使用Metabase进行自助产品分析

作为一名产品经理，我很高兴能够在日常工作中依靠数据。我知道我可以在没有所需见解的情况下流畅地工作。我旨在通过为他们提供所需的仪表板和有用的数据可视化来提高团队的数据素养。这有助于我们保持方向，提前发现趋势和性能变化。

但并非总是如此。

我曾经使用超过1万行的巨大Google表格，速度极慢。我构建了许多数据透视表来分析数据，我花了很长时间等待结果。

我通过学习SQL救了自己。我和经理谈了谈，并被允许测试Google BigQuery并获得数据工程师的一些帮助。这为我们自助式产品分析奠定了基础。

我是如何使用Metabase为我产品团队搭建自助分析平台的

我目前的一项职责是确定报告的样式以及如何构建它们。与数据工程师紧密合作，我们为团队提供所有基础设施，以便他们做出基于数据的决策。

我们在Google BigQuery之上搭建了Metabase作为我们的商业智能工具。通过API，我安排了第三方数据的每日摄取。一些数据仍然存储在Google电子表格中，但现在也连接到了Google BigQuery。我还使用dbt对所有原始数据进行转换，以便进行进一步分析。

以下是遵循的步骤

确保数据每日摄取。
- 一些广告网络通过API提供数据（例如，受众网络广告API，Google Ad Manager API）。我使用Google Cloud Function安排每日运行，以将数据导入Google BigQuery。
- 一些广告网络要求我们从后台或电子邮件中下载数据。为了每天手动下载CSV/XLS格式，我使用Python脚本将其传输到Google BigQuery。
- 我添加了测试作为监控，以检查数据是否每日摄取。如果没有，我会收到一个Slack频道的警报。
准备数据转换。
- 所有原始数据都存储在Google BigQuery中的raw_XX表中（见下文方案）。
- 一些表在Google电子表格中手动编辑，并连接到Google BigQuery。这些是业务规则，例如，我们合作过的广告网络和添加的广告单元。见下文的All_Adunits_v2。
传输原始数据
- 我的目标是构建report_adnetwork和report_adrevenue。report_adnetwork整合所有原始数据和业务规则，以便轻松查看广告网络中的广告单元的印象。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的印象。
基于传输到Google BigQuery中的数据创建仪表板。

以下是结构：原始数据 → 按广告网络划分的表 → 按广告收入划分的表

an image with data sctructure of Karen's project

最终的表格显示了不同期间的收入。有了这个表格，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。

对于许多倡议，我使用Metabase和Google Data Studio来帮助我。我的团队非常喜欢使用Metabase仪表板订阅功能，该功能将报告发送到我们公司的Slack频道，并将最重要的指标放在我们面前。我们还使用Data Studio为我们的一些自助仪表板。

尽管学习并构建仪表板花了我几个月的时间，但它帮助我的团队更好地理解了我们的表现。

作为产品经理，我从这种数据驱动的方法中受益匪浅。每当有对话出现时，我都可以快速检索所有必要的信息并做出深思熟虑的决策。

最好的是，数据通常能自己说话并团结团队。当我们进行实验时，我们都看到它们的性能，我们不再花时间争论。