Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Plan du cours
Introduction aux analyses conversationnelles
- Qu'est-ce que les analyses conversationnelles et pourquoi cela importe pour les équipes produits
- Capabilités clés de WrenAI et architecture en niveau supérieur
- Flux de travail typiques des équipes produits facilités par Wren AI
Connexion aux sources de données et accès
- Sources de données prises en charge et schémas d'ingestion
- Accès aux données, permissions et jointures multi-sources
- Meilleures pratiques pour les jeux de données d'exemple et les environnements sandbox
Modélisation sémantique et standardisation des métriques
- Conception d'une couche de métriques avec définitions canoniques
- Création de métriques et dimensions réutilisables pour l'analyse produit
- Versionning et gouvernance du modèle sémantique
Flux travail naturel-langage à SQL
- Comment WrenAI traduit les requêtes NL en SQL et stratégies de validation
- Modèles d'incitation et options de repli pour les questions sur le produit
- Gestion des ambiguïtés, clarification des questions et conception de l'intention
BI auto-service et cas d'utilisation intégrés
- Conception de tableaux de bord conversationnels et modèles pour les équipes produits
- Intégration de Wren AI dans les flux de travail des produits et outils internes
- Mesure de l'adoption et de l'impact de l'analyse auto-service
Qualité, évaluation et garde-fous
- Tests d'exactitude NL-to-SQL et construction de kits de validation
- Surveillance du dérive, des signaux de qualité des données et des audits de requêtes
- Sécurité, contrôle d'accès et garde-fous basés sur les règles métier
Atelier : Construire un flux d'insights produit
- Laboratoire pratique : modélisation d'une métrique produit, création de requêtes conversationnelles et validation des résultats
- Assemblage d'un tableau de bord auto-service et guidance utilisateur
- Présentations, feedbacks et plans d'action suivants
Résumé et prochaines étapes
Pré requis
- Une compréhension des métriques et KPIs du produit
- Expérience avec l'analyse de données ou les outils BI
- Une familiarité de base avec SQL est un atout
Public cible
- Managers de produits
- Analystes de données
- Champions des données dans les unités d'affaires
14 Heures
