挑战： Spocket 的数据团队平均每月花费 60 个小时来整理各个团队所需的分析数据。更糟糕的是，没有数据可视化工具，他们无法在不构建额外图表的情况下以每日、每周或每月的视图查看数据。
解决方案： 他们从 Twitter 上的数据科学家那里了解到 Metabase。他们喜欢 Metabase 的直观用户界面，以及其合理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提问和探索数据，而无需向数据团队求助。
"有了 Metabase，我们能够确定我们的升级漏斗表现如何，以及哪种支付方式存在高自愿流失率。有了这些信息，我们能够识别出智能的 A/B 测试实验来提高我们的留存率。"
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扭曲来建立和扩展他们的业务。Spocket为Shopify、Wix、Squarespace等主要电子商务网站提供无缝集成，使零售商能够享受自动化产品同步和订单履行的便利，从而为他们的代销业务提供便利。
由于其复杂的数据环境，Spocket团队发现自己难以基于全面的数据分析有信心地做出商业决策。他们没有单一的数据源来管理各个系统中的多样化数据。整合所有必要的数据分析以供商业决策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。
对于他们的产品与数据分析总监Shreyas Sali来说，在一个集中的地方关注业务的健康至关重要。他需要能够每天查看关键指标，如客户流失率、客户获取、月度经常性收入（MRR）和终身价值（LTV），以更好地掌握公司健康状况并立即发现数据的任何偏差。
此外，Spocket的执行团队需要能够做出基于数据的决策，而不会遇到不一致、相互矛盾的数据，这些数据会削弱对数字的信心，并阻碍他们审查当前表现以及预测未来的能力。Spocket的关键利益相关者就用于监测业务表现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真相定义保持一致。
接下来，他们筛选出能够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，让每个利益相关者都能每天查看自己的指标并向执行团队汇报。Twitter的一位数据科学专家在对话中向Shreyas推荐了Metabase。
Spocket团队选择Metabase的原因如下
他们存储数据在AWS RedShift和一个客户数据平台，如Segment，使用管道和Lambdas将数据推送到Metabase进行数据可视化。
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。
使用Metabase，他们为不同用户旅程阶段（如注册、试用、流失等）创建了SaaS指标文件夹。他们每天、每周、每月和每季度查看数据，用于日常故障排除和长期业务策略。
使用Metabase的访问控制管理，他们很容易实施控制措施，以确保每个部门只能访问与其相关的数据分析。Spocket团队能够在不危及其他数据机密性的情况下共享他们需要的数据。
此外，他们能够使用简单的SQL对数据进行切片和切块，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，他们现在可以在任何时间点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，并相应地优先考虑产品功能。
所有这些使Spocket的执行团队能够提高理解业务当前表现的能力，或增强他们在白天不采取飞跃的情况下采取新举措的信心。
