Domo 评测
Domo 评测:官网未公开报价、按信用点打包年费,连接器和 ETL 都预设好,业务部门两周能搭出看板,适合想让业务主导数据项目的中大型公司;合同金额高、信用点消耗难预估。
业务部门自己想主导数据项目、需要把十几个 SaaS 系统的数据快速拼到一起的中大型公司
只有两三个数据源、预算按年卡得很死、也没有专职管理员的小团队
优点
- 内置上千个数据连接器,Google Ads、Salesforce、Shopify、各类数据库都能点选接入,省掉自建同步脚本
- Magic ETL 用拖拽画布做清洗和关联,业务分析师不用等数据工程排期就能把两张表拼起来
- 移动端应用做得完整,管理层在手机上看卡片、收推送、批注,这一块比多数 BI 的移动端可用
- Domo Everywhere 能把看板嵌进客户门户或合作方系统,按外部用户单独授权
缺点
- 信用点计费不直观,连接器跑一次、数据集刷新一次都在扣,用超了要临时加购
- 合同通常按年打包,起订金额对中小团队偏高,试错成本大
- 功能面铺得宽,菜单层级深,新用户第一周经常找不到某个设置在哪个角落
- 国内访问速度一般,大屏刷新偶有卡顿,中文界面与中文支持都有限
结论先行
有条件推荐,总分 7.7,官网未公开报价、按信用点打包年费。 适合业务部门自己推项目、数据源又多又杂的公司:连接器现成,ETL 拖拽就能拼,不用等 IT 排期,两周内能拿出一个能看的经营看板。它的定位更像是「数据项目的加速包」,不是一张报表工具。
不建议预算紧张的小团队碰。按年打包、信用点计费,起订门槛高,用量算不准就会反复加购。数据源只有两三个的话,这笔钱花得没必要。
这篇评测基于什么数据
- 官网产品页:2026-11 核对 domo.com 的功能分区,确认连接器、Magic ETL、Appstore、Domo Everywhere 四条主线;定价页触发人机验证,未取得金额。
- 官方文档:查阅信用点的消耗规则、数据集与卡片的关系、Magic ETL 的算子清单、移动端与嵌入的授权方式。
- 对照资料:与 Power BI、Tableau 在「业务主导、多 SaaS 数据源」场景下做了对照,重点比较接入成本与总拥有成本。
核心功能
连接器:把接入这件事做完
自建 BI 最耗时的环节往往不是画图,是把 Salesforce、Shopify、广告后台、财务系统的数据弄进同一个库。Domo 的做法是预先做好上千个连接器,选一个、授权、设定刷新频率,数据就进来了。对没有数据工程团队的公司,这一段能省掉几周。
连接器不是免费的午餐:每次运行都消耗信用点,刷新频率设得越高,消耗越快。上线前要把「哪些数据需要每小时刷、哪些每天刷一次就够」分清楚,否则一个促销季就能把年度额度用掉大半。
Magic ETL:拖拽式数据准备
清洗和关联在 Domo 里用画布完成:左边拖一个输入数据集,中间加过滤、去重、字段重命名、聚合,右边输出一张新数据集。每一步都能预览结果,出错时能定位到具体算子。
这套东西的上限不高,做不了复杂的窗口函数和递归逻辑,但覆盖了日常八成的清洗需求。真正的价值是让业务分析师自己动手,不必写需求文档等数据团队排期。
卡片、看板与移动端
Domo 把单个图表叫卡片,卡片拼成页面,页面组成看板。卡片可以设阈值告警,指标越界时推送到手机或邮箱。移动端应用支持离线缓存和批注,管理层在出差时看数、留言、@同事,这套流程比在手机上打开网页版 BI 顺畅。
看板还能设订阅,按天或按周把摘要发出去,格式是图片加链接。很多公司的实际用法就是每天早上一条推送,没人真的登录后台。
Domo Everywhere 与 Appstore
