Programa do Curso
Introdução à Análise Conversacional
- O que é análise conversacional e por que ela importa para equipes de produto
- Principais funcionalidades e arquitetura de alto nível do WrenAI
- Fluxos de trabalho típicos de equipes de produto habilitados pelo Wren AI
Conectando Fontes de Dados e Acesso
- Fontes de dados suportadas e padrões de ingestão
- Acesso a dados, permissões e junções multi-fonte
- Melhores práticas para conjuntos de dados de amostra e sandboxing
Modelagem Semântica e Padronização de Métricas
- Projetando uma camada de métricas e definições canônicas
- Criando métricas reutilizáveis e dimensões para análise de produto
- Versionamento e governança do modelo semântico
Fluxos de Trabalho de Linguagem Natural para SQL
- Como o WrenAI traduz consultas NL para SQL e estratégias de validação
- Padrões de prompt e fallbacks para perguntas sobre produto
- Lidando com ambiguidade, perguntas de esclarecimento e design de intenção
BI Autosserviço e Casos de Uso Incorporados
- Projetando painéis conversacionais e modelos para equipes de produto
- Incorporando Wren AI em fluxos de trabalho de produto e ferramentas internas
- Medindo a adoção e o impacto da análise autosserviço
Qualidade, Avaliação e Guardrails
- Testando a precisão NL-to-SQL e construindo suítes de validação
- Monitorando desvio, sinais de qualidade de dados e auditorias de consultas
- Segurança, controle de acesso e guardrails de regras de negócios
Workshop: Construir um Fluxo de Insights de Produto
- Laboratório prático: modelar uma métrica de produto, criar consultas conversacionais e validar resultados
- Montar um painel autosserviço e orientação do usuário
- Apresentações, feedbacks e planos de ação para os próximos passos
Resumo e Próximos Passos
Requisitos
- Compreensão de métricas e KPIs de produto
- Experiência com ferramentas de análise de dados ou BI
- Familiaridade básica com SQL é benéfica
Público-Alvo
- Gerentes de produto
- Analistas de dados
- Defensores de dados em unidades de negócios
Declaração de Clientes (4)
Deepthi estava muito atenta às minhas necessidades, sabia quando adicionar camadas de complexidade e quando se conter para seguir uma abordagem mais estruturada. Deepthi realmente trabalhou no meu ritmo e garantiu que eu pudesse usar as novas funções/ferramentas por conta própria, primeiro mostrando e depois me permitindo recrear os itens, o que ajudou muito a fixar o treinamento. Não poderia estar mais satisfeito com os resultados deste treinamento e com o nível de expertise de Deepthi!
Deepthi - Invest Northern Ireland
Curso - IBM Cognos Analytics
Máquina Traduzida
Compartilhe um exemplo de aplicativo
Curso - Alteryx for Data Analysis
Máquina Traduzida
Muito bem articulado e explicado
Harshit Arora - PwC South East Asia Consulting
Curso - Alteryx for Developers
Máquina Traduzida
Regressão linear - o algoritmo para prever a tendência
Vincent Ko - UBS
Curso - Data Preparation with Alteryx
Máquina Traduzida