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 de WrenAI y arquitectura de alto nivel
- Flujos de trabajo típicos de equipos de producto habilitados por WrenAI
Conexión de fuentes de datos y acceso
- Fuentes de datos compatibles y patrones de ingesta
- Acceso a datos, permisos y uniones multifuente
- Mejores prácticas para conjuntos de datos de muestra y entornos de aislamiento (sandboxing)
Modelado semántico y estandarización de métricas
- Diseño de una capa de métricas y definiciones canónicas
- Creación de métricas y dimensiones reutilizables para analítica de producto
- Versionado y gobernanza del modelo semántico
Flujos de trabajo de lenguaje natural a SQL
- Cómo WrenAI traduce consultas NL a SQL y estrategias de validación
- Patrones de prompting y mecanismos de respaldo para preguntas de producto
- Manejo de ambigüedad, preguntas de aclaración y diseño de intención
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 de producto y herramientas internas
- Medición de la adopción y el impacto de la analítica de autoservicio
Calidad, evaluación y salvaguardas
- Prueba de la precisión NL a SQL y construcción de suites de validación
- Monitoreo de deriva, señales de calidad de datos y auditorías de consultas
- Seguridad, control de acceso y salvaguardas basadas en reglas de negocio
Taller: Construir un flujo de insights de producto
- Práctica guiada (hands-on): modelar una métrica de producto, crear consultas conversacionales y validar resultados
- Ensamblar un tablero de autoservicio y orientación para el usuario
- Presentaciones, retroalimentación y planes de acción para los siguientes pasos
Resumen y siguientes pasos
Requerimientos
- Comprensión de métricas de producto y KPIs
- Experiencia con herramientas de análisis de datos o BI
- Conocimiento básico de SQL es beneficioso
Público objetivo
- Gerentes de producto
- Analistas de datos
- Campeones de datos en unidades de negocio
Reseñas (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