先说结论：
选 BI 工具，本质上是在选你团队当前阶段能消化的复杂度。
不是功能多就好，不是便宜就对。很多团队花三个月选型，最后搞出来的仪表盘和之前一样乱——只是换了个更贵的壳。
这篇不做功能清单罗列。我们按团队阶段、预算、数据成熟度三条线，帮你直接做判断。
一句话选型指南
- 种子轮到 500 万美元 ARR，数据用户不超过 5 个 → Metabase
- 500 万到 2000 万 ARR，数据团队在扩张 → Looker
- 2000 万以上，50+ 仪表盘用户，重度探索需求 → Tableau
如果你一眼就落进了某个格子，后面可以跳着看。但如果你卡在两个阶段之间，往下读。
价格：大家最先问的问题
Metabase 开源版免费，云托管版 85 美元/月起。一个年收入 1000 万美元的公司，一年花 500 到 3000 美元就够了。
Looker 没有免费版，最低合同大约 5000 美元/月起。同样规模的公司，第一年总拥有成本（含实施顾问）在 10 万到 20 万美元之间。
Tableau Cloud 75 美元/用户/月。同等规模公司一年 3 万到 8 万美元，但别忘了服务器基础设施和管理员时间。
真实成本的故事是这样的： Metabase 账面上便宜得多，但你的分析师会花大量时间绕过它缺少的功能。Looker 标价吓人，但它从架构层面消灭了一整类”数据信任”问题——这些问题的隐性成本往往更高。Tableau 价格居中，但管理开销通常最大。
上手难度：这里最容易选错
Metabase 的学习曲线最平。一个产品经理下午就能搭出一个能用的仪表盘，查询构建器确实直觉化。代价是：高级用户几周内就会撞墙，而且没有治理层来防止仪表盘泛滥。
Looker 的学习曲线最陡。LookML 本质上是一门建模语言，需要有分析工程师来维护。但一旦建好，业务用户的自助体验反而是三者中最好的——因为指标定义是统一的，不会出现”你的 DAU 和我的 DAU 不一样”的问题。
Tableau 介于两者之间。拖拽探索的上手体验很好，但要用好它，你需要理解数据源、提取、计算字段这些概念。对非技术用户来说，门槛比 Metabase 高不少。
数据治理：越往后越重要
这是很多团队选型时忽略、但一年后最后悔的维度。
Metabase 基本没有治理。 谁都能建仪表盘，谁都能写查询，没有统一的指标定义层。20 个用户以下问题不大，超过之后就是灾难——同一个指标五个人算出五个数。
Looker 的治理是架构级的。 LookML 在一个地方定义指标，所有仪表盘从同一个定义拉数据。这就是为什么 20+ 数据消费者的公司最终会选它——”单一数据源”问题在架构层就解决了，不靠流程。
Tableau 的治理可以做，但需要刻意搭建。 认证数据源、权限管理、内容管理都有，但不像 Looker 那样强制执行指标一致性。你需要一个专职 Tableau 管理员来保持秩序。
性能和扩展性
Metabase 默认直接查你的数据库。数据量不大时没问题，数据量一上来，复杂查询会直接打到生产库——除非你配了只读副本或数据仓库连接。
Looker 把计算推给数据仓库（BigQuery、Snowflake、Redshift）。性能随仓库扩展，不随 Looker 本身。对成长期公司来说，这个架构越用越舒服。
Tableau 什么都能连，大数据集处理得也不错，尤其是用数据提取（Extract）的时候。但提取管理本身会变成一个运维负担。
什么时候选 Metabase
- 还没找到 PMF，或者年收入在 500 万美元以下
- 数据团队 0 到 1 人
- 搭建速度比长期治理更重要
- 预算真的有限（不是”不想花”，是”没得花”）
- 已经在用 dbt，想快速加一层可视化
Metabase 是大多数初创公司正确的”第一个 BI 工具”。
常见错误是用太久——超过 20-30 个活跃仪表盘用户后，治理缺失会变成真问题。
什么时候选 Looker
- 有（或计划招）分析工程师
- 多个团队需要看同一套指标，但口径必须一致
- 已经在用 dbt + BigQuery/Snowflake 的现代数据栈
- 愿意前期投入换长期可维护性
- 需要嵌入式分析（把报表嵌到自己的产品里）
Looker 的 LookML 和 dbt 是天然搭档。如果你的数据栈已经走了这条路，Looker 几乎是唯一不需要”翻译层”的 BI 工具。
什么时候选 Tableau
- 团队里有重度数据探索需求（分析师要自己切片、钻取、发现模式）
- 数据源多且杂，需要连各种东西
- 已经有 Tableau 经验的团队成员
- 需要最强的可视化表达能力（复杂图表、地理分析、统计图）
Tableau 的拖拽探索体验至今无人超越。但它更适合有专职分析师的团队，不太适合”让业务自己看数据”的自助场景。
最常见的选型错误
错误一：因为免费选 Metabase，但团队已经有 30 个数据用户。 结果是仪表盘泛滥、指标打架、分析师变成全职”数据消防员”。
错误二：因为”企业级”选 Looker，但团队只有 3 个人看数据。 结果是花了 10 万美元买了一个只有两个人会用的工具，LookML 模型半年没人维护。
错误三：因为”功能最强”选 Tableau，但没有专职管理员。 结果是数据源混乱、提取过期、权限失控，半年后大家又回去用 Google Sheets。
我们的建议
别在选型上纠结超过两周。
工具选对了，省的是六位数和几百小时。选错了，两年后要做痛苦的迁移。 但比选错工具更糟的，是花三个月选型然后什么都没建。
如果你现在还在犹豫：Metabase 先跑起来，等数据用户超过 20 个再认真评估 Looker 或 Tableau。这条路径的试错成本最低。
—
*相关阅读：*
