ຄູ່ມືການໃຊ້ງານ Metabase: ໃຫ້ເພື່ອນຮ່ວມງານທີ່ຂຽນ SQL ບໍ່ເປັນ ສາມາດຄົ້ນຫາຕົວເລກໄດ້ດ້ວຍຕนເອງ

ເວລາ 10 ໂມງເຊົ້າ, ຫົວໜ້າຝ່າຍການຕະຫຼາດຂອງບໍລິສັດອີຄອມເມີຊແຫ່ງໜຶ່ງໄດ້ຖາມຂຶ້ນໃນກຸ່ມສົນທະນາວ່າ: "ເດືອນແລ້ວນີ້ ມີຈຳນວນຄຳສັ່ງຊື້ (Orders) ທີ່ມາຈາກ LINE ເທົ່າໃດ?" ເມື່ອວິສະວະກຳ (Engineer) ເຫັນຂໍ້ຄວາມດັ່ງກ່າວ ກໍ່ຖອນຫາຍໃຈ, ເປີດຖານຂໍ້ມູນ (Database) ຂຶ້ນມາຂຽນ SQL ໃຊ້ເວລາເຈັດນາທີ ແລ້ວສົ່ງຮູບແຄັບໜ້າຈໍກັບໄປ. ຕອນບ່າຍ 3 ໂມງ, ຄົນເດີມຄົນນັ້ນກໍ່ຖາມອີກວ່າ: "ແລ້ວຊ່ວງເວລາเดียวกันຂອງປີກາຍເດ ໄດ້ເທົ່າໃດ?"

ວົງຈອນນີ້ເກີດຂຶ້ນຊໍ້າໄປຊໍ້າມາທຸກໆມື້ໃນວິສາຫະກິດຂະໜາດກາງ ແລະ ຂະໜາດນ້ອຍ (SMEs). ปัญหาບໍ່ແມ່ນວ່າວິສະວະກຳບໍ່ຢາກຊ່ວຍ, ແຕ່ເລື່ອງນີ້ ບໍ່ຄວນເປັນໜ້າທີ່ຂອງວິສະວະກຳຕັ້ງແຕ່ຕົ້ນແລ້ວ. ສິ່ງທີ່ Metabase ຕ້ອງການແກ້ໄຂກໍຄືຈຸດນີ້.

ມັນແມ່ນຫຍັງ

Metabase ລະບົບເຄື່ອງມື Business Intelligence (BI) ແບບ Open-source. ທ່ານພຽງແຕ່ເຊື່ອມຕໍ່ມັນເຂົ້າกับຖານຂໍ້ມູນຂອງບໍລິສັດ ພະນັກງານທີ່ບໍ່ແມ່ນສາຍເຕັກນິກກໍ່ສາມາດໃຊ້ວິທີຄລິກເລືອກເພື່ອສ້າງຄຳຖາມຄົ້ນຫາ (Queries), ບັນທຶກໄວ້ເປັນ "ຄຳຖາມ" (Questions), ແລະ ນຳເອົາຄຳຖາມເຫຼົ່ານັ້ນມາປະກອບເຂົ້າກັນເປັນ Dashboard. ນອກຈາກນີ້, ດ້ວຍຄວາມສາມາດດ້ານ AI Q&A ແລະ ການສ້າງ SQL ທີ່ເພີ່ມເຂົ່າາມາໃນຊ່ວງສອງປີມານີ້, ຕอนນີ້ເຮົາສາມາດພິມອະທິບາຍຄວາມຕ້ອງການເປັນພາສາທຳມະດາໄດ້ໂດຍກົງເລີຍ.

ຈຸດເດັ່ນທີ່ສຸດຂອງມັນຄື ເສັ້ນໂຄ້ງການຮຽນຮູ້ (Learning Curve) ທີ່ງ່າຍທີ່ສຸດເມື່ອທຽບກັບຜະລິດຕະພັນປະເພດດຽວກັນ. ເຖິງວ່ານີ້ອາດຈະຟັງເບິ່ງຄືຄຳໂຄສະນາ, ແຕ່ໃນທາງປະຕິບັດແລ້ວມັນແຕກຕ່າງກັນຫຼາຍ—ສາເຫດຫຼັກທີ່ເຮັດໃຫ້ເຄື່ອງມື BI ສ່ວນໃຫຍ່ລົ້ມເຫລວ ບໍ່ແມ່ນຍਉນຄຸນສົມບັດບໍ່ພຽງພໍ, ແຕ່ຫຼັງຈາກຕິດຕັ້ງແລ້ວແມ່ນບໍ່ມີໃຜນຳໃຊ້ເລີຍ.

