- 博客(63)
- 收藏
- 关注
RSS订阅原创 衷心祝愿~
我们期待着达之云CDP客户数据平台在未来能够继续发挥其重要作用，帮助更多的企业实现客户价值最大化，共同迈向更加美好的未来！专为中小企业打造，让每一位客户的声音都被听见，每一次的互动都被珍视。双节来临之际，达之云发布全新产品——达之云CDP客户数据平台（Dazdata CDP），致力于为中小企业提供互联网营销解决方案，针对全域粉丝潜客进行管理，集成统一客户身份、行为采集、微信个性内容推送等，通过大数据和AI技术使中小企业互联网数字化营销快速落地。达之云衷心祝愿您，中秋国庆双节快乐，阖家幸福！
2023-09-28 14:15:38
149
原创 达之云BI平台助力中国融通集团陕西军民服务社有限公司实现数字化运营
中国融通集团陕西军民服务社是一家大型综合类零售购物中心，公司目前管理系统运行了10年左右，面临系统新零售支持发展严重滞后，行业主流应用落地困难，如线上业务、到家业务、全渠道营销、电子发票、自助收银、扫码购、无感停车、未来营区保障涉及的自助售货机、无人超市、伴随式野战超市等业务现都无法直接实现。继续深耕大型商业综合体行业，力求通过先进的方案和完善的服务全方位助力零售企业打造起符合行业发展与时代诉求的大数据应用效果，推动零售企业数智化变革的进程，协助客户实现价值增长，助推国内零售业全面数智能化进程。
2023-09-07 17:17:42
249
原创 达之云牵手杭州数梦联合启动智慧矿业大数据服务项目
达之云公司通过Redash中文商业版BI产品，以数梦工厂的数据中台为数据驱动，将为客户搭建10个符合煤矿需求的可视化大屏，利用大数据治理手段、数据标准、数据建模、指标建立等手段实现前端效果展现。将煤矿生产、安全、监控、运检、调度、运营等业务板块进行指标建立，通过BI功能展现到前端，达到综合监测、主动感知、提前预防、主动参谋的目的。为煤矿提供跨专业关联分析和数据可视化应用，将煤矿生产、安全、监控、运检、调度、运营实时数据、分析数据、成果数据上屏，达到综合监测、主动感知、提前预防、主动参谋的目的。
2023-05-15 14:30:53
172
1
原创 基于dbt的机器学习：流畅的过程衔接
DBT 继承了我们在 SQL 上的工作，在数据工程师、数据分析工程师和任何数据角色之间构建了一个优雅、通用的、操作友好的环境。工具和工作流的统一在数据组织内为不同团队之间创建了互操作性。就像在接力赛中一样，在过程的各个阶段都有明确的交接点和明确的所有权。但截止目前，还有一个环节仍然痛苦且不确定：机器学习（ML）工程师和数据分析工程师之间的衔接。根据我的经验，ML工程和数据分析工程之间的初始协作工作流程开始时很强大，但最终在维护阶段变得混乱。这最终导致项目变得无法使用和被遗忘。
2023-04-07 17:53:32
437
原创 发挥现代数据栈MDS的更大价值
从原始数据到有价值的、可操作的见解的过程是漫长的，不适合胆小的人。旅程的每一步都需要时间和精力，而且往往需要不同的工具。例如，第一步 - 数据收集 - 已经是一场艰巨的艰苦战斗，因为公司的数据分散在各种源系统和文件中。将碎片数据集成到集中式数据仓库依赖于 ELT 或 ETL 过程，为此您可能需要多个提供程序来连接所有源。以下步骤 - 存储，转换，可视化和分析 - 都涉及将数据重新定位或转换为不同的格式和结构。不用说，这不是一件容易的事。
2023-04-06 15:14:21
313
原创 通过 DVT 和 dbt 测试监控Airbyte数据管道
首先，在提取加载 （EL） 步骤中，在加载作业完成后，根据目标中的数据验证源中的数据质量。开源替代方案包括普罗米修斯、洛基、远大期望、数据验证工具 （DVT）、dbt 测试、Datafold 的数据差异等......需要注意的重要一点是，您可能需要组合其中两个或多个工具来实现您的目标。下面的代码片段实现了从 Google Cloud Function 运行的通知/提醒系统，并在源表中的行/列数与上述数据验证示例中的目标表不匹配时将通知/警报推送到 Slack 渠道。这种类型的监视发生在管道的转换阶段之后。
