使用 Metabase 进行自助产品分析

作为一名产品经理，我很高兴在日常工作中能够依赖数据。我知道我可以流畅地工作，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，并提前发现趋势和绩效变化。

但并非一直如此。

我过去使用大型的Google表格，其中包含超过1万行数据，并且速度极慢。我构建了许多数据透视表来分析数据，但每次等待结果都需要很长时间。

我通过学习SQL摆脱了困境。我与我的经理沟通，并获准测试Google BigQuery并获得数据工程师的一些帮助。这为我们的自助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分析

我目前的职责之一是弄清楚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，以便我们的团队能够做出数据驱动的决策。

我们将Metabase作为我们的商业智能工具，搭建在Google BigQuery之上。通过API，我设置了每天摄取我们的第三方数据。一些数据仍然在Google表格中，但现在也连接到了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。
- 某些广告网络通过API提供数据（例如Audience Networks Ads API、Google Ad Manager API）。我使用Google Cloud Function安排每日运行，将数据导入Google BigQuery。
- 某些广告网络要求我们从其后台或电子邮件中下载数据。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Slack频道警报。
准备数据转换。
- 所有原始数据都存储在Google BigQuery中的raw_XX表中（参见下面的方案）。
- 某些表格是在连接到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。请参见下面的All_Adunits_v2。
传输原始数据
- 我的目标是构建report_adnetwork和report_adrevenue。report_adnetwork整合了所有原始数据和业务规则，以便轻松查看来自广告网络的广告单元展示量。report_adrevenue是report_adnetwork的扩展，因此我可以轻松比较来自所有广告网络的广告单元展示量。
基于已传输到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格 → 按广告收入分类的表格

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。

对于许多项目，我使用了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，该功能会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。

尽管我花了几个月时间学习和构建这些仪表盘，但这帮助我的团队更好地理解了我们的绩效。

作为产品经理，我从这种数据驱动的方法中受益匪多。每当出现任何讨论时，我都可以迅速提取所有所需信息并做出深思熟虑的决策。

最好的事情是数据通常会自行说明一切，并团结团队。当我们进行实验时，我们都能看到它们的表现，并且不再花时间为此争论。