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报告。更糟糕的是，他们没有数据可视化工具，也无法在没有额外构建图表的情况下，以每日、每周或每月视图查看数据。
解决方案： 他们从 Twitter 上的一位数据科学家那里了解了 Metabase。他们喜欢 Metabase 直观的用户界面，以及其经济实惠的价格和周到的访问控制。
结果： Metabase 使他们的非技术团队成员能够轻松查询和探索数据，而无需向数据团队寻求帮助。
"有了 Metabase，我们能够识别我们的升级漏斗表现如何，以及哪种支付方式导致了较高的非自愿流失。通过这些信息，我们能够识别智能 A/B 测试实验，以提高我们的留存率。"
Shreyas Sali
Spocket 产品与数据总监
Spocket 的使命是通过消除库存扭曲来赋能创业者建立和扩展业务。Spocket 提供与 Shopify、Wix、Squarespace 等所有主要电商网站的无缝集成，使零售商能够享受其代发货业务的自动化产品同步和订单履行。
由于其复杂的数据环境，Spocket 团队发现难以根据全面的数据分析做出自信的业务决策。他们没有一个单一的事实来源来管理各种系统中的多样化数据。整理所有必要的业务决策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完成的任务。
对于他们的产品和数据分析总监 Shreyas Sali 来说，在一个集中位置密切关注业务健康状况至关重要。他需要能够每天查看客户流失、客户获取、每月经常性收入 (MRR) 和客户生命周期价值 (LTV) 等关键指标，以便很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 的高管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，从而侵蚀对数字的信心并阻碍审查当前绩效以及预测未来的能力。Spocket 的所有主要利益相关者都就用于监控业务绩效的关键指标达成了一致。这样，每个人都对其单一事实来源的定义保持一致。
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，让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 Shreyas 的对话中向他推荐了 Metabase。
Spocket 团队选择 Metabase 的原因如下：
他们将数据存储在 AWS RedShift 和 Segment 等客户数据平台中，并使用 Lambda 函数将数据推送到 Metabase 进行数据可视化。
Spocket 团队对产品升级数据特别感兴趣，尤其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，他们为不同用户旅程阶段（例如注册、试用、流失等）创建了一个 SaaS 指标文件夹。他们每天、每周、每月和每季度查看其数据，以进行日常故障排除和长期业务策略。
使用 Metabase 的访问控制管理，他们可以轻松实施控制，以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所需数据。
此外，他们能够使用简单的 SQL 来切片和分析数据，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 利益相关者的单一事实来源，他们现在可以随时查看业务健康状况。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，并相应地优先安排产品功能。
所有这一切都使 Spocket 的高管团队能够更好地了解业务的当前绩效，并增强他们跳入新举措的信心，而无需在一天内冒险。