2023-04-04 17:37:33
393
原创 你想知道的关于现代数据栈MDS的所有内容
如上所述，现代数据堆栈的倡导者包括dbt，Fivetran，a16z，其他数据软件公司和许多风险投资。他们都想改变的是公司准备数据进行分析的方式：从传统的ETL（提取，转换，加载）到ELT（提取，加载，转换）。相反，ELT 的意思是，在将数据加载到云数据仓库之前，只需要数据提取和数据加载。现在回到本文的主题，这种以数据仓库为中心的构建堆栈的方式是现代数据堆栈所倡导的方式：数据仓库功能的广泛使用。现代数据堆栈的目标是大大简化用户管理数据的难度，让用户更关心数据本身，而不是软件。因此，起点是不同的。
2023-04-03 17:40:52
298
原创 DBT构建和部署机器学习模型预测订单退货
在这篇博文中，我们将引导您了解如何使用 fal 和 dbt 来训练和存储逻辑回归 ML 模型，对新数据进行预测，并将这些预测存储在 dbt 模型中。接下来，我们将模型权重保存到本地存储。在我们的例子中，逻辑回归模型的输出将是给定客户的年龄和订单总价格的订单被退回的概率。这个新的dbt模型将首先选择最佳的逻辑回归模型，使用它来预测订单是否会被退回，最后将其预测存储在我们的数据仓库中。如您所见，我们正在计算两个 dbt 模型，并且 .顾名思义，一个数据集包含标记的数据，而另一个数据集包含未标记的“新鲜”数据。
2023-03-30 17:39:59
206
原创 数据工程：ELT 工作流中的 6 个步骤
因此，一个好的数据转换过程既严格又灵活 - 该过程允许足够的护栏，使分析工作有价值和有条理，有足够的空间来有趣、具有挑战性和针对您的业务进行定制。在实际的转换步骤中，已加载到数据仓库中的原始数据，您熟悉该数据的结构，并且您有一个关于如何处理它的大致计划 - 它终于准备好开始您的建模过程了！如果您对原始数据的准确性和完整性有很高的信心，那么与质疑数据的完整性相比，此步骤可能会变得不那么费力（如果您是数据从业者，这可能是您的自然倾向😉）。在提取过程中，从与您的业务相关的多个数据源中提取数据。
2023-03-29 17:47:13
528
原创 自助式分析是数据组织的一种状态
例如，在我认识的一家消费者软件公司中，该公司报告结构中的许多人都精通SQL，因此他们能够通过面向SQL的BI工具，精心策划的数据仓库和一两个可视化工具的组合来解决自助服务问题。然后你的公司成长起来，创建了向不同领导者报告的部门，每个部门都雇佣了自己的分析师，现在你在公司的各个部门都有一群分析师，都在编写查询或调整Excel电子表格，只是试图跟上你的公司向他们提出的业务要求。“我们非常高兴，”他告诉我们，“产品团队和营销团队都有自己的仪表板，一旦我们设置了所有内容，我们从这两个团队收到的请求数量就会下降。
2023-03-27 17:47:47
401
原创 现代数据栈MDS应用落地介绍—Vero营销自动化平台
如果 你有一个像Dribbble这样的数据仓库设置，这意味着 支付两次费用以存储相同的数据：一次在您自己的数据中 仓库，并再次在您的电子邮件服务提供商的云中。这是运球的场景 发现自己在。现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台更多强调数据处理技术，MDS注重落地和最后一公里的大数据应用。在原始成本之上 重复数据存储，运行中涉及的维护 数据管道的拼凑使所有内容保持同步，增加了 巨大的维护成本。
2023-03-24 18:00:07
225
原创 现代数据栈MDS应用落地介绍—Vero营销自动化平台
