小团队如何用开源工具搭一套能用的数据看板

很多小团队在数据上有一个共同的尴尬：业务数据散落在微信聊天、Excel 表格、后台导出和第三方平台里，想看一个“上周转化率是多少”，得先找人手动加总，花上大半天。买商业 BI 工具，动辄每年几万块，功能一大堆，实际只用到两三个图表。自己开发，又没有专职数据工程师。

过去一年，我参与过三个十人以内小团队的数据看板搭建，最终都落在同一套思路：用开源工具组合，不写复杂代码，两三天内能跑起来。下面把可复用的经验整理出来，包括选型、实操步骤和几个容易踩的坑。

先想清楚看板要回答哪三个问题

多数人一上来就研究工具，这是最容易走弯路的地方。工具是可以替换的，但看板要回答的问题必须一开始就定下来。

我通常让团队负责人先写出三个问题，要求具体到能用一个数字或一张简单图表回答。比如：

- 过去七天，每天新增注册用户是多少？趋势往上还是往下？
- 每个渠道带来的用户，第二周还在使用的比例是多少？
- 当前待处理的工单里，超过 48 小时未响应的有几条？

三个问题对应三种图表：折线图、分组柱状图、单值卡片加条件格式。绝不要把“用户画像”这种需要多维度交叉的题目放进第一版看板，那会直接卡死在一堆字段关联上。

一个实用原则：第一版看板的所有指标，必须能从一张表里算出来。数据源超过两个，就说明还不到搭看板的时候，先把数据汇总的问题解决掉。

选型：三件套搭配，够用且轻

开源数据看板方案很多，经过实际跑通并长期维护的，推荐这一组搭配：

数据存储：SQLite 或 PostgreSQL。看板数据量通常不大，SQLite 单文件足够，迁移和备份都简单。如果团队已经有用 PostgreSQL 的后台，直接复用。

数据转换：dbt Core 或简单的 Python 脚本。dbt 的优势是把每张中间表的计算逻辑用 SQL 文件管理起来，改了哪里一目了然，还能做测试。如果团队没人写 SQL，用 pandas 脚本也可以，但要把脚本放进 Git 仓库，不要留在某人的电脑里。

可视化：Metabase 或 Apache Superset。Metabase 对非技术用户更友好，五分钟能做出一个能看的图表，权限管理也简单。Superset 功能更强，适合有稍微复杂分析需求的团队，但上手成本高一些。

这一套全部可以部署在一台 2 核 4G 的云服务器上，月成本不到 100 元。不依赖任何商业授权。

有一个少有人提的细节：不要用看板工具直连业务生产库。给看板单独建一个只读副本，哪怕只是每天凌晨同步一次。这能避免有人拖拽一个大查询把线上服务拖慢，也能防止误操作改到原始数据。

搭建流程：从 CSV 到自动刷新

以下以 Metabase + SQLite 为例，描述实际搭建过程，适合没有数据工程背景的读者。

第一步，把要用的原始数据导出成 CSV 或从数据库查询后写入一张表。不要在这一步做任何加工，保留最细粒度，比如每条订单一行。

第二步，写两到三个 SQL 视图，把计算逻辑固定下来。比如“每日新增用户数”这个视图，只做聚合和日期格式化。所有视图保存为 .sql 文件，放进 Git 管理。

第三步，在 Metabase 里连接 SQLite 文件，基于视图创建问题。Metabase 会自动识别字段类型，折线图只需要把日期拖到 X 轴，数值拖到 Y 轴。

第四步，设置定时刷新。Metabase 支持按小时或按天重新查询。如果数据更新频率低，每天早八点刷新一次就够用。

第五步，把做好的几个问题放进一个 Dashboard，调整布局。给每个图表写一句说明，比如“此数据截止到昨日 24 点”，避免有人误以为是实时数据。

整个过程顺利的话，一个下午可以完成第一个版本。后续新增指标，只要在对应的 SQL 视图里加一个字段，看板自动更新。

三个反复出现的误区

第一个误区：追求实时。除了极少数场景，业务决策不需要秒级延迟。每天刷新一次能解决 90% 的需求，换来的稳定性和低成本远比实时有价值。

第二个误区：把所有指标都放上去。看板不是数据字典，指标太多等于没有重点。如果一个看板需要超过十分钟才能看完，就需要拆成两个。

第三个误区：没有数据负责人。开源工具再好，如果没人对指标口径负责，半年后就会出现三个人算出三个不同活跃用户数的情况。指定一个人管口径文档，把每个指标的计算方式写清楚，比选什么工具都重要。

维护上两个不要省的动作

第一，每周检查一次数据更新是否正常。最简单的办法是在看板首页放一个“最后更新日期”的卡片，一眼就能看到是否停更。我们有一次因为云服务器磁盘满了，SQLite 写入失败，连续五天看板显示的是旧数据，没人发现。

第二，每次改 SQL 视图，在 Git 里提交一次。不需要复杂的代码评审，但至少要能看到改动历史。有人改了活跃用户定义、没有通知其他人，结果周会上两边数据对不上，这种事发生一次就够麻烦的。

数据看板的价值不在于工具多先进，而在于团队是不是真的每天打开它、用它来讨论问题。如果做出来之后两周没人点开，问题通常不在工具，而在指标跟日常工作没关系。这时候重新回到第一步，先问清楚那三个问题。