Metabase Tutorial: Hayaan ang mga Kasamahan Mong Hindi Marunong ng SQL na Mag-query ng mga Numero Mag-isa

Alas-diyes ng umaga, nagtanong ang marketing manager ng isang e-commerce company sa Taipei sa group chat: "Ilang order ang pumasok mula sa LINE noong nakaraang buwan?" Nakita ng inhinyero ang mensahe, bumuntong-hininga, binuksan ang database para magsulat ng SQL sa loob ng pitong minuto, at nag-post ng screenshot pabalik. Alas-tres ng hapon, tinanong ulit ng parehong tao: "Eh noong nakaraang taon sa parehong panahon?"

Ang ganitong siklo ay araw-araw na nangyayari sa mga maliliit at katamtamang negosyo. Ang problema ay hindi sa ayaw tumulong ng mga inhinyero; ang problemang ito ay talagang hindi dapat dumaan sa mga inhinyero. Ito mismo ang gustong lutasin ng Metabase.

Ano Ito

Ang Metabase ay isang open-source na business intelligence (BI) tool. Ikakabit mo ito sa database ng kumpanya, at ang mga non-technical na kasamahan ay maaaring mag-click para gumawa ng mga query, i-save ito bilang mga "tanong" (questions), at pagsama-samahin ang ilang tanong para maging isang dashboard. Dagdag pa ang mga kakayahan sa AI Q&A at SQL generation na idinagdag sa nakalipas na dalawang taon, pwede na ring direktang ilarawan ang mga kagustuhan gamit ang natural na wika.

Ang pinakamalaking katangian nito ay ang pagkakaroon nito ng pinakamadaling learning curve sa mga katulad na produkto. Parang salitang pang-marketing pakinggan ito, pero malaki ang pagkakaiba nito sa totoong praktika—ang pinakakaraniwang ikinamamatay ng mga BI tool ay hindi dahil kulang sa feature, kundi dahil walang gumagamit pagkatapos i-deploy.

Ano ang Kaya Nitong Gawin

• Gumamit ng click-based interface para bumuo ng mga query nang hindi kinakailangang magsulat ng SQL
• I-save ang mga madalas gamiting query bilang mga "tanong" at patakbuhin itong muli anumang oras
• Pagsama-samahin sa isang dashboard at i-set up para awtomatikong ipadala sa Email o Slack
• Magtanong gamit ang natural na wika at awtomatikong gumawa ng SQL (available sa lahat ng plano, hindi lang sa mga bayad)
• Mag-set up ng mga alerto para ma-notify kapag may abnormalidad sa mga numero
• I-embed sa sarili mong produkto para makita ng mga kliyente

Paano Gamitin: Mula sa Sifir Hanggang sa Unang Dashboard

Hakbang 1: Pag-install

Ang pinakamabilis na paraan ay sa pamamagitan ng Docker, isang linya lang ng command:

bash
docker run -d -p 3000:3000 --name metabase metabase/metabase

Pagka-run nito, buksan ang http://localhost:3000 at sundin lang ang setup wizard. Ang open-source na bersyon ay kumpleto sa mga feature at walang limitasyon sa bilang ng mga user, kaya libre ang self-hosting.

May dalawang bagay na dapat tandaan para sa production environment: una, default na ginagamit nito ang built-in na H2 database para i-save ang mga setting ng Metabase, kaya sa production environment, siguraduhing palitan ito ng panlabas na PostgreSQL, kung hindi ay madaling magkaaberya kapag nag-upgrade o naglipat ng makina; pangalawa, tandaang mag-set up ng backup.

Hakbang 2: Ikabit sa Iyong Database

Magdagdag ng data source sa mga setting, punan ang host, port, pangalan ng database, account at password. Sinusuportahan nito ang mga karaniwang pagpipilian tulad ng MySQL, PostgreSQL, SQL Server, BigQuery, at iba pa.

