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 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
14 Heures
Nos clients témoignent (1)
ambiance de formation, connaissances du formateur et matériaux instructifs
Rizma Aulia Rachman - Lembaga Penjamin Simpanan
Formation - Big Data and AI in Connection to Bank Examination Process
Traduction automatique