如果 你有一个像Dribbble这样的数据仓库设置，这意味着 支付两次费用以存储相同的数据：一次在您自己的数据中 仓库，并再次在您的电子邮件服务提供商的云中。这是运球的场景 发现自己在。现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台更多强调数据处理技术，MDS注重落地和最后一公里的大数据应用。在原始成本之上 重复数据存储，运行中涉及的维护 数据管道的拼凑使所有内容保持同步，增加了 巨大的维护成本。
2023-03-23 17:40:23
120
原创 现代数据栈MDS应用落地介绍—Bloom AI数据交付平台，实时AI驱动业务
现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台更多强调数据处理技术，MDS注重落地和最后一公里的大数据应用。客户在 Salesforce 中捕获客户/潜在客户的互动，而 Bloom AI 平台为客户团队提供了主题分析、视觉洞察和智能警报。Bloom AI认为业务团队的当前商业智能（BI）流程是分散的、复杂的和技术性的。例如，对定价的严重负面反馈、对全球战略客户的高满意度、新功能的趋势等。
2023-03-22 17:47:32
366
原创 现代数据栈MDS应用落地介绍—ActionIQ智能营销系统
现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，不同于国内的数据中台概念，MDS注重落地和最后一公里的大数据应用。随着客户隐私和数据保护的增加，作为营销人员和组织，我们如何使我们的业务面向未来，并考虑正确的技术堆栈，以帮助我们保护面临风险的收入，更重要的是，开始考虑如何创造更无缝的客户体验来推动增长？在遵守隐私法规的情况下，跨您选择的第一、第二和第三方来源管理和解析匿名和已知客户的身份。
2023-03-21 17:45:22
228
原创 现代数据栈MDS应用落地介绍—Clearbit营销数据激活平台
现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，最后一公里的大数据应用在企业的普及，反过来也促使MDS技术平台快速发展。额外的表单字段通常意味着更少的合格潜在客户。获取公司关心的每家公司和联系人的更全面背景信息，以推动大规模洞察、转化和制胜。一致的上下文可让您实时评分和路由潜在客户，以便您可以告别不适合、错误路由的潜在客户和手动排序。使用您的 CRM 数据、网站数据和 100+ 公司、技术和员工属性，通过精确的受众推动更多管道。
2023-03-20 17:25:51
258
原创 现代数据栈MDS应用落地介绍—DataChannel数字营销分析
DataChannel公司推出的数字化营销和分析产品，让营销团队能够在需要时快速访问来自所有广告平台和营销自动化工具的新数据。通过与所有关键营销平台的集成，获取数据变得轻而易举。随时随地构建报告和仪表板。使用高质量数据超个性化您的广告投放，跨营销平台运行超个性化的营销活动。在一个统一平台管理您的细分和受众。现代数据栈MDS的出现使得中小企业低成本获得大数据处理能力成为可能，技术的进步使得各种基于MDS的大数据应用如雨后春笋般涌现，最后一公里的大数据应用在企业的普及，反过来也促使MDS技术平台快速发展。
2023-03-17 17:22:37
44
原创 现代数据栈MDS的6个趋势
他说，在IT运营管理领域，这涉及分析数据，包括指标，事件，日志，拓扑，事件和更改，并且需要开放的平台，并且可以集成来自无数工具和技术的数据，并补充说，堆栈还需要支持混合客户来自本地数据中心基础设施和应用程序以及多个云资产的数据。“人们，普通商业用户，使用AI / ML做非凡事情的方式，将改变未来企业的运营方式，”他说，并补充说谷歌正在寻找进一步民主化人工智能和机器学习的方法，以便那些没有数据背景的人可以通过简单的电子表格访问它。我们在谷歌有备份，在微软有其他备份，这种互连正在变得正常，“齐马说。
