Metabase es fácil de instalar y engañosamente fácil de usar mal. La diferencia entre un dashboard que responde en 300 ms y uno que se traba con cada filtro rara vez está en Metabase: está en el modelado que hay debajo. Este es el método que Meta Dados aplica en producción, desde nuestros propios productos hasta operaciones de logística.
Por qué el modelado define la experiencia
Metabase consulta la base de datos que le indiques. Si cada pregunta del equipo se convierte en un full scan sobre tablas transaccionales, ningún ajuste en la interfaz salva el rendimiento. Modelar es decidir, de antemano, tres cosas: dónde ocurre la agregación pesada, cuál es el vocabulario que el negocio ve y cómo se aísla lo analítico de lo que está en producción para el cliente.
Vistas materializadas: dónde debe vivir el peso
Los cortes más consultados —los que aparecerían en todos los dashboards— se convierten en vistas materializadas en PostgreSQL, preagregadas e indexadas. Metabase lee el resultado ya listo, no lo recalcula con cada clic.
- Materializa lo que es costoso y repetido (agregaciones por período, región, categoría), no la tabla entera.
- Define la cadencia de refresh según la frescura que el negocio exige: desde minutos hasta un ciclo diario.
- Indexa las columnas de filtro y de unión que el dashboard realmente usa.
Models nativos: la capa semántica que el negocio entiende
Sobre las vistas, los Models de Metabase forman la capa semántica: renombran columnas al vocabulario del negocio, esconden claves técnicas, tipan campos (moneda, fecha, ciudad) y se convierten en el punto de partida del query builder. El analista arma la pregunta sobre "Viaje" o "Empresa", no sobre una tabla de hechos con nombre técnico.
Aislar lo analítico de lo transaccional
La consulta analítica y la API de producción no compiten por la misma base de datos. Usamos un data warehouse dedicado —réplica o base de datos separada— para la carga del BI. La operación que atiende al cliente no siente el peso de un reporte pesado, y el BI puede modelarse con libertad sin miedo a tumbar lo que está en producción.
Mantenimiento: refresh, pruebas y evolución
El modelado no es una entrega única. Los pipelines validan la completitud y la consistencia en cada carga, el refresh de las vistas se monitorea, y nacen nuevos Models a medida que el negocio pregunta cosas nuevas. Eso es lo que mantiene vivo el autoservicio después del handover.
Preguntas frecuentes
¿Necesito un data warehouse separado para usar Metabase?
Para volúmenes pequeños, no: Metabase consulta tu base de datos directamente. Pero en cuanto las consultas analíticas empiezan a competir con la operación (lentitud, locks), separar lo analítico en un warehouse dedicado deja de ser un lujo y pasa a ser lo que garantiza que ni el BI ni la producción se traben.
¿El Model de Metabase reemplaza la vista en la base de datos?
No, se complementan. La vista materializada resuelve el rendimiento y la preagregación en la base de datos; el Model resuelve la semántica y la usabilidad en Metabase. Juntos entregan un dashboard rápido y comprensible para el equipo de negocio.