PROVIDER - 云数仓原生的表格化 BI
Sigma Computing
Sigma Computing 是云数仓原生的 BI 平台:直连 Snowflake、Databricks、BigQuery 等数仓做 Live Query,用电子表格式界面完成自助分析,并可发布嵌入式分析页。省掉数据抽取与副本存储,代价是查询成本落在数仓账单上且依赖底层治理。
数据可视化
美国
云数仓原生的表格化 BI
#数据可视化
#BI平台
#Sigma
#SigmaComputing
#云数仓BI
#电子表格分析
#LiveQuery
#SnowflakeBI
#嵌入式分析
#自助式BI
4.3分
详细说明
优势 5 项
直连云数仓执行查询,不做数据抽取,报表与源表保持 1 致
以电子表格式界面做分析,业务人员无需写 SQL 即可完成 1 套透视与计算
查询下推到 Snowflake、Databricks、BigQuery 等 3 类以上数仓
支持把工作簿发布为嵌入式分析页面,可按 1 套权限体系对外提供
计算压力落在数仓侧,平台本身不额外占用 1 份存储
不足 4 项
查询成本直接体现在数仓账单上,用量失控时费用增长快
依赖数仓治理水平,底层表结构混乱时体验明显下降
深度建模与复杂数据准备仍需上游工具配合
中国大陆访问与本地部署支持有限,需按合规要求评估
服务商概述
Sigma Computing 是美国团队打造的云数仓原生 BI 平台,属于数据可视化与 BI里「不下沉数据」的一派:它不把数据复制到自己的存储里,而是把查询下推到数仓执行。
这种架构决定了它的三个特征:数据永远与源表一致、平台不额外产生存储成本、性能与费用取决于数仓本身。对已经完成数仓治理的团队,这是最省事的分析路径;对数仓还很混乱的团队,问题会原样暴露在报表里。
核心优势
- 直连不落地:查询下推到数仓,报表与源数据同源
- 表格化体验:业务人员用熟悉的单元格操作完成透视与计算
- 多云数仓覆盖:支持 Snowflake、Databricks、BigQuery 等主流数仓
- 可嵌入式交付:工作簿可发布为对外分析页面,配合权限体系
- 无副本成本:不额外占用一份存储与同步链路
产品生态
平台能力
数仓直连查询、电子表格建模、图表与透视、参数化输入、权限与行级控制、嵌入式发布、用量监控。
集成
与主流云数仓、数据目录与身份体系对接,可作为独立分析入口,也可嵌入到自有产品中。
典型场景
业务自助取数、面向客户的数据产品、财务与运营的周月度分析、数仓之上的统一报表层。
不足之处
- 查询即成本:数仓账单随用量上升,缺少治理时容易失控
- 依赖底层质量:表结构与指标口径混乱会直接反映到体验
- 建模深度有限:复杂 ETL 与数据准备仍需上游工具
- 区域支持:中国大陆访问与本地化合规需单独评估
适用场景
- 已完成数仓治理的团队(★★★★★):直连即得一致数据
- 业务自助分析(★★★★☆):表格界面降低上手门槛
- 对外数据产品(★★★★☆):嵌入发布适合做客户侧分析
- 尚无数仓的小团队(★★☆☆☆):前置条件不满足
价格参考
| 项目 | 计费方式 | 说明 |
|---|---|---|
| 平台订阅 | 按席位与版本 | 分查看者与探索者角色 |
| 数仓查询 | 由数仓结算 | 费用体现在云数仓账单 |
| 企业方案 | 需联系销售 | 含治理与嵌入能力 |
常见问题
需要先把数据导入 Sigma 吗?
不需要,查询直接下推到数仓执行。
业务人员要会 SQL 吗?
不强制,表格界面可完成大部分分析,复杂逻辑仍可写 SQL。
查询慢怎么办?
性能取决于数仓与查询写法,通常需要配合数仓侧的优化与聚合表。
能嵌入到自有系统吗?
支持嵌入式发布,并按权限体系控制可见数据范围。
代码示例
-- Sigma 会把这类聚合下推到数仓执行,平台侧不落地数据
SELECT date_trunc('week', paid_at) AS week,
campaign,
SUM(revenue) AS revenue,
COUNT(DISTINCT order_id) AS orders
FROM analytics.orders
WHERE paid_at >= DATEADD('day', -30, CURRENT_DATE)
GROUP BY 1, 2
ORDER BY 1, 3 DESC;
# 对数仓侧同口径查询做耗时与费用对照,避免报表被慢查询拖垮
# 例:在 Snowflake 中查看近 7 天查询历史
社区与资源
- 官方网站:https://www.sigmacomputing.com/
- 官方文档:https://help.sigmacomputing.com/
- 定价说明:https://www.sigmacomputing.com/pricing
前往 Sigma Computing 官网 →
https://www.sigmacomputing.com/
访问官网 ↗