Ang pinakamahalaga sa hakbang na ito ay ang mga pahintulot (permissions). Siguraduhing gumawa ng read-only account para gamitin ng Metabase, at huwag basta-bastang ibigay ang root account dahil lang madali. Kailangan lang ng BI tool na magbasa, at ang pagbibigay ng write permission ay walang dalang benepisyo kundi puro panganib.

Hakbang 3: Gumawa ng Unang "Tanong" (Question)

I-click ang "Bagong Tanong" (New → Question), piliin ang data table, at pagkatapos ay gamitin ang interface para buuin ang mga kundisyon: filter (tulad ng "Ang petsa ng order ay noong nakaraang buwan"), aggregation (tulad ng "Bilangin" o Count), at grouping (tulad ng "I-grupo ayon sa pinagmulan").

Ito ang sagot na kailangan ng marketing manager sa simula, at kaya niya itong baguhin para sa nakaraang taon sa parehong panahon nang mag-isa—palitan lang nang kaunti ang filter ng petsa, nang hindi na kailangang abalahin ang inhinyero.

Pagka-save bilang tanong, pwede kang pumili ng uri ng tsart: bar chart, line chart, pie chart, o table.

Hakbang 4: Pagsama-samahin sa Dashboard at Awtomatikong Pagpapadala

Idagdag ang ilang nauugnay na tanong sa iisang dashboard, tulad ng "Kita ngayong buwan, bilang ng order, bahagi ng bawat pinagmulan, top ten na pinakamabentang produkto." Pagkatapos, i-set up ang "Subscription" para awtomatikong ipadala ito sa inbox ng manager tuwing Lunes ng alas-nueve ng umaga.

Ang awtomatikong pagpapadalang feature na ito ay labis na minamaliit. Karamihan sa mga tao ay hindi kusaang nagbubukas ng dashboard, pero tiyak na titingnan nila ang kanilang inbox. Ang pag-abot ng mga numero sa kanilang harapan ay mas epektibo kaysa sa paghihintay na sila pa ang maghanap nito.

Mga Advanced na Tip

Paano gamitin ang AI Q&A. Direktang magtanong sa Chinese (o natural na wika) tulad ng "Kita ng bawat channel noong nakaraang buwan," at gagawa ito ng SQL at ipapatakbo ito. Batay sa aktwal na karanasan: mataas ang katumpakan para sa mga simpleng tanong na may aggregation, pero kapag nasangkot na ang maraming table join o logic sa negosyo, madali itong magkamali. Ang paraan ng paggamit ko ay ang paggawa nito ng draft at pag-verify ko mismo sa SQL, na mas mabilis kaysa magsimula sa wala. Ang paggamit ng AI ay pwedeng sa pamamagitan ng opisyal na serbisyo ($3.75 bawat milyong token, may kasamang isang milyon simula pa lang), o kaya ay magdala ng sariling API key—mas sulit ang huli para sa mga team na mayroon nang API quota.

Pagbuo ng Data Model (Model). Kung paulit-ulit na lumalabas ang parehong join logic, i-save ito bilang isang Model para ang mga kasamahan ay makapag-query sa isang malinis na dataset nang hindi na kailangang muling buuin ang mga relasyon sa bawat pagkakataon. Ito ang pinakamahalagang hakbang para magamit talaga ng mga non-technical na kasamahan ang sistema.

Sulitin ang mga paglalarawan ng column (Field descriptions). Magdagdag ng mga paliwanag sa mga setting ng data para sa bawat column, tulad ng pagmarka sa ord_st bilang "Katayuan ng Order: 1=Naghihintay ng Bayad 2=Naipadala na". Maiintindihan lamang ng mga kasamahan ang mga column bago sila mag-query nang mag-isa. Ang bagay na ito ay medyo nakakainip, pero ito ang nagpapasya kung gagamitin ba ang sistema o hindi.

