挑战： Spocket 的数据团队每月平均花费 60 小时整理各团队所需的分析数据。更糟糕的是，当时没有数据可视化工具，他们无法以每日、每周或每月视图查看数据，而无需额外构建图表。
解决方案： 他们通过 Twitter 上的一位数据科学家了解到了 Metabase。他们喜欢 Metabase 直观的用户界面，以及其经济实惠的定价和周到的访问控制。
结果： Metabase 使他们的非技术团队成员能够轻松地查询和探索数据，而无需向数据团队寻求帮助。
“通过 Metabase，我们能够识别升级漏斗的表现以及哪种支付方式的非自愿流失率很高。有了这些信息，我们就能确定智能 A/B 测试实验，以提高我们的留存率。”
什雷亚斯·萨利
Spocket 产品和数据总监
Spocket 的使命是通过消除库存失真，赋能创业者建立和扩展他们的业务。Spocket 提供与 Shopify、Wix、Squarespace 等所有主要电商网站的无缝集成，让零售商享受其一件代发业务的自动化产品同步和订单履行。
由于复杂的数据环境，Spocket 团队发现自己难以自信地根据全面的数据分析做出业务决策。他们没有一个单一的数据源来管理各种系统中的多样化数据。汇集业务决策所需的所有数据分析是一个繁琐且耗时的过程。此外，管理机密数据的访问控制几乎是不可能的。
对于他们的产品和数据分析总监什雷亚斯·萨利而言，在一个集中化的位置关注业务健康状况至关重要。他需要能够每天查看关键指标，如客户流失率、客户获取量、每月经常性收入 (MRR) 和客户生命周期价值 (LTV)，以便更好地掌握公司健康状况并立即发现数据中的任何偏差。
此外，Spocket 的执行团队需要能够做出数据驱动的决策，而不会遇到不一致、相互矛盾的数据，因为这些数据会削弱对数字的信心并阻碍审查当前绩效和预测未来的能力。Spocket 的所有关键利益相关者都就将用于监控业务绩效的关键指标达成了一致。这样，每个人都与他们对单一数据源的定义保持一致。
接下来，他们筛选了可以帮助他们高效实现目标的工具。他们希望创建 SaaS 指标仪表板，使每个利益相关者能够每天查看其指标并向执行团队报告。Twitter 上的一位数据科学专家在与什雷亚斯的对话中向他推荐了 Metabase。
Spocket 团队选择 Metabase 是因为以下因素
他们将数据存储在 AWS RedShift 和客户数据平台（如 Segment）中，并使用一个利用 Lambda 函数将这些数据推送到 Metabase 进行数据可视化的管道。
Spocket 团队对产品升级数据感兴趣，特别是在用户获取和留存方面。Metabase 还为他们提供了 MRR、LTV 和 ARPU 等财务数据的可见性。
借助 Metabase，他们为不同的用户旅程阶段（如注册、试用、流失等）创建了一个 SaaS 指标文件夹。他们每天、每周、每月和每季度查看数据，以进行日常故障排除和制定长期业务战略。
利用 Metabase 的访问控制管理功能，他们可以轻松地实施控制，确保每个部门只能访问与其相关的数据分析。Spocket 团队能够在不损害其他数据机密性的情况下共享他们所需的数据。
此外，他们能够使用简单的 SQL 对数据进行切片和分析，并回答利益相关者可能提出的任何问题，而无需花费太多时间构建报告。
Metabase 已成为 Spocket 利益相关者的单一数据源，他们现在可以随时查看其业务的健康状况。Spocket 的产品团队现在能够有效地使用这些仪表板来审查任何关键指标的下降情况，并相应地优先开发产品功能。
所有这些都让 Spocket 的执行团队能够更好地理解当前的业务绩效，或者增强他们快速启动新项目的信心，而无需经历漫长的等待。