ມັນເຮັດຫຍັງໄດ້ແດ່

• ใช้ງານສ່ວນຕິດຕໍ່ແບບຄລິກເພື່ອສ້າງການຄົ້ນຫາ, ໂດຍບໍ່ຕ້ອງຂຽນ SQL
• ບັນທຶກການຄົ້ນຫາທີ່ໃຊ້ເລື້ອຍໆເປັນ "ຄຳຖາມ", ສາມາດກົດຣັນຊ້ຳໄດ້ຕະຫຼອດເວລາ
• ປະກອບເປັນ Dashboard, ພ້ອມຕັ້ງຄ່າໃຫ້ສົ່ງອີເມວ ຫຼື ແຈ້ງເຕືອນຜ່ານ Slack ຕາມເວລາທີ່ກຳນົດ
• ໃຊ້ພາສາທຳມະດາເພື່ອຖາມຄຳຖາມ ແລະ ສ້າງ SQL ໃຫ້ອັດຕະໂນມັດ (ມີໃຫ້ໃຊ້ທຸກແພັກເກດ, ບໍ່ແມ່ນສະເພາະຕົວເສຍເງິນ)
• ຕັ້ງຄ່າແຈ້ງເຕືອນ (Alerts) ເມື່ອຕົວເລກມີຄວາມຜິດປົກກະຕິ
• ฝັງ (Embed) ລົງໃນຜະລິດຕະພັນຂອງຕົນເອງເພື່ອໃຫ້ລູກຄ້າເບິ່ງ

ວິທີໃຊ້ງານ: ຈາກສູນສູ່ Dashboard 第一ໃບ

ຂັ້ນຕອນທີ 1: การຕິດຕັ້ງ

ວິທີທີ່ໄວທີ່ສຸດແມ່ນໃຊ້ Docker, ດ້ວຍຄຳສັ່ງດຽວ:

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

ຫຼັງຈາກຣັນແລ້ວ ໃຫ້ເປີດ http://localhost:3000 ຂຶ້ນມາ ແລ້ວເຮັດຕາມຂັ້ນຕອນການຕັ້ງຄ່າ. ເວີຊັນ Open-source ມີຟັງຊັນທີ່ຄົບຖ້ວນ, ບໍ່ຈຳກັດຈຳນວນຜູ້ໃຊ້ ແລະ ຕິດຕັ້ງດ້ວຍຕົນເອງແມ່ນຟຣີທັງໝົດ.

ສຳລັບສະພາບແວດລ້ອມການຜະລິດ (Production) ຕ້ອງລະວັງສອງເລື່ອງ: ຢ່າງທຳອິດຄືຄ່າເລີ່ມຕົ້ນ Metabase ຈະໃຊ້ H2 ຖານຂໍ້ມູນພາຍໃນເພື່ອບັນທຶກການຕັ້ງຄ່າຂອງຕົນເອງ, ສຳລັບ Production ໃຫ້ປ່ຽນໄປໃຊ້ PostgreSQL ພາຍນອກຢ່າງເດັດຂາດ, ຖ້າບໍ່ດັ່ງນັ້ນເວລາອັບເກຣດ ຫຼື ຍ້າຍເຄື່ອງອາດຈະເກີດບັນຫາໄດ້; ຢ່າງທີສອງແມ່ນຢ່າລືມຕັ້ງຄ່າການສຳຮອງຂໍ້ມູນ (Backup).

ຂັ້ນຕອນທີ 2: ເຊື່ອມຕໍ່ຖານຂໍ້ມູນຂອງທ່ານ

ເພີ່ມແຫຼ່ງຂໍ້ມູນໃໝ່ໃນການຕັ້ງຄ່າ, ໂດຍໃສ່ Host, Port, ຊື່ Database, ພ້ອມ Username ແລະ Password. ຮອງຮັບ MySQL, PostgreSQL, SQL Server, BigQuery ແລະທາງເລືອກທົ່ວໄປອື່ນໆ.

