Kerangka Materi

Pengenalan ke Analitik Konversasional

  • Apa itu analitik konversasional dan mengapa penting bagi tim produk
  • Kemampuan utama WrenAI dan arsitektur tingkat tinggi
  • Alur kerja tim produk tipikal yang diaktifkan oleh Wren AI

Menghubungkan Sumber Data dan Akses

  • Sumber data yang didukung dan pola pengingkatan
  • Akses data, izin, dan join multi-sumber
  • Praktik terbaik untuk dataset contoh dan sandboxing

Pemodelan Semantik dan Standarisasi Metrik

  • Mendesain lapisan metrik dan definisi kanonik
  • Membuat metrik dan dimensi yang dapat digunakan kembali untuk analitik produk
  • Versi dan tata kelola model semantik

Alur Kerja Natural-Language to SQL

  • Bagaimana WrenAI menerjemahkan pertanyaan NL ke SQL dan strategi validasi
  • Pola prompt dan fallback untuk pertanyaan produk
  • Menangani ambiguitas, pertanyaan klarifikasi, dan desain niat

BI Self-Service dan Kasus Penggunaan Tersemat

  • Mendesain dashboard konversasional dan template untuk tim produk
  • Menyematkan Wren AI ke dalam alur kerja produk dan alat internal
  • Mengukur adopsi dan dampak analitik self-service

Kualitas, Evaluasi, dan Pengamanan

  • Menguji akurasi NL-to-SQL dan membangun suite validasi
  • Memantau drift, sinyal kualitas data, dan audit query
  • Keamanan, kontrol akses, dan pengamanan aturan bisnis

Workshop: Membangun Alur Wawasan Produk

  • Laboratorium praktis: memodelkan metrik produk, membuat pertanyaan konversasional, dan memvalidasi hasilnya
  • Mengumpulkan dashboard self-service dan panduan pengguna
  • Presentasi, umpan balik, dan rencana tindak selanjutnya

Ringkasan dan Langkah Selanjutnya

Persyaratan

  • Pemahaman tentang metrik produk dan KPI
  • Pengalaman dengan alat analisis data atau BI
  • Familiaritas dasar dengan SQL sangat bermanfaat

Audience

  • Manajer produk
  • Analis data
  • Pendukung data di unit bisnis
 14 Jam

Jumlah Peserta


Biaya per Peserta

Testimoni (4)

Kursus Mendatang

Kategori Terkait