Mitzu 是一款无代码、数据仓库原生的产品分析应用。与 Amplitude、Mixpanel 和 PostHog 等工具类似，Mitzu 让用户无需掌握 SQL 或 Python，也能分析产品使用数据。
不过，与这些平台不同，Mitzu 不会复制公司的产品使用数据。相反，它会直接基于公司现有的数据仓库或数据湖生成原生 SQL 查询。
本指南将介绍以下内容：
- 数据仓库原生产品分析
- 如何将 Mitzu 集成到 ClickHouse
示例数据集如果你还没有可用于 Mitzu 的数据集，可以使用 NYC Taxi Data。
该数据集可在 ClickHouse Cloud 中获取，或按照这些说明进行加载。 curl 命令中。
如果你使用的是自管理 ClickHouse，则连接信息由你的 ClickHouse 管理员配置。
第一步，请访问 https://app.mitzu.io 进行注册。
创建组织后，请按照左侧边栏中的 Set up your workspace 入门引导完成设置。然后，点击 Connect Mitzu with your data warehouse 链接。
4. 将 Mitzu 连接到 ClickHouse
Test connection & Save 按钮保存设置。
保存连接后，选择 Event tables 选项卡并点击 Add table 按钮。在弹窗中，选择你的数据库以及要添加到 Mitzu 的表。
使用复选框至少选择一个表，然后点击 Configure table 按钮。这会打开一个弹窗，你可以在其中为每个表设置关键列。
要在你的 ClickHouse 环境中运行产品分析，你需要 > 在表中指定几个关键列。
具体如下：
- 用户 ID - 用于标识用户唯一身份的列。
- 事件时间 - 事件的时间戳列。
- 可选[事件名称] - 如果该表包含多种事件类型，此列会对事件进行分段。
所有表都配置完成后，点击 Save & update event catalog 按钮，Mitzu 将从上述已定义的表中识别所有事件及其属性。根据你的数据集大小，此步骤可能需要几分钟时间。
Mitzu 中的用户细分和在 Amplitude、Mixpanel 或 PostHog 中一样简单。
Explore 页面左侧是事件选择区域，顶部区域则用于配置时间范围。
过滤器和细分维度过滤方式与预期一致：选择一个属性 (ClickHouse 列) ，然后从下拉列表中选取要过滤的值。
你可以选择任何事件属性或用户属性作为细分维度 (有关如何集成用户属性，请参见下文) 。
可视化趋势选择 Funnel trends 可查看漏斗趋势随时间的变化。
Cohort 留存选择 Weekly cohort retention，即可查看留存率随时间推移的变化。
细分步骤你可以为 Break down 细分选择一个属性，以区分处于同一步骤中的用户。
在 BI 工具中继续操作如果你在 Mitzu UI 中遇到限制，请复制 SQL 代码并转到 BI 工具中继续操作。
