Data / Observability
Grafana：不是給業務看 KPI 的 BI，而是工程/資料管線的即時健康儀表板
Threads @pand_do 用 Superset/BI 對比 Grafana：傳統 BI 適合歷史趨勢與商業 KPI，Grafana 適合秒級更新、time-series、pipeline 狀態、系統 log、CPU/流量/延遲與 alerting。本文整理選型邊界：業務看 Superset/Metabase/Power BI，工程與資料平台用 Grafana + Prometheus/Loki/Tempo/InfluxDB/Kafka 監控健康度；關鍵不是圖表漂亮，而是 incident 前可觀測、可告警、可追 root cause。
2026年7月25日1 分鐘閱讀👁 5
Observability × Data Pipeline × Time-series
業務看 BI，工程看 Grafana：即時狀態和歷史 KPI 是兩種問題
Grafana 的價值不是取代 Superset / Power BI，而是把 data pipeline、server、database、queue、log、metric、alert 串成可觀測的健康面板。
| 問題 | BI / Superset 類工具 | Grafana |
|---|---|---|
| 主要對象 | 業務、PM、分析師、管理層。 | 工程師、SRE、資料工程、平台團隊。 |
| 資料型態 | 交易資料、商業 KPI、歷史趨勢。 | Time-series metrics、logs、traces、pipeline status。 |
| 刷新頻率 | 分鐘、小時、天級別常見。 | 秒級/近即時。 |
| 核心價值 | 決策分析、報表分享、數據民主化。 | 監控健康度、告警、incident response、root cause。 |
| 常見資料源 | Data warehouse、SQL DB、semantic layer。 | Prometheus、InfluxDB、Elasticsearch/Loki、Kafka、MySQL、Postgres、cloud metrics。 |
三個高價值使用場景
- Data pipeline 監控：每分鐘處理筆數、queue lag、failed jobs、延遲、吞吐量。
- 服務健康：CPU、memory、disk、HTTP latency、error rate、DB connections。
- 資料品質告警：資料流中斷、null rate 暴增、schema drift、freshness 過期。
BigIntTech 適用判斷：客戶若問「報表」先看 Superset/Metabase/Power BI；若問「系統是不是快壞了」或「pipeline 有沒有卡住」，答案是 Grafana + metrics/logs/traces + alerting。