2023-03-16 17:32:24
269
原创 现代数据栈MDS兴起
数据仓库曾经是数据团队的巨大瓶颈。这就是您的数据来源：它可以是您的生产数据库（例如PostgreSQL），Web服务器的日志，或者第三方应用程序，如Stripe，Zendesk或您正在使用的任何其他产品。例如，在传统的数据堆栈中，想要访问过产品某个区域的客户列表的客户经理需要友好的工程师或分析师的帮助来为他们“提取”数据。通常，这是作为技术和服务的列表共享的，但是给定堆栈背后的工作和理论比简单格式所允许的要多方面得多。在成熟的数据堆栈中，它是通常是数据仓库，但可能只是一个数据库的只读副本在早期阶段的公司。
2023-03-15 17:57:22
329
原创 DBT是什么
仅使用 SQL 语句或 Python 数据帧编写业务逻辑，返回所需的数据集，dbt 负责select物化.构建可重用或模块化的数据模型，这些数据模型可以在后续工作中引用，而不是从每次分析的原始数据开始。DBT 针对您的数据平台编译并运行您的分析代码，使您和您的团队能够在指标、见解和业务定义的单一事实来源上进行协作。作为 dbt 用户，您的主要关注点将是编写反映核心业务逻辑的模型（即选择查询）——无需编写样板代码来创建表和视图，也无需定义模型的执行顺序。通常，数据源中的记录是可变的，因为它们会随时间而变化。
2023-03-14 17:39:21
432
原创 现代数据堆栈MDS有什么现代之处
设计一个好的MDS，让你的员工做他们的工作，回报将是无价的。为了保持竞争优势，组织需要能够在正确的时间采取行动的数据，并且足够灵活地适应变化。随着网络安全威胁、负责任的 AI 以及数据法规的增加，在没有考虑数据治理的情况下构建的系统是每个 CIO 的噩梦。需要注意的重要一点是，尽管没有任何奶油，但最终结果是你仍然有一个可以吃的蛋糕。例如，Metabase是一个可视化工具，不需要SQL知识来构建，也不需要BI专家的帮助来使用。这种方法的问题在于，MDS 现在是围绕工具构建的，而不是为用户构建的。
2023-03-13 17:11:55
234
原创 Metabase和Tableau、QlikView差异
Metabase 是一个强大而且成本效益高的商业智能工具，具有易于使用、灵活、支持多个数据源、自定义报告和仪表盘、多级问题、自定义问题、共享数据集和仪表盘、数据驱动的提醒和电子邮件通知等功能。然而，对于处理更大量级和更复杂的数据集以及进行更准确的数据预测和分析，Tableau 和 QlikView 可能更加适合。除了基本的数据查询和可视化功能，Metabase 还提供了一些高级功能，例如多级问题、自定义问题、共享数据集和仪表盘、数据驱动的提醒和电子邮件通知等。
2023-03-06 18:13:51
149
原创 配置Airbyte资源限制
如果您连接（管道）的url是http://localhost:8000/workspaces/92ad8c0e-d204-4bb4-9c9e-30fe25614eee/connections/5432b428-b04a-4562-a12b-21c7b9e8b63a/status,那么连接(管道) id 就是5432b428-b04a-4562-a12b-21c7b9e8b63a`替换 id-from-step-1 为上一步查询中获取到id，然后替换资源限制的值为想要限制的值，然后执行query。
2023-03-03 17:22:00
413
原创 配置 AIRBYTE 工作数据库
此外，使用云托管的Postgres实例（如AWS的RDS，GCP的Cloud SQL），您将得到更细粒度的备份和实例大小调整。#外部数据库的用户名 DATABASE_USER=postgres #外部数据库的密码 DATABASE_PASSWORD=password #外部数据库的 ip 或者域名 DATABASE_HOST=host.docker.internal #外部数据库的端口 DATABASE_PORT=3000 #外部数据库的 db 名称 DATABASE_DB=postgres。
