Prenez contact avec nous
 Durée 14 heures

Plan du cours

Introduction à l'analytique conversationnelle

  • Qu'est-ce que l'analytique conversationnelle et pourquoi est-ce important pour les équipes produit
  • Principales capacités de WrenAI et architecture de haut niveau
  • Flux de travail typiques des équipes produit activés par Wren AI

Connexion aux sources de données et accès

  • Sources de données prises en charge et modèles d'ingestion
  • Accès aux données, permissions et jointures multi-sources
  • Meilleures pratiques pour les jeux de données d'exemple et le sandboxing

Modélisation sémantique et normalisation des métriques

  • Conception d'une couche de métriques et définitions canoniques
  • Création de métriques et de dimensions réutilisables pour l'analytique produit
  • Versioning et gouvernance du modèle sémantique

Flux de travail du langage naturel à SQL

  • Comment WrenAI traduit les requêtes NL en SQL et stratégies de validation
  • Modèles de prompting et solutions de rechange pour les questions produit
  • Gérer l'ambiguïté, les questions de clarification et la conception de l'intention

BI en libre-service et cas d'utilisation intégrés

  • Conception de tableaux de bord conversationnels et de modèles pour les équipes produit
  • Intégration de Wren AI dans les flux de travail produit et les outils internes
  • Mesurer l'adoption et l'impact de l'analytique en libre-service

Qualité, évaluation et garde-fous

  • Tester la précision du passage du NL à SQL et créer des suites de validation
  • Surveiller la dérive, les signaux de qualité des données et les audits de requêtes
  • Sécurité, contrôle d'accès et garde-fous basés sur les règles d'affaires

Atelier : Construire un flux d'insights produit

  • Lab pratique : modéliser une métrique produit, créer des requêtes conversationnelles et valider les résultats
  • Assembler un tableau de bord en libre-service et des directives pour l'utilisateur
  • Présentations, retour d'information et plans d'action pour les prochaines étapes

Résumé et prochaines étapes

Pré requis

  • Une compréhension des métriques et des KPI de produit
  • De l'expérience avec l'analyse de données ou les outils de BI
  • Une familiarité de base avec SQL est un atout

Public cible

  • Gestionnaires de produit
  • Analystes de données
  • Champions de données au sein des unités d'affaires

Nombre de participants


Prix par participant

Nos clients témoignent (4)

Cours à venir

Catégories Similaires