使用 Metabase 進行自助式產品分析

身為產品經理，我很高興在日常工作中能夠依賴數據。我知道我可以順暢地工作，而不會因為缺少所需的洞察而被打斷。我的目標是透過為團隊提供所需的儀表板和有用的數據視覺化，來培養團隊的數據素養。這有助於我們保持在正軌上，並預先發現趨勢和效能變化。

但並非一直如此。

我過去常使用大型 Google 試算表，這些試算表超過 1 萬行，而且速度非常慢。我建立了大量的樞紐分析表來分析數據，但光是等待結果就花了我很長時間。

我透過學習 SQL 從中解脫。我與我的經理談過，並獲准測試 Google BigQuery 並獲得資料工程師的一些幫助。這為我們的自助式產品分析奠定了基礎。

我如何使用 Metabase 為我的產品團隊建立自助式分析

我目前的職責之一是弄清楚報告應該是什麼樣子以及如何建立它們。我們與資料工程師密切合作，準備所有基礎設施，讓我們的團隊做出數據驅動的決策。

我們在 Google BigQuery 之上設定 Metabase 作為我們的商業智慧工具。透過 API，我設定我們的第三方資料每天被擷取。有些資料仍然存在 Google 試算表中，但現在也已連接到 Google BigQuery。我也使用 dbt 來轉換所有原始資料以進行進一步分析。

以下是我遵循的步驟

確保每天擷取數據。
- 有些廣告聯播網透過 API 提供他們的數據（例如Audience Networks Ads API、Google Ad Manager API）。我使用 Google Cloud Function 排程每日運行，以將數據導入 Google BigQuery。
- 有些廣告聯播網要求我們從他們的後台或電子郵件下載數據。我沒有每天手動下載 CSV/XLS，而是使用 Python 腳本將 CSV/XLS 格式傳輸到 Google BigQuery。
- 我新增了測試作為監控，以檢查數據是否每天都在擷取。如果沒有，我會收到 Slack 頻道的警報。
準備數據轉換。
- 所有原始資料都以 Google BigQuery 中的 raw_XX 表格形式儲存（請參見下面的架構）。
- 有些表格是在連接到 Google BigQuery 的 Google 試算表中手動編輯的。這些是商業規則，例如，我們合作的廣告聯播網和我們新增的廣告單元。請參閱下面的 All_Adunits_v2。
傳輸原始資料
- 我的目標是建立 report_adnetwork 和 report_adrevenue。report_adnetwork 整合所有原始資料和商業規則，以便輕鬆查看來自廣告聯播網的廣告單元的曝光次數。report_adrevenue 是 `report_adnetwork` 的延伸，因此我可以輕鬆比較來自所有廣告聯播網的廣告單元的曝光次數。
根據傳輸到 Google BigQuery 中的數據建立儀表板。

以下是結構：原始資料 → 按廣告聯播網分類的表格 → 按廣告收益分類的表格

an image with data sctructure of Karen's project

最終表格顯示不同時期的收益。有了這個表格，我的團隊可以從不同角度分析數據：按平台、按廣告聯播網、按廣告單元等。

對於許多專案，我使用 Metabase 和 Google Data Studio 來幫助我。我的團隊非常喜歡使用 Metabase 儀表板訂閱功能，該功能將報告發送到我們公司的 Slack 頻道，並將最重要的指標呈現在我們面前。我們也將 Data Studio 用於我們的一些自助式儀表板。

即使我花了幾個月的時間學習和建立儀表板，它也幫助我的團隊更好地了解我們的效能。

作為產品經理，我從這種數據驅動的方法中受益匪淺。當出現任何對話時，我可以快速提取所有需要的資訊並做出深思熟慮的決策。

最好的事情是數據本身會說話，並團結團隊。當我們執行實驗時，我們都會看到它們的執行情況，而且我們不再花時間爭論它。