2023-03-02 18:02:33
778
原创 Docker部署Airbyte
部署完成，浏览器打开airbyte，访问地址为http://server-ip:8000。部署完成，浏览器打开airbyte，访问地址为http://server-ip:8000。（可选操作）按需修改安装目录下的.env文件，这里可以修改登录用户（BASIC_AUTH_USERNAME）和密码（BASIC_AUTH_PASSWORD）vim .env#拉起服务（第一次拉起的时候，由于拉取的镜像比较多，会比较慢）#拉起服务（第一次拉起的时候，由于拉取的镜像比较多，会比较慢）
2023-02-28 17:47:24
1416
1
原创 Airbyte的同步复制模式
在某些复制模式下，这是必需的，用于确保对源系统中单个记录的多个更新将正确应用于目标系统中的单个记录。在增量复制的上下文中，可以将游标视为指向源数据集的指针，该指针用于跟踪从该源发送到目标的最新记录。在每次同步运行中，都会对源执行一个查询以选择要复制的记录，并且此查询被构造为包含游标，以便仅返回比游标更新（即以前未复制）的记录。对于 CDC 复制，不需要指定游标，因为事务日志中的时间戳和/或序列号（用作 CDC 复制的源）具有相同的用途。只有自上次同步运行以来在源系统中插入或更新的记录才会发送到目标。
2023-02-24 18:26:23
684
原创 Airbyte架构
Config API：Airbyte 的主控制平面。Airbyte 中的所有操作，例如创建源、目标、连接、管理配置等。从 API 配置和调用。Scheduler：调度程序从 API 获取工作请求，并将其发送到临时服务进行并行化。作为一款技术复杂的数据集成管道，Airbyte的架构模式非常清晰明了。UI：一个易于使用的图形界面，用于与Airbyte API进行交互。Scheduler Store：存储调度程序簿记的状态和作业信息。WebApp Server：处理 UI 和 API 之间的连接。
2023-02-23 17:57:51
152
原创 Airbyte入门
您可以从一个非常小的实例开始，但根据您的 Airbyte 使用情况，如果不截断作业历史记录，作业数据库可能会增长并需要更多存储空间。系统将要求您输入用户名和密码，默认用户名和密码是 airbyte 和password，部署到服务器后，请务必在.env文件中更改默认用户和密码。有关 Airbyte 使用的内部业务流程协调程序的数据，http://Temporal.io（任务、工作流数据、事件和可见性数据）。请注意，源（或目标）连接器中的实际数据永远不会传输或保留在此内部数据库中。连接器可以用任何语言编写。
2023-02-22 17:42:30
571
原创 Airbyte支持的数据源类型
Airbyte能支持的常用软件非常多：如抖音、Wordpress、Salesforce、Metabase、Netsuite、Peoplesoft、SAP Business One、Shopify、Zoom、Docker hub、Github、GitLab、Jira、MeiliSearch等。Airbyte支持的数据类型丰富，全部类型详见官网。与其它软件API集成。
2023-02-21 18:05:17
120
原创 Metabase学习教程：权限-6
这是一个很大的设置。如果我们回到管理员的窗口People，我们可以看到图标，显示谁的帐户来自LDAP，而不是由Metabase管理。如果我们点击编辑映射和创建映射，我们可以填写在LDAP中标识组的可分辨名称（在本例中，是前面创建的Human Resources组的DN）。首先，我们点击齿轮图标，然后选择管理员设置>People>组然后选择创建组我们称我们的团队为“Human Resources”，但我们不会的在Metabase中添加任何人：我们将依赖LDAP来管理成员资格。此时，人们可以通过LDAP登录。
