Temario del curso
Introducción a la analítica conversacional
- ¿Qué es la analítica conversacional y por qué es importante para los equipos de producto?
- Capacidades clave y arquitectura de alto nivel de WrenAI.
- Flujos de trabajo típicos de equipos de producto habilitados por WrenAI.
Conexión de fuentes de datos y acceso
- Fuentes de datos soportadas y patrones de ingesta.
- Acceso a datos, permisos y uniones multi-fuente.
- 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 análisis de producto.
- Control de versiones y gobernanza del modelo semántico.
Flujos de trabajo de lenguaje natural a SQL
- Cómo WrenAI traduce consultas en lenguaje natural a SQL y estrategias de validación.
- Patrones de prompting y respuestas alternativas para preguntas de producto.
- Manejo de ambigüedades, preguntas aclaratorias y diseño de intenciones.
BI de autoservicio y casos de uso integrados
- Diseño de tableros 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 de la analítica de autoservicio.
Calidad, evaluación y salvaguardas
- Pruebas de precisión de la traducción de lenguaje natural a SQL y creación de suites de validación.
- Monitoreo de desviaciones, 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 insights de producto
- Laboratorio práctico: modelado de una métrica de producto, creación de consultas conversacionales y validación de resultados.
- Ensamblaje de un tablero de autoservicio y guía para usuarios.
- Presentaciones, retroalimentación y planes de acción para los siguientes pasos.
Resumen y próximos pasos
Requerimientos
- Comprensión de métricas y KPIs del producto.
- Experiencia en análisis de datos o con herramientas de BI.
- Conocimientos básicos de SQL son beneficiosos.
Público objetivo
- Gestores de producto.
- Analistas de datos.
- Promotores de datos en unidades de negocio.
Testimonios (3)
Abhi tiene un excelente conocimiento de Alteryx y explicó los conceptos con mucha claridad. Entendió nuestros objetivos y creó conjuntos de datos de demostración personalizados y relevantes para nuestra organización, lo cual fue muy impresionante. La capacitación estuvo bien estructurada y se impartió a un ritmo adecuado, con tiempo para preguntas.
Samuel Taylor - Manchester Metropolitan University
Curso - Alteryx for Data Analysis
Traducción Automática
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
Explicaciones claras con buenos ejemplos para que pudiera relacionarlos con mi propia línea de trabajo.
Elaine Vermeulen - Sandoz BV
Curso - Alteryx for Developers
Traducción Automática
