使用 Metabase 进行自助式产品分析

作为一名产品经理，我很高兴在日常工作中能够依赖数据。我知道我可以在工作中流畅地进行，而不会因为缺少所需的洞察力而中断。我旨在通过为团队提供所需的仪表盘和有用的数据可视化来培养他们的数据素养。这有助于我们保持正轨，并提前发现趋势和性能变化。

但这并非一直如此。

我曾经使用包含超过 1 万行且速度极慢的 Google 表格。我构建了许多数据透视表来分析数据，而我仅仅是等待结果就花费了很长时间。

我通过学习 SQL 摆脱了困境。我与我的经理进行了交谈，并被允许测试 Google BigQuery 并获得数据工程师的一些帮助。这为我们的自助式产品分析奠定了基础。

我如何使用 Metabase 为我的产品团队设置自助式分析

我目前的职责之一是确定报告应该是什么样子以及如何构建它们。我们与数据工程师密切合作，准备所有基础设施，让我们的团队做出数据驱动的决策。

我们将 Metabase 设置为我们基于 Google BigQuery 的商业智能工具。通过 API，我设置了我们的第三方数据每天摄取。一些数据仍然存在于 Google 表格中，但现在也已连接到 Google BigQuery。我还使用 dbt 转换所有原始数据以进行进一步分析。

以下是我遵循的步骤

确保数据每日摄取。
- 一些广告网络通过 API 提供其数据（例如，Audience Networks Ads API、Google Ad Manager API）。我使用 Google Cloud Function 安排每日运行以将数据获取到 Google BigQuery 中。
- 一些广告网络要求我们从其后台或电子邮件下载数据。我没有每天手动下载 CSV/XLS，而是使用 Python 脚本将 CSV/XLS 格式的数据传输到 Google BigQuery。
- 我添加了测试作为监控，以检查数据是否每日摄取。如果不是，我将收到警报到 Slack 频道。
准备数据转换。
- 所有原始数据都存储为 Google BigQuery 中的 raw_XX 表（参见下面的方案）。
- 一些表是在连接到 Google BigQuery 的 Google 表格中手动编辑的。这些是业务规则，例如，我们合作的广告网络和我们添加的广告单元。请参阅下面的 All_Adunits_v2。
传输原始数据
- 我的目标是构建 report_adnetwork 和 report_adrevenue。report_adnetwork 将所有原始数据和业务规则整合起来，以便轻松查看广告网络中广告单元的展示次数。report_adrevenue 是 report_adnetwork 的扩展，因此我可以轻松比较所有广告网络中广告单元的展示次数。
根据传输到 Google BigQuery 的数据创建仪表盘。

结构如下：原始数据 → 按广告网络分类的表 → 按广告收入分类的表

an image with data sctructure of Karen's project

最终表格显示了不同时期的收入。通过此表格，我的团队可以从不同角度分析数据：按平台、按广告网络、按广告单元等。

对于许多计划，我使用 Metabase 和 Google Data Studio 来帮助我。我的团队非常喜欢使用 Metabase 仪表盘订阅功能，该功能将报告发送到我们公司的 Slack 频道，并将最重要的指标呈现在我们面前。我们还使用 Data Studio 来制作一些自助式仪表盘。

尽管我花费了几个月的时间来学习和构建仪表盘，但它帮助我的团队更好地了解我们的绩效。

作为产品经理，我从这种数据驱动的方法中受益匪浅。当出现任何对话时，我都可以快速提取所有所需信息并做出深思熟虑的决策。

最棒的是，数据通常会自己说明一切，并团结团队。当我们进行实验时，我们都能看到它们的表现，不再浪费时间争论。