciones de consultas
- Seguridad, control de acceso y controles de reglas comerciales
Taller: Construcción de un Flujo de Insights del Producto
- Laboratorio práctico: modelar una métrica de producto, crear consultas conversacionales y validar resultados
- Armar paneles de autoatención y guías para el usuario
- Presentaciones, feedback y planes de acción posteriores
Resumen y Próximos Pasos
Requerimientos
- Comprender las métricas y KPIs del producto
- Experiencia con herramientas de análisis de datos o BI
- Familiaridad básica con SQL es beneficiosa
Target Audience
- Gerentes de producto
- Analistas de datos
- Campeones de datos en unidades de negocio
14 Horas
