挑战： Spocket 的数据团队平均每月花费 60 小时来整理各个团队所需的分析报告。更糟糕的是，没有数据可视化工具，他们无法以每日、每周或每月的视图查看数据，而无需构建额外的图表。
解决方案： 他们从 Twitter 上的一位数据科学家那里了解到了 Metabase。他们喜欢 Metabase 用户界面的直观性、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地提问和探索他们的数据，而无需向数据团队寻求帮助。
"借助 Metabase，我们能够确定我们的升级渠道的绩效，以及哪种付款方式的非自愿客户流失率较高。通过这些信息，我们能够确定智能 A/B 测试实验，以提高我们的客户留存率。"
Shreyas Sali
Spocket 产品和数据总监
Spocket 的使命是帮助企业家通过消除库存失真来建立和扩展他们的业务。Spocket 与所有主要的电子商务网站（如 Shopify、Wix、Squarespace 等）提供无缝集成，使零售商能够为他们的代发货业务享受自动化的产品同步和订单履行。
由于其复杂的数据环境，Spocket 团队发现自己难以根据全面的数据分析自信地做出业务决策。他们没有单一的数据来源来管理各个系统中的不同数据。为业务决策汇总所有必要的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 Shreyas Sali 来说，在一个中心化的位置关注业务的健康状况至关重要。他需要每天能够查看关键指标，如客户流失率、客户获取成本、月度经常性收入 (MRR) 和生命周期价值 (LTV)，以便很好地掌握公司健康状况并及时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、矛盾的数据，这些数据会削弱对数字的信心并阻碍评估当前绩效以及预测未来的能力。Spocket 的主要利益相关者都就哪些关键指标将用于监控业务绩效达成了一致意见。这样，每个人都与他们对单一数据来源的定义保持一致。
接下来，他们列出了可以帮助他们有效实现目标的工具。他们希望创建 SaaS 指标仪表盘，使每个利益相关者能够每天查看他们的指标并向执行团队报告。Twitter 上的一位数据科学专家在他们的对话中向 Shreyas 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 lambdas 管道将这些数据推送到 Metabase 以进行数据可视化。
Spocket 团队对产品升级数据感兴趣，尤其是在用户获取和留存的背景下。Metabase 还为他们提供了财务数据的可见性，例如 MRR、LTV 和 ARPU。
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。他们以每日、每周、每月和每季度为基础查看数据，以进行所有日常故障排除和长期业务战略。
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 的团队能够共享他们需要的数据，而不会危及其他数据的机密性。
此外，他们能够使用简单的 SQL 来切片和切块数据，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来构建报告。
Metabase 已成为 Spocket 利益相关者的单一数据来源，他们现在可以随时查看业务的健康状况。Spocket 的产品团队现在能够有效地使用这些仪表盘来查看任何关键指标的下降情况，并相应地确定产品功能的优先级。
所有这些都使 Spocket 的执行团队能够提高他们了解当前业务绩效的能力，或者增强他们对开展新计划的信心，而无需冒险。