Mga Pag-iingat: Ang Pagpepresyo ang Pinakamalaking Bitag

Ang libre ay ang self-hosted open-source version. Ang cloud paid plans ay sisingilin batay sa bilang ng user (per-seat pricing):

• Starter: $100 bawat buwan (taunang bayad $90), kasama ang 5 user, ang lalagpas ay $6 bawat user bawat buwan
• Pro: $575 bawat buwan (taunang bayad $517.5), kasama ang 10 user, ang lalagpas ay $12 bawat user bawat buwan
• Enterprise: Custom na presyo, nagsisimula sa $20,000 bawat taon

Ang pinakamalaking bitag ay: Ang mga user na naka-embed para makita ng mga panlabas na kliyente ay binibilang din bilang user. Kung plano mong i-embed ang dashboard sa isang SaaS na produkto para makita ng mga kliyente, magiging napakalaki ng gastusin sa modelong ito, kaya siguraduhing kalkulahin muna ito. Maraming team ang nakakaalam nito pagkatapos nilang matanggap ang unang billing statement.

Bukod dito, ang self-hosted na bersyon ay walang SSO at detalyadong row/column permission control. Kung ang iyong data ay naglalaman ng personal na impormasyon, suweldo, o mga sensitibong numero sa pagitan ng mga departamento, kailangan mong pag-isipang mabuti ang bahagi ng mga pahintulot, na posibleng mangailangan ng paggamit ng mga database-level view para harangan ito.

May isa pang punto: Ang libre ay hindi nangangahulugang zero cost. Ang self-hosting ay nangangailangan ng isang tao na magbantay sa database, mag-upgrade, at mag-backup, na lahat ay mga nakatagong gastos sa lakas-tao.

Kailan Hindi Dapat Gamitin Ito

Kailangan pa ring magsulat ng SQL para sa mga kumplikadong pagsusuri. Hindi kaya ng click-based interface ang mga pangangailangan tulad ng multi-layer CTEs at window functions. Kung ang iyong pagsusuri ay nangangailangan ng statistical modeling o machine learning, dapat mong gamitin ang Python, huwag pilitin ang isang BI tool.

Kung gusto mong mas sistematikong pagdugtung-dugtungin ang data workflow, maaari mong tingnan ang AI Data Analysis Tools Compilation sa aming site, o tingnan ang mga utos sa pagsusuri ng data sa Prompt Template Library.

Puna ng TheAI學院 (The AI Academy)

Nakita ko na ang napakaraming kumpanya na bumili ng mamahaling mga BI tool, pero sa huli ay ang data team lang ang gumagamit, at ang business side ay bumabalik pa rin sa pagtatanong sa mga inhinyero. Ang tagumpay ng Metabase ay hindi dahil sa pinakamarami itong feature, kundi dahil ginagawa nitong talagang may lakas-loob ang mga non-technical na kasamahan na mag-click nang mag-isa.

Puna: Ang halaga ng Metabase ay wala sa kung gaano kaganda ang mga ulat, kundi sa pag-aalis nito sa "pag-query ng mga numero" mula sa mga balikat ng mga inhinyero; ngunit huwag magpadaya sa mga salitang "open-source at libre", dahil ang per-seat pricing at maintenance manpower ang tunay na gastos.

Isang tiyak na mungkahi para sa mga mambabasa: Magsimula sa Docker self-hosted open-source version, gumastos ng isang linggo sa paggawa ng "sampung numerong pinakamadalas itong itanong sa kumpanya" tungo sa isang dashboard, at i-set up ito para awtomatikong ipadala sa manager linggu-linggo. Ang ROI ng hakbang na ito ang pinakamataas sa buong proseso ng pag-deploy. Kapag talagang kailangan mo na ng SSO o kailangang i-embed para sa mga kliyente, saka mo suriin ang bayad na plano—at kapag sinusuri ito, siguraduhing isama ang bayad sa bawat user para sa mga panlabas na gumagamit.

Pinagmulan ng Data

• Opisyal na Pahina ng Pagpepresyo ng Metabase (Mga plano, patakaran sa per-seat pricing, pagsingil sa paggamit ng AI)

Na-compile batay sa pampublikong impormasyon, sumangguni sa opisyal para sa mga detalye. Ang aktwal na pagpepresyo ay maaaring magbago.