گزارش پشته داده جامعه Metabase 2025
تیم متابیس
ما از ۳۳۰+ تیم در ۵۰+ کشور پرسیدیم که چگونه پشته داده خود را میسازند و استفاده میکنند، از انتخاب ابزار تا پذیرش AI. این چیزی است که یاد گرفتیم.
ساخت یک منبع جامعه برای تصمیمگیریهای پشته داده در ۲۰۲۵
برای این گزارش، از تیمها میپرسیم که چگونه پشته داده خود را میسازند: چه ابزارهایی انتخاب میکنند، چه چالشهایی با آن مواجه میشوند، و برنامههای آینده آنها چیست. هدف ما ساخت یک منبع منبعباز مبتنی بر جامعه است که میتواند به مشتریان کمک کند تصمیمات آگاهانه درباره ابزارهای داده خود بگیرند و با هم شیوههای داده مدرن را شکل دهند.
در سال ۲۰۲۵، از ۳۳۰+ تیم با اشکال و اندازههای مختلف - از استارتاپهای دو نفره تا سازمانهایی با صدها کارمند - از ۱۵+ صنعت مختلف و ۵۰+ کشور شنیدیم. تیمها انتخابهای ابزار، جدول زمانی پذیرش، سطح رضایت و نحوه تغییر AI در نحوه کار آنها را به اشتراک گذاشتند. ما همه آن خرد را در یک گزارش (ساخته شده با Metabase، البته) گردآوری کردیم که در دسترس جامعه قرار میدهیم.
اگر میخواهید مستقیماً به گزارش کامل بروید، بروید.
نکات کلیدی
بیشتر تیمهای داده کوچک هستند، حتی در شرکتهای بزرگ
بیشتر شرکتها در نظرسنجی ما شروع به ساخت پشته خود کردند زمانی که به ۲۰-۵۰ نفر رسیدند - اما دوباره، بیشتر شرکتهایی که ما نظرسنجی کردیم تمایل دارند در حدود آن اندازه باشند، بنابراین این را با احتیاط در نظر بگیرید. ما دریافتیم که اندازه تیمهای داده، با این حال، زیاد متفاوت نیست - بیشتر تیمهای داده حدود ۱-۳ نفر هستند، حتی در شرکتهایی با صدها کارمند.
PostgreSQL بر هر دو بار کاری تراکنشی و تحلیلی تسلط دارد
Postgres محبوبترین پایگاه داده تراکنشی و محبوبترین ذخیرهسازی تحلیلی است. این پایگاه دادهای است که مشتریان بدون توجه به نگرانیهای اصلی خود بیشتر انتخاب میکنند، و پایگاه دادهای است که بیشتر افرادی که به فکر ترک ابزار فعلی خود هستند به عنوان جایگزین در نظر میگیرند. همچنین بالاترین پایگاه داده تراکنشی رتبهبندی شده در میان پاسخدهندگان ما است، و در ۳ ابزار برتر رتبهبندی شده برای ذخیرهسازی تحلیلی.
۵۰٪ از تیمها از انبار داده یا دریاچه داده برای ذخیره دادههای تحلیلی خود استفاده نمیکنند
تقریباً همه کسانی که از آنها پرسیدیم دادههای تحلیلی خود را از دادههای تراکنشی جدا میکنند، اما - شاید تعجبآور - حدود نیمی از پاسخدهندگان از یک ابزار تخصصی (مانند انبار داده یا دریاچه داده) برای ذخیره دادههای تحلیلی خود استفاده نمیکنند. هیچ قضاوتی از ما نیست: ما مدتهاست معتقدیم که شما به انبار داده نیاز ندارید (تا زمانی که نیاز داشته باشید).
شرکتهای بزرگتر با تیمهای داده بزرگتر بیشتر احتمال دارد که از انبار داده و دریاچه داده استفاده کنند، احتمالاً به این دلیل که شرکتهای بزرگتر نیازهای داده شدیدتری دارند.
ابزارهای ETL و تبدیل به عنوان شاخصهای بلوغ داده
حدود ۶۰٪ از افرادی که از یک ابزار ورود/ETL استفاده میکنند، و حدود ۶۰٪ از یک ابزار مدلسازی/تبدیل استفاده میکنند - با بیشتر آن افراد که از هر دو ابزار استفاده میکنند. Reverse ETL نیز در آنجا است: اگر شرکت شما نیاز به reverse ETL دارد (که هر شرکتی ندارد)، احتمالاً از ابزارهای ورود و مدلسازی نیز استفاده میکنید. شرکتها همچنین تمایل دارند که آنها را در حدود همان زمان بپذیرند. بنابراین اگر به نقطهای در سفر داده خود رسیدهاید که در حال بررسی یک ابزار ورود هستید - ممکن است بخواهید ارزیابی کنید که آیا ممکن است زمان افزودن یک ابزار مدلسازی نیز باشد.
آنچه ما را شگفتزده کرد
اعتماد AI با پذیرش AI همگام نیست
مشتریان در تقریباً همه صنایع، نقشها و اندازههای شرکت AI پرسوجو و تولید کد را پذیرفتهاند. البته این در سال ۲۰۲۵ خبری نیست، اما آنچه ما را شگفتزده کرد این بود که اعتماد به نتایج پرسوجوهای AI چقدر پایین بود، با توجه به پذیرش تقریباً جهانی. افرادی که در نقشهای فنیتر هستند تمایل دارند به نتایج AI کمتر اعتماد کنند.
