Struttura del corso
Introduzione all’analisi conversazionale
- Cos’è l’analisi conversazionale e perché è fondamentale per i team di prodotto
- Funzionalità principali di WrenAI e architettura generale del sistema
- Principali scenari operativi nei quali WrenAI supporta i team di prodotto
Collegamento delle fonti dati e gestione degli accessi
- Tipologie di fonti dati supportate e modalità di importazione
- Gestione delle autorizzazioni, degli accessi e dell’unione di più fonti dati
- Buone pratiche per l’utilizzo di set di dati campione e ambienti sandbox
Modellazione semantica e standardizzazione delle metriche
- Progettazione dello strato metrico e definizione univoca dei concetti analitici
- Creazione di metriche e dimensioni riutilizzabili per l’analisi del prodotto
- Gestione delle versioni e controllo qualità del modello semantico
Flussi di lavoro tra linguaggio naturale e SQL
- Funzionamento della traduzione automatica da richieste in linguaggio naturale a query SQL ed strategie di validazione corrispondenti
- Tecniche di formulazione delle domande e gestione dei casi particolari per risposte riguardanti il prodotto
- Gestione dell’ambiguità, chiarificazione delle richieste e progettazione corretta delle intenzioni espresse dall’utente
BI self-service e casi d’uso avanzati di integrazione
- Progettazione di dashboard conversazionali e modelli adatti ai team di prodotto
- Integrazione di WrenAI nei processi aziendali e negli strumenti interni delle organizzazioni
- Misurazione del livello di adozione e dei risultati ottenuti grazie all’analisi self-service
Qualità, valutazione e controlli di sicurezza
- Test di accuratezza delle traduzioni da linguaggio naturale a SQL ed elaborazione di pacchetti di validazione adeguati
- Monitoraggio dei cambiamenti nei dati, dei segnali relativi alla loro qualità e revisione periodica delle query eseguite
- Garanzie di sicurezza, gestione degli accessi e impostazione di regole aziendali per il controllo dell’utilizzo
Laboratorio pratico: creare un flusso analitico per gli insight del prodotto
- Esercitazione pratica: definizione di una metrica specifica, formulazione di richieste conversazionali e verifica dei risultati ottenuti
- Costruzione di una dashboard self-service completa e preparazione delle istruzioni per gli utenti finali
- Presentazioni collettive, feedback reciproci e pianificazione dei prossimi passi da intraprendere
Riassunto e indicazioni per il futuro
Requisiti
- Conoscenza di base delle metriche e degli indicatori chiave di prestazione legati ai prodotti
- Esperienza nell’analisi dei dati o nell’utilizzo di strumenti BI
- Una conoscenza preliminare di SQL è altamente consigliata
Destinatari del corso
- Product manager
- Analisti dei dati
- Professionisti specializzati nei dati all’interno delle unità aziendali
Recensioni (3)
Deepthi era molto sensibile alle mie esigenze, sapeva quando aggiungere strati di complessità e quando instead trattenersi e adottare un approccio più strutturato. Deepthi ha davvero lavorato al mio ritmo e si è assicurata che potessi utilizzare le nuove funzioni/strumenti da solo, mostrandomi prima come fare e poi lasciandomi riprodurre gli elementi di persona, il che ha realmente aiutato a consolidare la formazione. Non potrei essere più felice dei risultati di questa formazione e del livello di competenza di Deepthi!
Deepthi - Invest Northern Ireland
Corso - IBM Cognos Analytics
Traduzione automatica
era ben preparato - e è molto simpatico
Oliver - Post CH AG
Corso - Splunk Fundamentals
Traduzione automatica
molti esercizi pratici
Marcin - Narodowy Bank Polski
Corso - Splunk Data Administration
Traduzione automatica