ຈຸດສຳຄັນຂອງຂັ້ນຕອນນີ້ແມ່ນສິດທິ (Permissions). ກະລຸນາສ້າງ ບັນຊີແບບອ່ານໄດ້ຢ່າງດຽວ (Read-only) ໃຫ້ Metabase ໃຊ້ຢ່າງເດັດຂາດ, ຢ່າສະດວກຈົນເອົາ root ມາມິ. ເຄື່ອງມື BI ຕ້ອງການພຽງແຕ່ອ່ານ, ການໃຫ້ສິດຂຽນບໍ່ມີຜົນດີຫຍັງເລີຍ ມີແຕ່ຄວາມສ່ຽງ.

ຂັ້ນຕອນທີ 3: ສ້າງ "ຄຳຖາມ" (Question) 第一ໃບ

ກົດ "ເພີ່ມ (Add) → ຄຳຖາມ (Question)", เลือกຕາຕະລາງຂໍ້ມູນ, ແລ້ວໃຊ້ໜ້າຈໍກຳນົດເງື່ອນໄຂ: ກອງຂໍ້ມູນ (ເຊັ່ນ: "ວັນທີຄຳສັ່ງຊື້ແມ່ນເດືອນແລ້ວນີ້"), ລວມຍອດ (ເຊັ່ນ: "ນັບຈຳນວນ"), ແບ່ງກຸ່ມ (ເຊັ່ນ: "ແບ່ງຕາມແຫຼ່ງທີ່ມາ").

ນີ້ຄືຄຳຕອບທີ່ຫົວໜ້າຝ່າຍການຕະຫຼາດໃນตอนຕົ້ນຕ້ອງການ, ແລະ ລາວສາມາດປ່ຽນເປັນຊ່ວງເວລາเดียวกันຂອງປີກາຍໄດ້ດ້ວຍຕົນເອງ — ພຽງແຕ່ປ່ຽນການກອງວັນທີເທົ່ານັ້ນ, ບໍ່ ຈຳເປັນຕ້ອງໄປຕາມຫາວິສະວະກຳອີກຕໍ່ໄປ.

ຫຼັງຈາກບັນທຶກເປັນຄຳຖາມແລ້ວ, ສามารถເລືອກປະເພດແຜນຜັງໄດ້: ຕາໜ່າງແທ່ງ (Bar chart), ເສັ້ນສະແດງ (Line chart), ວົງມົນ (Pie chart) ຫຼື ຕາຕະລາງ (Table).

ຂັ້ນຕອນທີ 4: ປະກອບເປັນ Dashboard ແລະ ສົ່ງອີເມວອັດຕະໂນມັດ

ນຳເອົາຄຳຖາມທີ່ກ່ຽວຂ້ອງມາລວມໄວ້ໃນ Dashboard ດຽວກັນ, ເຊັ່ນ: "ລາຍຮັບເດືອນນີ້, ຈຳນວນຄຳສັ່ງຊື້, ອັດຕາສ່ວນແຕ່ລະແຫຼ່ງ, 10 ສິນຄ້າຂາຍດີ". ຈາກນັ້ນຕັ້ງຄ່າ "ການສະໝັກຮັບ (Subscriptions)", ໃຫ້ມັນສົ່ງອີເມວໄປຫາຕູ້ຈົດໝາຍຂອງຫົວໜ້າທຸກໆວັນຈັນ ເວລາ 9 ໂມງເຊົ້າ.

ຟັງຊັນການສົ່ງອັດຕະໂນມັດນີ້ຖືກປະເມີນຕໍ່າເກີນໄປ. คนສ່ວນໃຫຍ່ຈະບໍ່ເປີດ Dashboard ດ້ວຍຕົນເອງ, ແຕ່ຕູ້ຈົດໝາຍ (Email) ຕ້ອງໄດ້ກວດເບິ່ງແນ່ນອນ. ການດັນຕົວເລກໄປໃຫ້ພວກເຂົາເຫັນກ່ອນ ຖືວ່າໄດ້ຜົນດີກວ່າການລໍຖ້າໃຫ້ພວກເຂົາເຂົ້າມາຄົ້ນຫາເອງຫຼາຍ.

