Data Sources

Data Source คืออะไร?

Data Source คือการเชื่อมต่อแบบ read-only จาก GrowthBook ไปยัง warehouse หรือ database ของคุณ GrowthBook ใช้การเชื่อมต่อนี้เพื่อรัน analysis queries เมื่อต้องการ — ไม่มีการเขียนข้อมูลกลับไปเลย Engine ที่รองรับได้แก่ BigQuery, Snowflake, Postgres, MySQL, ClickHouse, Redshift, Databricks, Athena, PrestoDB และอื่นๆ

การเชื่อมต่อ data source

ขั้นตอนที่ 1 — เปิด Data Sources

เข้าสู่ระบบ GrowthBook
ใน sidebar ด้านซ้าย ไปที่ Analysis แล้วคลิก Data Sources
คลิก Add Data Source

ขั้นตอนที่ 2 — เลือกประเภท connection

เลือกประเภท warehouse ของคุณ (เช่น BigQuery, Snowflake, หรือ Postgres)
กรอกรายละเอียด connection ที่ warehouse ต้องการ:
- BigQuery: วาง service account JSON key และเลือก default project
- Snowflake: กรอก account, warehouse, database, schema, username, และ password
- Postgres / MySQL: กรอก host, port, database name, username, และ password
คลิก Test Connection เพื่อตรวจสอบว่า GrowthBook เข้าถึง warehouse ได้
คลิก Save

ขั้นตอนที่ 3 — เขียน experiment assignment query

Assignment query เป็น query ที่สำคัญที่สุดใน GrowthBook เพราะเป็นตัวตอบคำถามที่ว่า: “ผู้ใช้คนไหนเห็น experiment variation ไหน และเมื่อไหร่?”

Assignment query ปกติเลือก 4 columns:

Column	สิ่งที่เก็บไว้
`experiment_id`	GrowthBook experiment key (เช่น `checkout-redesign`)
`variation_id`	ดัชนี variation ที่ผู้ใช้ถูก assign ให้ (0 = control, 1 = variation A, …)
`user_id`	user identifier ที่คงที่ (user UUID, anonymous ID ฯลฯ)
`timestamp`	เวลาที่ assignment เกิดขึ้น (UTC)

ตัวอย่างสำหรับ BigQuery events table:

SELECT
  experiment_id,
  variation_id,
  user_id,
  timestamp
FROM
  `myproject.analytics.experiment_viewed`
WHERE
  timestamp >= '{{ startDate }}'
  AND timestamp <= '{{ endDate }}'

GrowthBook จะแทนที่ {{ startDate }} และ {{ endDate }} โดยอัตโนมัติเมื่อรัน analysis

ขั้นตอนที่ 4 — (ไม่บังคับ) เพิ่ม identifier joins

ถ้า warehouse ของคุณใช้ ID ประเภทต่างกัน (anonymous cookie ID กับ logged-in user ID) ให้เพิ่ม Identifier Joins เพื่อให้ GrowthBook เชื่อม ID เหล่านั้นกันได้ข้ามตาราง assignment และ metric

ยังไม่มี warehouse? ไม่เป็นไร

ถ้าคุณเพิ่งเริ่มต้นและยังไม่มี data warehouse GrowthBook สามารถทำงานได้โดยไม่ต้องมี warehouse สำหรับ feature flags และ targeting พื้นฐาน คุณเพิ่ม data source ได้ภายหลังเมื่อพร้อมรัน statistical experiments GrowthBook ยังรองรับการ upload CSV data สำหรับการทดลองแบบเบาๆ ด้วย

ข้อแลกเปลี่ยน

ตัวเลือก	Benefit	Cost
เชื่อม data warehouse ของตัวเอง	data ไม่ต้องออกจาก infrastructure ควบคุมเต็มที่	ต้องมี warehouse และ ops team ดูแลอยู่แล้ว
ใช้ event tracking ผ่าน third-party	ตั้งค่าเร็วกว่า	data อยู่นอกการควบคุมของทีม

ข้อผิดพลาดที่พบบ่อย

เชื่อม data source ที่ schema ไม่ตรงกับที่ GrowthBook คาดหวัง ทำให้ query metric ผิด
ไม่ตั้ง permission ที่เหมาะสมให้ GrowthBook query warehouse (query ช้าหรือถูก block)
ใช้ sample table แทน full event table ทำให้ผลลัพธ์เพี้ยน

💡 ตัวอย่างจากของจริง

บริษัทที่ใช้ Snowflake/BigQuery ภายในอยู่แล้วมักเลือก GrowthBook เพราะเชื่อมกับ warehouse เดิมได้ตรง ไม่ต้อง duplicate data ไปที่ระบบใหม่