Metabase 使用教學：讓不會 SQL 的同事自己查數字

早上十點，台北一家電商的行銷主管在群組裡問：「上個月從 LINE 進來的訂單有多少？」工程師看到訊息，嘆了口氣，打開資料庫寫了七分鐘的 SQL，貼了一張截圖回去。下午三點，同一個人問：「那前年同期呢？」

這個循環在台灣中小企業裡每天都在上演。問題不是工程師不願意幫忙，是這件事根本不該經過工程師。Metabase 要解決的就是這個。

這是什麼

Metabase 是一套開源的商業智慧（BI）工具。你把它接上公司的資料庫，非技術同事就能用點選的方式組出查詢、存成「問題」、再把幾個問題拼成儀表板。加上這兩年補上的 AI 問答與 SQL 生成，現在還能直接用中文描述需求。

它最大的特色是上手曲線在同類產品裡是最平的。這聽起來像行銷話術，但實務上差別很大——BI 工具最常見的死法不是功能不夠，是導入後沒人用。

能做什麼

• 用點選介面組查詢，不必寫 SQL
• 把常用查詢存成「問題」，隨時重跑
• 拼成儀表板，設定定時寄送到 Email 或 Slack
• 用自然語言問問題、自動生成 SQL（全方案都有，不是付費專屬）
• 設定警示，數字異常時通知
• 嵌入到自家產品裡給客戶看

怎麼用：從零到第一張儀表板

步驟一：安裝

最快的方式是 Docker，一行指令：

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

跑起來之後開 http://localhost:3000，跟著設定精靈走完就好。開源版功能完整、使用者數不限，自架完全免費。

正式環境要注意兩件事：一是預設用內建的 H2 資料庫存 Metabase 自己的設定，正式環境務必改成外接 PostgreSQL，否則升級或搬機器時容易出事；二是記得設定備份。

步驟二：接上你的資料庫

在設定裡新增資料來源，填主機、連接埠、資料庫名稱、帳密。支援 MySQL、PostgreSQL、SQL Server、BigQuery 等常見選擇。

這一步的關鍵是權限。 請務必開一個唯讀帳號給 Metabase 用，不要圖方便丟 root 進去。BI 工具只需要讀，給它寫入權限沒有任何好處，只有風險。

步驟三：做出第一個「問題」

點「新增 → 問題」，選資料表，然後用介面組條件：篩選（例如「訂單日期是上個月」）、彙總（例如「計數」）、分組（例如「按來源分」）。

這就是開頭那位行銷主管要的答案，而且她自己就能改成前年同期——把日期篩選改一下即可，不必再找工程師。

存成問題之後，可以選圖表類型：長條圖、折線圖、圓餅圖或表格。

步驟四：拼成儀表板並自動寄送

把幾個相關問題加到同一個儀表板，例如「本月營收、訂單數、各來源佔比、熱銷商品前十」。接著設定「訂閱」，讓它每週一早上九點自動寄到主管信箱。

這個自動寄送功能被嚴重低估。 多數人不會主動打開儀表板，但信箱一定會看。把數字推到他們面前，比等他們來查有效太多。

進階技巧

AI 問答怎麼用。 直接用中文問「上個月各通路的營收」，它會生成 SQL 並執行。實測經驗是：簡單的彙總問題準確率不錯，一旦牽涉多表 join 或業務邏輯就容易錯。我的用法是拿它生草稿，自己再檢查 SQL，比從零開始寫快。AI 用量可以用官方服務（每百萬 token 3.75 美元，起始附贈一百萬 token），也可以自己帶 API 金鑰——後者對已經有 API 額度的團隊比較划算。

建立資料模型（Model）。 如果同一組 join 邏輯反覆出現，把它存成 Model，同事就能在乾淨的資料集上做查詢，不必每次重組關聯。這是讓非技術同事真正用得起來的關鍵一步。

善用欄位描述。 在資料設定裡替欄位加中文說明，例如把 ord_st 標註成「訂單狀態：1=待付款 2=已出貨」。同事看得懂欄位，才可能自己查。這件事很無聊，但決定了系統會不會被使用。

注意事項：計價是最大的坑

免費的是自架開源版。雲端付費方案採按人頭計價：

• Starter：每月 100 美元（年繳 90），含 5 人，超出每人每月 6 美元
• Pro：每月 575 美元（年繳 517.5），含 10 人，超出每人每月 12 美元
• Enterprise：客製報價，年費 2 萬美元起

最大的陷阱是：嵌入給外部客戶看的使用者也算人頭。 如果你打算把儀表板嵌進 SaaS 產品給客戶看，這個模式的費用會非常可觀，務必先試算。這件事很多團隊是收到第一張帳單才發現。

另外自架版沒有 SSO 與細緻的列／欄權限控管。如果你的資料含個資、薪資或跨部門敏感數字，權限這關要自己想清楚，可能得靠資料庫層的 view 來擋。

還有一點：免費不等於零成本。自架要有人顧資料庫、升級與備份，這些都是隱形的人力成本。

什麼情況不該用它

複雜分析仍然要寫 SQL。點選式介面處理不了多層 CTE、視窗函數這類需求。如果你的分析需要統計建模或機器學習，那該用 Python，別勉強 BI 工具。

想更系統地把資料工作流串起來，可以參考站上的 AI 資料分析工具整理，或看看 提示詞範本庫 裡的資料分析指令。

TheAI學院 評語

我看過太多公司買了昂貴的 BI 工具，最後只有資料團隊在用，業務端還是回頭問工程師。Metabase 能突圍，靠的不是功能最多，是它讓非技術同事真的敢自己點。

評語：Metabase 的價值不在報表多漂亮，在於它把「查數字」這件事從工程師身上卸下來；但別被「開源免費」四個字騙了，人頭計價與維運人力才是真正的成本。

給台灣讀者的具體建議：先用 Docker 自架開源版，花一週把「公司最常被問的十個數字」做成一張儀表板，設定每週自動寄給主管。這一步的投報率是整個導入過程中最高的。等到真的需要 SSO 或要嵌入給客戶看，再評估付費方案——而且評估時務必把外部使用者的人頭費一起算進去，用美元報價換算成台幣，數字會比你第一眼看到的大不少。

資料來源

• Metabase 官方定價頁（方案、人頭計價規則、AI 用量計費）

依公開資訊整理、以官方為準。實際定價可能調整。