ເຕັກນິກຂັ້ນສູງ

ວິທີໃຊ້ງານ AI Q&A. ສາມາດພິມຖາມເປັນພາສາທຳມະດາໄດ້ເລີຍ ເຊັ່ນ "ລາຍຮັບແຕ່ລະຊ່ອງທາງໃນເດືອນແລ້ວນີ້", ລະບົບຈະສ້າງ SQL ແລະ ຣັນໃຫ້. ຈາກປະສົບການຕົວຈິງ: ຄຳຖາມລວມຍອດແບບງ່າຍໆມີຄວາມຖືກຕ້ອງດີ, ແຕ່ເມື່ອໃດທີ່ກ່ຽວຂ້ອງກັບການ join หลายຕາຕະລາງ ຫຼື ຕາມເຫດຜົນທາງທຸລະກິດ (Business logic) ມັກຈະຜິດພາດ. ວິທີໃຊ້ຂອງຂ້ອຍແມ່ນໃຊ້ AI ເພື່ອສ້າງຮ່າງ ແລ້ວມາ ກວດສອບ SQL ດ້ວຍຕົນເອງ, ເຊິ່ງໄວກວ່າການຂຽນແຕ່ເລີ່ມຕົ້ນ. ສ່ວນປະລິມານການໃຊ້ AI ສາມາດໃຊ້ບໍລິການທາງການ (3.75 ໂດລາສະຫະລັດຕໍ່ລ້ານ token, ເລີ່ມຕົ້ນແຈກຟຣີໜຶ່ງລ້ານ token) ຫຼື ຈະນຳເອົາ API Key ມາໃຊ້ເອງກໍໄດ້ — ຢ່າງຫຼັງຈະຄຸ້ມຄ່າກວ່າສຳລັບທີມທີ່ມີໂຄວຕ້າ API ຢູ່ແລ້ວ.

ສ້າງແບບຈຳລອງຂໍ້ມູນ (Model). ຖ້າເຫດຜົນການ join ລະບົບດຽວກັນເກີດຂຶ້ນຊໍ້າໆ, ให้ບັນທຶກມັນໄວ້ເປັນ Model, ເພື່ອນຮ່ວມງານກໍຈະສາມາດຄົ້ນຫາໃນຊຸດຂໍ້ມູນທີ່ສະອາດໄດ້, ໂດຍບໍ່ຕ້ອງປະກອບຄວາມສຳພັນໃໝ່ທຸກຄັ້ງ. ນີ້ຄືຂັ້ນຕອນສຳຄັນທີ່ຈະເຮັດໃຫ້ເພື່ອນຮ່ວມງານທີ່ບໍ່ແມ່ນສາຍເຕັກນິກສາມາດນຳໃຊ້ໄດ້ແທ້.

ນຳໃຊ້ຄຳອະທິບາຍຖັນ (Field descriptions) ໃຫ້ເກີດປະໂຫຍດສູງສຸດ. ເພີ່ມຄຳອະທິບາຍເປັນພາສາທຳມະດາລົງໃນການຕັ້ງຄ່າຂໍ້ມູນ, ເຊັ່ນ: ໝາຍເຫດ ord_st ວ່າ "ສະຖານະຄຳສັ່ງຊື້: 1=ລໍຖ້າຈ່າຍເງິນ 2=ສົ່ງສິນຄ້າແລ້ວ". ເມື່ອເພື່ອນຮ່ວມງານອ່ານເຂົ້າໃຈຄວາມໝາຍຂອງຖັນ, ຈຶ່ງມີໂອກາດຄົ້ນຫາດ້ວຍຕົນເອງໄດ້. ເລື່ອງນີ້ເບິ່ງຄືວ່າໜ້າ ເບື່ອກໍ່ຈິງ, ແຕ່ມັນເປັນຕົວຕັດສິນວ່າລະບົບຈະຖືກນຳໄປໃຊ້ງານແທ້ຫຼືບໍ່.

