План на курса
Въведение в разговорния анализ
- Какво е разговорният анализ и защо е важен за продуктните екипи
- Ключови възможности на WrenAI и архитектурата му
- Типични продуктни работни схеми, обезпечени от Wren AI
Свързваане на източници за данни и достъп
- Поддържани източници на данни и паттерни за изграждане
- Достъп до данни, разрешения и присъединяване на мултиизточници
- Най-добрите практики за примерни набори от данни и песочница
Семантичен модел и стандартизация на метриките
- Дизайн на метрична слой и канонични дефиниции
- Създаване на многократно използваеми метрики и измервания за продуктния анализ
- Версиониране и управление на семантичния модел
Разговорни работни схеми от естествен език до SQL
- Как WrenAI преобразува запитванията на естествен език в SQL и стратегии за валидация
- Патерни за препращане и алтернативи при продуктни въпроси
- Обработване на неясности, уточняващи въпроси и дизайн на намеренията
Самопослужващ BI и внедрени сценарии
- Дизайн на разговорни панела и шаблони за продуктните екипи
- Вградяване на Wren AI в продуктните работни схеми и внутренните инструменти
- Измерване на приемствеността и последиците от самопослужващите анализа
Качество, оценка и контроли
- Тестване на точността при преобразуването от естествен език до SQL и създаване на валидационни набори
- Мониторинг на дрейф, сигналите за качеството на данните и аудити на запитванията
- Безопасност, контрол на достъпа и бизнес правила-контроли
Учебна работилница: Изграждане на поток с продуктни инсайтове
- Ръчен лаборатория: модел на продуктна метрика, създаване на разговорни запитвания и валидиране на резултатите
- Компониране на самопослужващ панел и насока за потребителя
- Презентации, обратна връзка и планове за следващи стъпки
Резюме и следващи стъпки
Изисквания
- Разбиране на продуктни метрики и KPI
- Опит с анализ на данни или BI инструменти
- Основна запознаност с SQL е полезна
Публика
- Продуктни мениджъри
- Датови аналитици
- Промоутъри на данните в бизнес единиците
Отзиви от потребители (4)
Дипти беше изключително чувствителна към моите нужди, тя умее да разбере кога да добави нива на сложност и кога да се задържи и да предприеме по-структуриран подход. Дипти изключително добре работеше в моя темп и сигурни беше, че мога да използвам новите функции/инструменти самостоятелно, като първо ми показваше, а после ме оставяше да ги реконструирам сам, което много помогна за закрепяването на обучението. Не мога да изразя колко съм доволен от резултатите от това обучение и от нивото на експертиза на Дипти!
Deepthi - Invest Northern Ireland
Курс - IBM Cognos Analytics
Машинен превод
Поделете пример на приложение
Курс - Alteryx for Data Analysis
Машинен превод
Много ясно изложено и обяснено
Harshit Arora - PwC South East Asia Consulting
Курс - Alteryx for Developers
Машинен превод
Линейната регресия - алгоритъм за предвиждане на тренд
Vincent Ko - UBS
Курс - Data Preparation with Alteryx
Машинен превод