نمای کلی Admin

یک نمای کلی و فهرست منابع برای adminهای متابیس.

خبر خوب این است که همه آنچه واقعاً برای شروع به عنوان یک Admin نیاز دارید این است که متابیس را به منابع داده خود متصل کنید، مشتریان را به متابیس خود دعوت کنید، و از آن‌ها بخواهید برخی داشبوردها بسازند. اما احتمالاً برنامه‌های بزرگتری دارید، بنابراین ما فهرستی از منابعی که نوشته‌ایم برای کمک به شما در حل مشکلات رایجی که سازمان‌ها هنگام راه‌اندازی یک پلتفرم تحلیل با آن مواجه می‌شوند، گرد هم آورده‌ایم.

این مقاله فرض می‌کند که شما یا در یک طرح متابیس کلود هستید، یا اینکه قبلاً متابیس self-hosted خود را راه‌اندازی کرده‌اید.

راه‌اندازی پایه

از ناوبری اصلی متابیس، اگر روی آیکون چرخ‌دنده > تنظیمات Admin > صفحه تنظیمات کلیک کنید، متابیس برخی کارها را برای تکمیل فهرست می‌کند:

اتصال

• افزودن یک پایگاه داده
• تنظیم ایمیل
• تنظیم اعتبارنامه‌های Slack
• دعوت اعضای تیم

مدیریت داده خود

• پنهان کردن جداول نامربوط
• سازماندهی سؤال‌ها
• ایجاد معیارها
• ایجاد بخش‌ها

دوباره، مهم‌ترین چیزها این است که پایگاه‌های داده خود را اضافه کنید (یا از شخص دیگری که جزئیات اتصال پایگاه داده شما را دارد بخواهید آن‌ها را اضافه کند)، مشتریان را به متابیس دعوت کنید، و از آن‌ها بخواهید برخی داشبوردها بسازند. در نهایت احتمالاً می‌خواهید گزارش‌ها را از طریق ایمیل ارسال کنید و غیره، اما نکته اصلی این است که فقط همه را onboard کنید.

تنظیم مجوزهای داده و مجموعه

اگرچه متابیس مجوزها را ساده می‌کند، مدیریت مجوزها ذاتاً پیچیده است. علاوه بر مستندات ما درباره مجوزها، ما مقاله‌ای درباره مدیریت مشتریان در متابیس، و یک راهنمای کامل به مجوزها نوشته‌ایم:

• مدیریت مشتریان در متابیس
• راهنمای مجوزها
• مستندات مرجع مجوزها

تشویق مشتریان به استفاده از سازنده کوئری

در حالی که تحلیل‌گران شما احتمالاً به سمت پرس‌وجوهای SQL گرایش پیدا می‌کنند، به طور کلی بهتر است از سازنده کوئری استفاده شود. دلیل دوگانه است:

1. با سؤال‌های ساخته شده با استفاده از سازنده کوئری، مشتریان می‌توانند از داده drill through کنند.
2. سؤال‌های سازنده کوئری همچنین برای مشتریان آسان‌تر است که کپی کنند و با آن‌ها بازی کنند. هیچ کس نیاز به دانستن SQL ندارد (اگرچه سؤال‌های سازنده کوئری یک سنگ پله عالی به سمت یادگیری SQL هستند).

به طور جایگزین، می‌توانید از یک پرس‌وجوی SQL برای ساخت یک مدل استفاده کنید، و اجازه دهید همه از سازنده کوئری برای slice و dice کردن داده در آن مدل استفاده کنند.

حاشیه‌نویسی داده با رویدادها

می‌توانید رویدادها را اضافه کنید به مجموعه‌ها برای ثبت دانش سازمانی: زمانی که به‌روزرسانی‌های مهم محصول را ارسال کردید، یک فروش داشتید، یک کمپین تبلیغاتی اجرا کردید، و غیره. رویدادها در نمودارها ظاهر می‌شوند، بنابراین مشتریان دیگر مجبور نیستند (دوباره) بپرسند چرا داده در آوریل spike کرد.

منظم نگه داشتن چیزها

وقتی مشتریان بفهمند چه کاری می‌توانند با متابیس انجام دهند، سؤال‌ها و داشبوردها شروع به انباشته شدن می‌کنند. شما نیازی ندارید (و احتمالاً نمی‌توانید) هرج و مرج را کاملاً رام کنید، اما اشکالی ندارد. ما برخی استراتژی‌ها را برای مبارزه با آنتروپی با رشد متابیس شما نوشته‌ایم.