ຂໍ້ຄວນລະວັງ: ຫຼຸມພາງທີ່ໃຫຍ່ທີ່ສຸດແມ່ນລາຄາ

ເວີຊັນ Open-source ທີ່ຕິດຕັ້ງເອງແມ່ນຟຣີ. ສ່ວນແພັກເກດ Cloud ແບບເສຍເງິນແມ່ນ ຄິດໄລ່ລາຄາຕາມຈຳນວນຫົວຄົນ (Per-seat pricing):

• Starter: 100 ໂດລາສະຫະລັດຕໍ່ເດືອນ (ຈ່າຍລາຍປີ 90), ລວມ 5 ຄົນ, ຖ້າເກີນຄິດເພີ່ມຄົນລະ 6 ໂດລາຕໍ່ເດືອນ
• Pro: 575 ໂດລາສະຫະລັດຕໍ່ເດືອນ (ຈ່າຍລາຍປີ 517.5), ລວມ 10 ຄົນ, ຖ້າເກີນຄິດເພີ່ມຄົນລະ 12 ໂດລາຕໍ່ເດືອນ
• Enterprise: ໃບສະເໜີລາຄາຕາມຄວາມຕ້ອງການ, ค่าໃຊ້ຈ່າຍລາຍປີເລີ່ມຕົ້ນທີ່ 2 ໝື່ນໂດລາສະຫະລັດ

ຫຼຸມພາງທີ່ໃຫຍ່ທີ່ສຸດຄື: ຜູ້ໃຊ້ທີ່ຝັງ (Embed) ໃຫ້ລູກຄ້າພາຍນອກເບິ່ງ ກໍ່ຖືກນັບເປັນຫົວຄົນເຊັ່ນກັນ. ຖ້າທ່ານມີແຜນທີ່ຈະຝັງ Dashboard ລົງໃນຜະລິດຕະພັນ SaaS ໃຫ້ລູກຄ້າເບິ່ງ, ຄ່າໃຊ້ຈ່າຍຂອງຮູບແບບນີ້ຈະສູງຫຼາຍ, ກະລຸນາຄິດໄລ່ຕົ້ນທຶນກ່ອນຢ່າງລະມັດລະວັງ. ທີມງານຫຼາຍໆທີມມາຮູ້ກໍຕໍ່ເມື່ອໄດ້ຮັບໃບເກັບເງິນໃບທຳອິດ.

ນອກຈາກນີ້, ເວີຊັນຕິດຕັ້ງເອງ ບໍ່ມີ SSO ແລະ ການຄວບຄຸມສິດທິລະດັບແຖວ/ຖັນຢ່າງລະອຽດ. ຖ້າຂໍ້ມູນຂອງທ່ານມີຂໍ້ມູນສ່ວນຕົວ (PII), ເງິນເດືອນ ຫຼື ຕົວເລກທີ່ມີຄວາມລະອຽດอ่อนຂ້າມພະແນກ, ທ່ານຕ້ອງຄິດເລື່ອງການຈັດການສິດທິດ້ວຍຕົນເອງ, ເຊິ່ງອາດจะต้องອາໄສ View ໃນລະດັບຖານຂໍ້ມູນມາຊ່ວຍກັ່ນກອງ.

ແລະອີກຈຸດໜຶ່ງ: ຟຣີບໍ່ໄດ້ໝາຍຄວາມວ່າ ຕົ້ນທຶນເປັນສູນ. ການຕິດຕັ້ງ ແລະ ເບິ່ງແຍງຮັກສາຖານຂໍ້ມູນ, ການອັບເກຣດ ແລະ ການສຳຮອງຂໍ້ມູນດ້ວຍຕົນເອງ, ທັງໝົດນີ້ລ້ວນແຕ່ເປັນຕົ້ນທຶນດ້ານຊັບພະຍາກອນມະນຸດທີ່ເຊື່ອງຊ້ອນໄວ້.

ສະຖານະການໃດທີ່ບໍ່ຄວນໃຊ້

ການວິເຄາະທີ່ສັບສົນຍັງคงຈຳເປັນຕ້ອງຂຽນ SQL. ໜ້າຈໍແບບຄລິກເລືອກບໍ່ສາມາດຈັດການກັບຄວາມຕ້ອງການປະເພດ Multi-level CTEs ຫຼື Window functions ໄດ້. ຖ້າການວິເຄາະຂອງທ່ານຕ້ອງການແບບຈຳລອງສະຖິຕິ (Statistical modeling) ຫຼື ປັນຍາປະດິດ (Machine learning), ທ່ານຄວນໃຊ້ Python, ຢ່າຝືນໃຊ້ເຄື່ອງມື BI.