2022-12-09 17:50:42
138
原创 Metabase学习教程：权限-2
使用集合权限设置具有权限的集合，以帮助用户组织和共享与其相关的工作。集合保持问题,仪表板，和模型有条理，容易找到。将集合视为存储我们工作的文件夹是很有帮助的。集合权限授予一群人访问：查看或编辑保存在集合中的问题、仪表板或模型。编辑集合详细信息，例如集合的名称或保存位置。在本教程中，我们将为一家拥有名为Canoes和Sailboats的团队的公司创建集合，并设置收集权限，以便：公司中的每个人都可以查看但不能编辑保存在公司顶层集合中的工作（在Metabase中，它被称为我们的分析-您可以将其视为根目录或
2022-12-07 17:40:15
158
原创 Metabase学习教程：数据分析-1
此时，您将使用事件（如app open，button clicked）来检测应用程序，根据需要装饰数据（比如向事件添加其他相关细节，比如用户会话细节），然后将清理后的数据转储到廉价存储中（如AWS的）S3（简单存储服务），通常采用如下格式镶木地板). 这个对象存储就是你的数据湖。相反，分析数据库倾向于使用列式存储，将所有的名称存储在一起，最后登录的所有时间都存储在一起，等等很简单，因为数据库可以忽略数据库中除出生日期列之外的所有数据。通过减少数据库需要扫描的数据量，列式存储显著提高了分析查询的性能。
2022-12-02 17:45:22
283
原创 Metabase学习教程：模型-1
Metabase中的模型创建模型，为人们提供新问题的良好起始数据集。为了让非技术人员更容易地询问有关您的数据的问题，您可以做的最有价值的事情是将您的数据放入一个使提问更直观的形状。数据往往很混乱，尤其是对于初创企业。就算不凌乱，它可能是高度标准化数据针对事务而不是分析进行优化。这意味着您可以拥有一个数据库，其中客户的数据分布在大量的表中，这使得那些还不熟悉数据库的人很难找到他们要查找的信息（假设他们甚至知道）.模型作为构建块为了使您的数据更直观，您可以创建问题，在查询生成器或者SQL编辑器，以在Metaba
2022-12-01 17:46:39
128
原创 Metabase学习教程：仪表盘-1
对于较大的仪表盘，可以使用文本卡为仪表盘的各个部分添加标题。仪表盘组和颜色代码相关的卡片（绿色代表订单数据，蓝色代表用户数据，紫色代表产品数据），让观众了解我们当前的每周表现与前三个月相比如何（因此不需要加载全年的数据），包括趋势线和目标，以及交叉滤波，以便查看者可以单击条形图中的类别以更新类别筛选器。根据听众所能做出的决定，调整你所包含的问题行为例如，如果您正在为团队构建BI仪表盘，请与他们讨论他们每天/每周/每月需要做出的决策，并包括捕获他们所采取的行动以及这些行动的效果（或目标）的问题。
2022-11-28 17:48:54
235
原创 Metabase学习教程：提问-5
但是，让我们进一步添加另一个过滤器之后从数据中取出小部件的摘要步骤。当我们返回到笔记本编辑器并单击添加筛选器按钮在编辑器的底部，它显示了三列在汇总数据中：Created At, Category和Count点击几下，我们就可以创建一个过滤器，删除类别为widget的行（图3）。目前我们想知道所有的产品类别，所以我们不需要过滤这些数据，但是我们需要对它进行分组和汇总，以便按类别计算每周的总数（图1）。我们的可视化现在正是我们想要的：每周平均售出的dooickey、gadget和gizmo的数量（图6）。
2022-11-22 17:43:34
96
原创 Metabase学习教程：提问-1