• منظم نگه داشتن تحلیل شما

یادگیری روش‌های مختلف اشتراک‌گذاری داده

احتمالاً باید نمودارها و داشبوردها را، هم در داخل و هم خارج از سازمان خود، به اشتراک بگذارید.

• راهنمای اشتراک‌گذاری داده

جاسازی نمودارها و داشبوردها

اگر از متابیس برای جاسازی نمودارها و داشبوردها در برنامه خود استفاده می‌کنید، این یک بازی کاملاً متفاوت است، و ما برخی مقاله‌ها برای شما داریم:

• استراتژی‌های تحویل تحلیل‌های مشتری‌محور
• انتشار تجسم‌های داده به وب
• تحلیل‌های self-service چند مستأجره

مدیریت پیشرفته

اگر واقعاً می‌خواهید جدی‌تر درباره اجرای متابیس شوید، ما شما را پوشش داده‌ایم:

• برای preload کردن یک متابیس با سؤال‌ها، داشبوردها، مجموعه‌ها و غیره، بررسی کنید: Serialization
• برای اجرای متابیس در production، بررسی کنید متابیس در مقیاس
• نکاتی درباره نحوه سریع‌تر کردن داشبوردها: سریع‌تر کردن داشبوردها
• برای دیدن نحوه استفاده مشتریان از متابیس شما، بررسی کنید نحوه نگه داشتن tabs روی داده خود
• برای برنامه‌نویسی متابیس، بررسی کنید کار با API متابیس

گفتن به تیم خود درباره منابع متابیس

نیازی به توسعه یک دوره کامل در اینجا نیست، اما حتی یک جلسه واحد که در آن متابیس را با داده خود demo می‌کنید می‌تواند به تیم شما کمک کند بیشترین استفاده را از ابزار جدید خود ببرند.

ما (تیم متابیس) منابع زیادی برای کمک به level up کردن مشتریان ایجاد می‌کنیم، بنابراین مطمئن شوید تیم‌های شما درباره آن‌ها می‌دانند.

• آموزش‌ها و راهنماها: یادگیری متابیس (شما الان به یک مقاله Learn نگاه می‌کنید؛ شما در حال یادگیری هستید).
• مرجع متابیس: مستندات متابیس.
• انجمن جایی که مشتریان (مثل شما) می‌توانند سؤال بپرسند و پاسخ دهند: discourse.metabase.com.
• پست‌های انجمن، جایی که متخصصان داده (همچنین مثل شما) داستان‌ها و نکات خود را به اشتراک می‌گذارند: داستان‌های انجمن.
• وبلاگ: وبلاگ متابیس.

دادن یک تور از داده خود به مشتریان

چون مشتریان به این منابع دسترسی دارند، و می‌توانند به تنهایی یاد بگیرند، مهم‌تر است که شما مشتریان را از داده‌ای که دارید و جایی که مشتریان می‌توانند آن داده را پیدا کنند راهنمایی کنید. ممکن است درباره همه داده خود ندانید، بنابراین بفهمید چه کسی می‌داند و از آن‌ها بخواهید تیم‌های مرتبط را آموزش دهند. برخی سازمان‌ها data happy hours، یا lunch hours، یا فقط جلسات تکراری برگزار می‌کنند که در آن مشتریان تحلیل خود را ارائه می‌دهند و به مشتریان نشان می‌دهند کجا می‌توانند داده‌ای که استفاده کردند را پیدا کنند. یا بهتر: از مشتریان بخواهید یک مدل در متابیس بسازند، و درباره مدلی که ساختند، و انواع سؤال‌هایی که آن مدل می‌تواند پاسخ دهد، ارائه دهند.

این جلسات می‌توانند سرگرم‌کننده باشند (برای برخی تعاریف از سرگرمی) و به طور شگفت‌انگیزی در گردش دانش سازمانی مؤثر باشند. نکات اصلی برای تأکید:

• نحوه گرفتن سؤال‌های موجود و پیدا کردن داده زیربنایی.
• که بازی کردن با سؤال‌های موجود بی‌خطر است. شروع از سؤال‌های موجود راهی عالی برای مشتریان است که نه تنها نحوه کار سازنده کوئری متابیس، بلکه داده‌ای که سازمان شما ارائه می‌دهد را به یکدیگر آموزش دهند.
• که آن‌ها می‌توانند جداول را X-ray کنند تا یک مجموعه شروع از سؤال‌ها برای بازی کردن دریافت کنند.

همچنین می‌توانید یک داشبورد در متابیس خود ایجاد کنید و از کارت‌های متنی و نمودارها برای ارائه یک نمای کلی از داده خود به تیم‌های خود استفاده کنید.

[

](metabase-and-your-db.html)