ຖ້າຕ້ອງການເຊື່ອມຕໍ່ Workflow ຂໍ້ມູນຢ່າງເປັນລະບົບຫຼາຍຂຶ້ນ, ສามารถອ້າງອີງເຖິງ ລາຍການເຄື່ອງມືວິເຄາະຂໍ້ມູນ AI ຂອງເວັບໄຊເຮົາ, ຫຼື ເບິ່ງຄຳສັ່ງວິເຄາະຂໍ້ມູນໃນ ຄັງແມ່ແບບ Prompt.

ບົດວິຈານຈາກ TheAI學院

ຂ້ອຍເຄີຍເຫັນຫຼາຍບໍລິສັດຊື້ເຄື່ອງມື BI ລາຄາແພງມາ, ແຕ່ສຸດท้ายມີແຕ່ທີມຂໍ້ມູນເທົ່ານັ້ນທີ່ໃຊ້, ສ່ວນຝ່າຍທຸລະກິດກໍ່ຍังคงຫັນກັບມາຖາມວິສະວະກຳຄືເກົ່າ. ສິ່ງທີ່ເຮັດໃຫ້ Metabase ໂດດເດັ່ນຂຶ້ນມາໄດ້ ບໍ່ແມ່ນຍ້ອນມີຟັງຊັນຫຼາຍທີ່ສຸດ, ແຕ່ແມ່ນ ມັນເຮັດໃຫ້ເພື່ອນຮ່ວມງານທີ່ບໍ່ແມ່ນສາຍເຕັກນິກກ້າທີ່ຈະກົດຄລິກດ້ວຍຕົນເອງຢ່າງແທ້ຈິງ.

ບົດວິຈານ: คุณຄ່າຂອງ Metabase ບໍ່ໄດ້ຢູ່ທີ່ Report ສວຍງາມສຳໃດ, ແຕ່ມັນຢູ່ທີ່ການແບ່ງເບົາໜ້າທີ່ "ຄົ້ນຫາຕົວເລກ" ອອກຈາກຕົວວິສະວະກຳ; ແຕ່ຢ່າຖືກຄຳວ່າ "Open-source ຟຣີ" หลອກຕາ, ເພາະວ່າການຄິດໄລ່ລາຄາຕາມຫົວຄົນ ແລະ ຄ່າໃຊ້ຈ່າຍໃນການບຳລຸງຮັກສາແມ່ນຕົ້ນທຶນທີ່ແທ້ຈິງ.

ຄຳແນະນຳທີ່ເປັນຮູບປະທຳສຳລັບຜູ້ອ່ານ: ໃຫ້ເລີ່ມຕົ້ນດ້ວຍການໃຊ້ Docker ຕິດຕັ້ງເວີຊັນ Open-source ດ້ວຍຕົນເອງ, ใช้ເວລາໜຶ່ງອາທິດເພື່ອເຮັດ "10 ຕົວເລກທີ່ບໍລິສັດມักຖືກຖາມຫຼາຍທີ່ສຸດ" ໃຫ້ເປັນ Dashboard ໃບດຽວ, ພ້ອມຕັ້ງຄ່າສົ່ງໃຫ້ຫົວໜ້າອັດຕະໂນມັດທຸກໆອາທິດ. ຜົນຕອບແທນຈາກການລົງທຶນ (ROI) ຂອງຂັ້ນຕອນນີ້ແມ່ນສູງທີ່ສຸດໃນຂະບວນການຕິດຕັ້ງທັງໝົດ. ຈົນກວ່າຈະຕ້ອງການ SSO ຫຼື ຝັງໃຫ້ລູກຄ້າເບິ່ງແທ້ໆ, ຈຶ່ງຄ່ອຍປະເມີນແພັກເກດເສຍເງິນ — ແລະ ເວລາປະເມີນໃຫ້ລວມເອົາຄ່າໃຊ້ຈ່າຍ