Struttura del corso
Introduzione all'analisi conversazionale
- Cos'è l'analisi conversazionale e perché è importante per i team di prodotto
- Capacità chiave e architettura di alto livello di WrenAI
- Tipici flussi di lavoro dei team di prodotto abilitati da Wren AI
Collegamento delle fonti di dati e accesso
- Fonti di dati supportate e modelli di ingestione
- Accesso ai dati, autorizzazioni e join multi-fonte
- Best practice per set di dati di esempio e sandbox
Modellazione semantica e standardizzazione delle metriche
- Progettazione di un livello di metriche e definizioni canoniche
- Creazione di metriche e dimensioni riutilizzabili per l'analisi del prodotto
- Versionamento e governance del modello semantico
Flussi di lavoro da linguaggio naturale a SQL
- Come WrenAI traduce le query NL in SQL e strategie di validazione
- Pattern di prompting e fallback per domande sul prodotto
- Gestione dell'ambiguità, domande di chiarimento e progettazione dell'intento
BI self-service e casi d'uso incorporati
- Progettazione di dashboard conversazionali e template per i team di prodotto
- Incorporamento di Wren AI nei flussi di lavoro del prodotto e negli strumenti interni
- Misurazione dell'adozione e dell'impatto dell'analisi self-service
Qualità, valutazione e guardrail
- Test dell'accuratezza da NL a SQL e creazione di suite di validazione
- Monitoraggio del drift, segnali di qualità dei dati e audit delle query
- Sicurezza, controllo degli accessi e guardrail delle regole aziendali
Workshop: Costruire un flusso di insight sul prodotto
- Laboratorio pratico: modellare una metrica del prodotto, creare query conversazionali e validare i risultati
- Assemblare una dashboard self-service e la guida per l'utente
- Presentazioni, feedback e piani di azione per i prossimi passi
Riepilogo e prossimi passi
Requisiti
- Conoscenza delle metriche di prodotto e dei KPI
- Esperienza con strumenti di analisi dati o BI
- La familiarità di base con SQL è vantaggiosa
Pubblico target
- Product manager
- Analisti dati
- Data champion nelle unità di business
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
