Plan du cours
Introduction aux analyses conversationnelles
- Qu'est-ce que les analyses conversationnelles et pourquoi elles sont importantes pour les équipes produits
- Capacités clés de WrenAI et architecture de haut niveau
- Workflows typiques des équipes produits activés par Wren AI
Connexion aux sources de données et accès
- Sources de données supportées et modèles d'ingestion
- Accès aux données, permissions et joints multi-sources
- Bonnes pratiques pour les ensembles de données d'exemple et le bac à sable
Modélisation sémantique et standardisation des métriques
- Concevoir une couche de métriques et des définitions canoniques
- Créer des métriques et dimensions réutilisables pour l'analyse des produits
- Versionnement et gouvernance du modèle sémantique
Workflows de langage naturel vers SQL
- Comment WrenAI traduit les requêtes en langage naturel en SQL et stratégies de validation
- Modèles d'incitation et retours pour les questions sur les produits
- Gestion de l'ambiguïté, clarification des questions et conception de l'intention
BI de type self-service et cas d'utilisation intégrés
- Concevoir des tableaux de bord conversationnels et des modèles pour les équipes produits
- Intégrer Wren AI dans les workflows produits et outils internes
- Mesurer l'adoption et l'impact de la BI de type self-service
Qualité, évaluation et garde-fous
- Tester la précision NL-to-SQL et créer des suites de validation
- Surveiller le décalage, les signaux de qualité des données et les audits de requêtes
- Sécurité, contrôle d'accès et garde-fous de règles métier
Atelier : Construire un flux d'insights produits
- Lab pratique : modéliser une métrique produit, créer des requêtes conversationnelles et valider les résultats
- Assembler un tableau de bord de type self-service et des guides d'utilisation
- Présentations, feedbacks et plans d'action pour la suite
Résumé et étapes suivantes
Pré requis
- Compréhension des métriques produits et KPIs
- Expérience avec des outils d'analyse de données ou de BI
- Familiarité de base avec SQL est bénéfique
Public cible
- Gestionnaires de produits
- Analystes de données
- Champions des données dans les unités d'affaires
Nos clients témoignent (5)
Deepthi était extrêmement attentive à mes besoins, elle savait quand ajouter des couches de complexité et quand ralentir pour adopter une approche plus structurée. Deepthi a vraiment travaillé à mon rythme et s'est assurée que je puisse utiliser les nouvelles fonctions/outils moi-même en me montrant d'abord, puis en me laissant les recréer. Cela a vraiment aidé à ancrer la formation. Je ne suis pas plus heureux des résultats de cette formation et du niveau d'expertise de Deepthi !
Deepthi - Invest Northern Ireland
Formation - IBM Cognos Analytics
Traduction automatique
La diversité des sujets abordés
Romaric - Vacher
Formation - Business Intelligence and Data Analysis with Metabase
Partagez un exemple d'application
Formation - Alteryx for Data Analysis
Traduction automatique
Expliqué de manière très claire et précise
Harshit Arora - PwC South East Asia Consulting
Formation - Alteryx for Developers
Traduction automatique
Régression linéaire - l'algorithme pour prédire la tendance
Vincent Ko - UBS
Formation - Data Preparation with Alteryx
Traduction automatique