您可以单击图表上的任何位置执行数据透视，Metabase将生成仪表板对数据充满了不同的疑问。您可以选择将数据透视保存为仪表板，然后您可以根据自己的喜好编辑它，方法是删除不相关的问题，或添加新的问题或文本框来填充你想讲的故事。用SQL编写一个问题，将所需的起始数据集合在一起，就像创建一个供用户查询的视图一样。查询生成器非常强大。也就是说，如果你添加了一个定制的目的地，用户将无法对问题的数据进行切分。在此基础上，您可以让用户使用模型作为向查询生成器提问的起点，也可以基于该模型创建查询生成器问题，供用户使用。
2022-11-18 17:52:38
95
转载 【无标题】
Metabase有一个许多它的工具箱中的工具（我们不能在这里涵盖所有的工具），但是即使是经验丰富的Metabase用户也会从它的特性集中受益-特别是因为我们在常规剪辑中添加了主要的新功能。另外，不懂SQL的人可以复制您的问题，并将其作为另一个问题的起点。如果您发现您反复使用同一个保存的问题作为新问题的起始数据，您可能需要将保存的问题转换为一个模型，这样可以添加诸如列描述和列类型之类的元数据。与查询生成器问题类似，您可以使用模型的结果或保存的问题作为新问题的出发点，就像你对一个表或视图。
2022-11-15 18:10:23
52
转载 Metabase学习教程：入门-4
您不必编写这些结果的自定义视图，也不必强迫非技术用户与Matlab交互，而是可以使用Metabase作为一种简单、轻量级的方法，将这些结果发布给公司的其他人员。给人们发送一个指向仪表板的链接，将仪表板嵌入你的应用程序中，或者简单地截取Metabase图表的屏幕截图并将其粘贴在幻灯片上：不管怎样都可以。在一个项目的开始，你可能不知道你想要衡量什么，所以建立分析的想法可能显得为时过早。当人们问你问题时，保存查询并给他们账户到Metabase所以他们可以引用它，或者把它作为另一个问题的起点。
2022-11-14 17:53:00
417
转载 Metabase学习教程：入门-2
如果您的Metabase中设置了email或Slack，我们可以单击设置按钮在我们的面积图下面打开目标线，然后在切换开关下方的框中输入值“500”，告诉Metabase，只要在一个月内有超过500个订单，我们就会收到通知。有时候，你会发现需要一次又一次地提出某些，无论是运行定期报告，查找某个重要用户群体的信息，还是仅仅为公司的其他人回答同样的问题。当你完成工作时别忘了点击保存，你可以在上面保存你的工作。Metabase将会尝试给查询一个有意义的名字，但你可以自己命名，这将有助于你和其他人以后找到你的查询。
2022-11-10 17:52:42
208
转载 Metabase学习教程：入门-1
您可以通过筛选和汇总查询的结果，将这些探索保存为新查询，并将查询添加到仪表板但是我们已经超越了自己；Metabase查询以及该查询结果以及这些结果的可视化和格式化（即使该可视化只是一个表格). 查询有标题、ID和唯一的URL，您可以复制并与他人共享。在过滤器，我们点击添加过滤器以缩小答案范围按钮，我们将选择小计作为柱在下拉菜单中，将“等于”更改为“大于”，在输入字段中输入40，然后单击添加筛选器.如果我们想以表格的形式检查结果，可以单击页面底部中心的小开关，从图表切换到数据表，然后再切换回来。
2022-11-08 17:29:59
2001
转载 Redash和Metabase深度比较之六：预警和订阅
Redash和Metabase都有基于结果集变化的预警，首先要做一个定期查询，当查询的结果集满足给定条件时，可以触发预警。Metabase对仪表盘提供定时订阅的功能，方便通过邮件定期订阅指定报表。Redash无类似功能。Metabase中文社区：metabasecn.net 有惊喜：提供社区自行汉化开源版，精准翻译。Redash中文官网： dazdata.com。
2022-11-07 17:00:09
58
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人