文档
挑战：在使用 Metabase 之前，Buena 的团队面临着数据分析碎片化且没有数据真实来源的挑战。他们拥有多个不同时间、由不同人员创建的 Google Sheets 随机分析，这使得基于数据的决策变得困难。
解决方案：Buena 需要一个平台，其中最重要的 KPI 总是可见、最新且可信。因此，他们决定实施 Metabase。他们聘请了 CaseWhen 的 Austin Levine 来帮助他们建立数据基础设施。
结果： Buena估计每月至少节省20个数据分析人员的小时。他们能够更快、更可靠地构建即兴分析和内部及投资者报告。Buena的数据文化也得到了改善；人们开始使用Metabase自行寻找答案，而不是求助于数据团队。
"有了Metabase，我们终于拥有了公司所有最重要指标的单一事实来源。我们在报告上节省了时间，我们的分析更准确，团队中的每个人都对业务绩效有清晰的了解。 "
马丁·赫格特
Buena战略业务发展部主管
在Metabase之前，Buena团队在公司内部有许多Google Sheets，由不同时间不同的人创建的随机分析四处流传。没有事实来源，没有人知道在哪里可以找到正确的数字。有一天他们意识到，如果有人问他们关于业务的基本问题，例如：“目前我们有多少套公寓在管理中？” 或 “当前房东保留率是多少？”，他们首先必须进行即兴分析，因为他们没有可以指向的仪表板。团队决定，对他们业务最重要的KPI需要是可见的、最新的、可信赖的。他们希望成为数据驱动型公司。在某个时候，一位联合创业家向他们推荐了Metabase。
他们还考虑了另一个选择Looker，但最终价格是决定性的因素。Metabase的UI友好且简洁，使得快速上手变得非常容易。投资者也喜欢其整洁的设计。
Austin Levine，现在是CaseWhen的联合创始人，CaseWhen是一家独立的数据和商业智能咨询公司，同时也是Metabase专家，他曾是Buena的员工，并是一个人的数据团队。Austin帮助Buena设置了Metabase，并为整个组织创建了一个单一的事实来源。
当Buena团队刚开始使用Metabase时，他们想创建一个主要仪表板，包含从获取到合同签署的最重要KPI。Buena团队通过Metabase访问到的数据越多，他们提出的问题和想法就越多，这些问题和想法用于更广泛和更深入的分析。最终，Buena为每个团队设定了目标，即拥有自己的仪表板来衡量其绩效。
现在Buena团队使用Metabase进行投资者报告和跟踪公寓管理的运营工作。投资者有他们自己的专用仪表板，财务团队跟踪现金流和烧钱速度，运营团队跟踪公寓的状态。
目前，大约50%的Buena团队成员能够在Metabase中提出关于其数据的问题。大部分Buena团队成员使用Metabase的查询构建器，而更技术性的团队成员则用SQL创建他们自己的问题。
“分析总是从他们想要创建的有趣分析的想法开始的。一个例子是进行群体分析，以衡量房东的月收入保留率，以了解新群体是否比旧群体更健康（即，带来更多收入）。首先，我们考虑最终可视化应该是什么样子，然后从那里逆向工作，思考我们需要创建哪些KPI（如果它们已经存在），在哪个表中存储该KPI/如何将其优雅地融入现有数据模型，并一直追溯到我们的源数据，以确保我们拥有创建该最终指标所需的所有部件。一旦完成这些，那就到了有趣且简单的一部分：在Metabase中构建可视化。表格可视化中的条件格式化非常适合群体分析。设置自定义的最小和最大范围以及自定义颜色刻度，可以快速看到哪些群体表现良好，哪些表现不佳。我们最终为不同的指标构建了六个不同的群体分析，因为第一次分析很成功。” - 澳斯汀·莱文，CaseWhen的联合创始人，CaseWhen是一家数据和企业智能咨询公司，受雇于帮助Buena实现其数据目标。
使用Metabase，Buena的所有报告都变得更快，质量得到提高：即席分析、每周内部报告和每月投资者报告。Buena团队估计每月至少节省了20个数据分析师的小时。
发现趋势可视化类型可能是他们最喜欢的发现。他们构建了图表来展示所有可以想象到的比较：日对日、周对周、月对月、年对年。
使用Metabase也极大地改善了Buena团队内的数据文化。现在，他们的员工不再是只带着问题来找数据团队，而是首先尝试使用Metabase自己找到答案，并将他们的数据问题和问题一起分享给数据团队。
Buena团队设定了一个公司目标，即Metabase成为每个人每周工作流程的一部分。如果Metabase对他们部门还不适用，那么下一个任务就是与他们数据团队合作，构建有意义的指标和仪表板，以帮助他们改善部门。
如果你熟悉SQL，可能会想只用SQL编辑器创建所有可视化。但是使用图形编辑器是一个更安全的方法，可以防止未来业务逻辑的变化需要你手动更新无数图表。