مهندسان سختترین برای راضی کردن هستند
در سراسر پشته، مهندسان نرمافزار و داده به طور مداوم رتبههای پایینتری به ابزارهای خود دادند. تنها استثنای این قانون ابزارهای مدلسازی/تبدیل است، جایی که کاربران نهایی دادههایی که از آن ابزارها میآید (مانند مدیران محصول) آنها را بسیار پایینتر از سایر ابزارها رتبهبندی میکنند، در حالی که افرادی که کار روزمره را انجام میدهند (مهندسان داده) - آنها را بسیار بالاتر رتبهبندی میکنند.
ابزارهای فردی کمتر از نحوه بازی آنها با هم مهم هستند
مشتریان ابزارهای فردی در پشته خود را به طور کلی بالاتر از پشته به عنوان یک کل رتبهبندی کردند. ما فکر میکنیم به این دلیل است که واقعاً مهم نیست که بهترین ابزارهای جهان را برای انجام وظایف خاص خود دارید - اگر نمیتوانید اطمینان حاصل کنید که جریان داده از طریق پشته صاف و شفاف است. ابزارهایی با رتبه نزدیکترین به رتبه کل پشته ابزارهای ورود/ETL هستند، که هدف کامل آنها تسهیل حرکت داده در سراسر پشته داده است.
روششناسی و فرآیند تحلیلی پشت گزارش
ممکن است شما را شگفتزده نکند که ما، مشتریان در Metabase، فکر میکردیم Metabase بهترین ابزار برای تجزیه و تحلیل و ارائه نتایج نظرسنجی است.
نظرسنجی ما از طریق یک فرم Typeform انجام شد، که نتایج را به عنوان یک فایل CSV به ما داد. سپس آن CSV را به Metabase Cloud Storage برای تجزیه و تحلیل آپلود کردیم - حتی نیازی به راهاندازی پایگاه داده نیست.
دادهها به برخی قالببندی و پاکسازی اضافی نیاز داشتند - مانند برچسبگذاری مجدد پاسخها برای ارائه بهتر، محاسبه املای مختلف، یا ترکیب پاسخها برای انواع مختلف ذخیرهسازی تحلیلی در یک ستون - بنابراین از یک مدل Metabase برای ایجاد یک مجموعه داده تمیز و تبدیل شده بر اساس CSV اصلی استفاده کردیم.
Metabase یک سازنده پرسوجوی گرافیکی داخلی دارد که ما از آن برای ساخت سوالاتی مانند "میانگین رضایت بر اساس نقش چیست" بر اساس مدل CSV تقویت شده خود استفاده کردیم و تجسمها را بدون نوشتن هیچ کدی ساختیم.
این برای همه اکتشافاتی که به آنها علاقه داشتیم کافی بود - به جز یکی (میتوانید حدس بزنید کدام یک؟). یک سوال نیاز به یک پرسوجوی پیچیدهتر داشت، بنابراین برای مدیریت آن، از SQL روی CSV خود استفاده کردیم: وقتی داده را به Metabase Cloud Storage آپلود میکنید، در واقع آن را در یک پایگاه داده ClickHouse قرار میدهید، بنابراین میتوانید از Metabase برای پرسوجوی داده از CSV خود با استفاده از SQL استفاده کنید. در مورد ما از یک سوال سرگردان، از SQL به جای سازنده پرسوجوی گرافیکی استفاده کردیم زیرا نیاز به استفاده از UNION داشتیم.
اینجا در Metabase، ما نظرات قوی زیادی درباره بهترین روشها برای ساخت داشبوردها داریم، که ما با قضاوت برای ساخت یک داشبورد که بینشهایی که جالب یافتیم را ارتباط میدهد در حالی که مطمئن میشویم از ارائه نادرست داده جلوگیری کنیم، اعمال کردیم.
ما میخواستیم داشبورد از نظر بصری برجسته باشد، بنابراین یک پالت رنگ سفارشی تعریف کردیم و یک فونت سفارشی را به نمونه Metabase خود آپلود کردیم و از آن در داشبورد استفاده کردیم.
هنگامی که داشبورد آماده شد، یک جاسازی عمومی ایجاد کردیم تا مشتریان بتوانند بدون داشتن حساب Metabase به داشبورد دسترسی پیدا کنند و فقط جاسازی را در وبسایت ما iframe کردیم.
کاوش گزارش کامل
میتوانید گزارش کامل را بررسی کنید، یا، اگر میخواهید تحلیل خود را از دادههای نظرسنجی اجرا کنید، ما یک مخزن راهاندازی کردهایم که Metabase را با دادههای نظرسنجی ناشناس از پیش بارگذاری شده راهاندازی میکند، بنابراین میتوانید خودتان آن را کاوش کنید.
بیایید گفتگو را شروع کنیم. بینشهای خود را ارسال کنید و ما را تگ کنید! ما عاشق دیدن نکات شما در عمل هستیم.
