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 was super attuned to my needs, she could tell when to add layers of complexity and when to hold back and take a more structured approach. Deepthi truly worked at my pace and ensured I was able to use the new functions /tools myself by first showing then letting me recreate the items myself which really helped embed the training. I could not be happier with the results of this training and with the level of expertise of Deepthi!
Deepthi - Invest Northern Ireland
Formation - IBM Cognos Analytics
La diversité des sujets abordés
Romaric - Vacher
Formation - Business Intelligence and Data Analysis with Metabase
Share example of application
Formation - Alteryx for Data Analysis
Very clearly articulated and explained
Harshit Arora - PwC South East Asia Consulting
Formation - Alteryx for Developers
Linear regression - the algorithm to predict the trend