挑戰： 在使用 Metabase 之前，Dribbble 一直使用另一種商業智慧工具，但該工具的最小單位是儀表板，這使得搜尋特定問題變得複雜。他們的團隊成員不斷地向資料團隊詢問在哪裡可以找到特定的圖表。
解決方案： Dribbble 的資料科學總監在 dbt Coalesce 會議的演講中聽說了 Metabase。他們最初實作了 Metabase 的開放原始碼版本，並發現他們的團隊更容易探索資料和提出問題。他們最終讓 Metabase 成為公司中唯一的商業智慧工具。
成果： Metabase 使他們非技術團隊成員能夠輕鬆地提問和探索他們的資料，而無需向資料團隊尋求協助。
"Metabase 提高了資料的可訪問性，並讓團隊中的每個人都擁有更多的能力，而無需學習如何編寫 SQL。"
Charles Lariviere
Dribbble 資料科學總監
Dribbble 是全球領先的創意人士社群，分享作品、共同成長並獲得聘僱機會。Dribbble 創立於 2009 年 7 月，已成長為一個全球社群，數千萬人在這裡獲得靈感並與世界各地的設計師交流。截至 2020 年 1 月，已分享了近 1000 萬張作品快照，使 Dribbble 成為最多產且參與度最高的設計社群之一。
2021 年，Dribbble 的資料團隊決定從頭開始重建他們的所有分析堆疊。他們更換了資料倉儲、ETL 工具，並轉移到 Metabase。之前他們擁有的儀表板都是基於 SQL 的。
“我們主要的痛點是找到正確的資訊，這在使用我們之前的工具時更加困難，因為該工具以儀表板作為最小單位。Metabase 的最小單位是圖表，這對我們來說非常有吸引力。當我們團隊中的某人正在尋找每日活躍用戶時，他們不需要知道這個圖表是否是流量儀表板或任何其他儀表板的一部分。”,- Charles Lariviere，Dribbble 資料科學總監。
Dribbble 最初部署了 Metabase 的開放原始碼版本，然後遷移到雲端版本。Charles 說自行管理開放原始碼版本並不難，但仍然有點麻煩，而且他們也想利用完整的企業/Pro 功能套件。（此外，他們只是想支持 Metabase 作為一個開放原始碼專案。）
Dribbble 使用 Snowflake 進行所有資料倉儲，並使用 dbt 在 Snowflake 內建模資料。在 Metabase 中，他們僅提供透過 dbt 建模和測試的資料。他們使用 Snowplow 捕捉人們與網站互動的方式，並使用 Dagster 從各種來源進行 ETL 資料。
Dribbble 團隊將 Metabase 用於公司內的所有商業智慧。他們將其用於財務報告、監控訂閱指標、網站效能指標、用戶成長等等。
所有旨在與所有人分享和使用的內容都由他們的資料團隊準備。但每個人都可以存取資料、鑽取並儲存自己的問題。
Dribbble 產品團隊成員在 Metabase 上最活躍。產品經理會對所有圖表進行大量鑽取，以了解人們如何瀏覽產品，或哪些人群對某些指標的影響最大。
在大多數情況下，Dribbble 團隊在 Metabase 中使用圖形化查詢產生器提出問題。他們更喜歡這樣做，因為這樣任何人都可以更容易地鑽取並了解圖表是如何建立的。
“在基於 SQL 的問題中，你可以看到查詢是如何編寫的，但除非你熟悉這種語言（對於很多人來說並非如此），否則你無法真正完全理解問題是如何建立的。”- Charles Lariviere。
Dribbble 團隊也很喜歡 Metabase 中資料的組織方式。他們按職能（財務、行銷、產品工程等）建立頂級集合，每個集合都由邏輯資料夾組成。
透過 Metabase，公司中的每個人都更容易找到問題的答案，並直接知道在哪裡可以找到資訊。Dribbble 的資料科學主管表示，與他們之前的商業智慧工具相比，他們看到團隊中提出的「在哪裡可以找到此資訊？」之類的問題減少了。
現在整個團隊都具備鑽取、新增自己的篩選器、分組以及普遍深入挖掘資料的能力。
Dribbble 的意外好處之一是了解 Metabase 的 API 以及他們可以使用它做多少事情。他們已開始編寫程式碼以自動化其工作流程，例如更新所有欄位的資料類型，以及在模型之間新增描述和外鍵關係。他們也計劃自動化指標和區隔的建立，以便他們可以在版本控制的 dbt 設定檔中管理它們。
“我們越來越多地研究如何使用指標作為建立圖表的基礎。我們發現這非常強大 - 直接在表格中定義指標，然後讓所有圖表都基於這些指標。這是保持圖表一致性的好方法：如果我們決定更新指標，則該變更會反映在使用它的所有圖表中。”- Charles Lariviere。
