Temario del curso
Introducción a la analítica conversacional
- ¿Qué es la analítica conversacional y por qué es importante para los equipos de producto?
- Capacidades clave y arquitectura de alto nivel de WrenAI.
- Flujos de trabajo típicos de equipos de producto habilitados por Wren AI.
Conexión de fuentes de datos y acceso
- Fuentes de datos compatibles y patrones de ingesta.
- Acceso a datos, permisos y uniones de múltiples fuentes.
- Mejores prácticas para conjuntos de datos de muestra y entornos de prueba (sandboxing).
Modelado semántico y estandarización de métricas
- Diseño de una capa de métricas y definiciones canónicas.
- Creación de métricas y dimensiones reutilizables para la analítica de producto.
- Control de versiones y gobernanza del modelo semántico.
Flujos de trabajo de lenguaje natural a SQL
- Cómo WrenAI convierte consultas NL en SQL y estrategias de validación.
- Patrones de indicaciones (prompting) y alternativas para preguntas de producto.
- Manejo de la ambigüedad, preguntas de aclaración y diseño de intenciones.
BI de autoservicio y casos de uso embebidos
- Diseño de tableros conversacionales y plantillas para equipos de producto.
- Integración de Wren AI en flujos de trabajo de producto y herramientas internas.
- Medición de la adopción y el impacto de la analítica de autoservicio.
Calidad, evaluación y controles de seguridad
- Pruebas de precisión NL-to-SQL y construcción de suites de validación.
- Monitoreo de deriva (drift), señales de calidad de datos y auditorías de consultas.
- Seguridad, control de acceso y controles de seguridad basados en reglas de negocio.
Taller: Construcción de un flujo de información de producto
- Laboratorio práctico: modelado de una métrica de producto, creación de consultas conversacionales y validación de resultados.
- Ensamblaje de un tablero de autoservicio y orientación para el usuario.
- Presentaciones, retroalimentación y planes de acción para próximos pasos.
Resumen y próximos pasos
Requerimientos
- Conocimiento de las métricas del producto y los KPIs.
- Experiencia con herramientas de análisis de datos o BI.
- Un conocimiento básico de SQL es beneficioso.
Público objetivo
- Gerentes de producto.
- Analistas de datos.
- Promotores de datos en unidades de negocio.
Reseñas (4)
Que fue muy priactico.
Alfonso Ramos - Banco de Mexico
Curso - Fundamentos de Integración de Datos Pentaho
Deepthi estaba muy atenta a mis necesidades, podía percibir cuándo añadir capas de complejidad y cuándo mantenerse atrás y adoptar un enfoque más estructurado. Deepthi realmente trabajó a mi ritmo y aseguró que pudiera utilizar las nuevas funciones/herramientas por mí mismo, primero mostrándome y luego dejándome recrear los elementos por mí mismo, lo cual ayudó mucho a consolidar la formación. ¡No podría estar más satisfecho con los resultados de esta capacitación y con el nivel de experiencia de Deepthi!
Deepthi - Invest Northern Ireland
Curso - IBM Cognos Analytics
Traducción Automática
estaba muy preparado - y es muy simpático
Oliver - Post CH AG
Curso - Splunk Fundamentals
Traducción Automática
muchos ejercicios prácticos
Marcin - Narodowy Bank Polski
Curso - Splunk Data Administration
Traducción Automática
