Prenez contact avec nous

Plan du cours

Introduction à l’analyse conversationnelle

  • Qu’est-ce que l’analyse conversationnelle et pourquoi elle est importante pour les équipes produit
  • Fonctionnalités clés de WrenAI et architecture de haut niveau
  • Flux de travail types des équipes produit facilités 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
  • Bonnes pratiques pour les jeux de données d’exemple et le sandboxing

Modélisation sémantique et standardisation des métriques

  • Conception d’une couche de métriques et de définitions canoniques
  • Création de métriques et de dimensions réutilisables pour l’analyse produit
  • Gestion des versions et gouvernance du modèle sémantique

Flux de travail de conversion du langage naturel en SQL

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

BI auto-service et cas d’usage 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
  • Mesure de l’adoption et de l’impact de l’analyse auto-service

Qualité, évaluation et garde-fous

  • Test de l’exactitude de la conversion NL en SQL et construction de suites de validation
  • Surveillance de la dérive, des signaux de qualité des données et des audits de requêtes
  • Sécurité, contrôle d’accès et garde-fous basés sur les règles métier

Atelier : Construire un flux d’insights produit

  • Travaux pratiques : modéliser une métrique produit, créer des requêtes conversationnelles et valider les résultats
  • Assembler un tableau de bord auto-service et des guides utilisateur
  • Présentations, retours et plans d’action pour les étapes suivantes

Résumé et prochaines étapes

Pré requis

  • La compréhension des métriques produit et des KPI
  • L’expérience avec l’analyse de données ou les outils BI
  • Une connaissance de base de SQL est un atout

Public cible

  • Managers produit
  • Analystes de données
  • Champions data au sein des unités métier
 14 Heures

Nombre de participants


Prix par participant

Nos clients témoignent (4)

Cours à venir

Catégories Similaires