Domo Everywhere 允许把看板嵌入到客户门户、经销商系统或内部 OA,外部用户不需要 Domo 账号,按外部用户数单独授权。对把数据当服务卖的公司,这是一条产品化路径。
Appstore 里有官方和伙伴做的预制应用,装上一个模板就能得到一套行业看板,比如零售门店分析、供应链履约分析。这类模板能快速起量,但字段映射要自己调,别指望装上就完全贴合。
评分明细
功能完整度:8.2/10
接入、清洗、可视化、告警、嵌入、移动端都有,而且是同一套账号体系打通,不用拼五个工具。缺的是深度分析能力,统计建模和复杂计算要外挂 Python 或 R。
易用性:8.3/10
上手路径清晰:接数据、建数据集、做卡片。真正拖后腿的是细节,菜单层级深,同一个设置在三个地方都能进,新手容易迷路。有实施顾问带一遍会好很多。
数据质量:7.8/10
数据集的刷新状态、血缘关系、失败告警都能看到,治理基础是有的。问题在信用点约束下,团队会主动降低刷新频率,导致看板数据比预期旧,而界面上不一定有明显提示。
性价比:6.5/10
按年打包、按信用点计量,起订金额对五十人以下的公司偏高。它的价值在「省掉数据工程人力」,如果公司本来就有数据团队,这部分溢价就白付了。
客户支持:7.8/10
官方提供实施服务和客户成功经理,上线阶段响应积极。中文支持薄弱,文档以英文为主,国内团队遇到问题多靠伙伴或自助。
定价说明
| 套餐 | 价格 | 说明 |
|---|---|---|
| 标准订阅 | 官网未公开报价,需联系销售 | 年度合同,含一定数量的用户席位与信用点额度,覆盖连接器、ETL 与看板 |
| 信用点加购 | 官网未公开报价,需联系销售 | 套餐额度用尽后按量加购,价格随合同规模浮动 |
| Domo Everywhere | 官网未公开报价,需联系销售 | 对外嵌入授权,按外部用户数计价,与内部席位分开 |
2026-11 打开定价页时触发了人机验证,没有拿到任何金额。Domo 的商务模式是年度合同加信用点,销售会先问你接几个系统、多久刷一次、多少人看,再倒推额度。
谈的时候有三件事要写进合同:信用点额度与超出单价、刷新频率对应的消耗估算、以及第二年续约的涨幅上限。第三项最容易被忽略,不少公司第二年续费时才发现价格跳了一档。
和竞品对比
| 维度 | Domo | Power BI | Tableau |
|---|---|---|---|
| 起步价 | 未公开,年度打包 | 桌面免费,Pro 按席位月付 | 未公开,按角色询价 |
| 数据接入 | 上千个预制连接器 | 连接器较多,复杂源需网关 | 连接器丰富,需自行配置 |
| 内置 ETL | Magic ETL 拖拽 | Power Query,能力强 | Tableau Prep,单独产品 |
| 移动端 | 完整,支持批注与推送 | 有应用,体验一般 | 有应用,以查看为主 |
| 适合场景 | 业务主导、多 SaaS 源 | 通用报表、Office 用户 | 可视化要求高的分析团队 |
怎么选:数据散在十几个 SaaS 系统、业务部门想自己做看板,选 Domo;已有 Microsoft 365、报表以固定格式为主,选 Power BI;分析团队对图表表现和交互要求高,选 Tableau。
FAQ
Q: 报价单上写的是信用点,到底怎么换算成钱?
A: 信用点是 Domo 内部的计量单位,连接器运行、数据集刷新、ETL 作业、部分查询都会扣。套餐里包含一定额度,超出后加购。谈合同时让对方给一张「按你的刷新频率估算的年消耗表」,把最坏情况(比如大促期间每小时刷新)也列出来,再决定买多少额度。
Q: 销售说两周能上线,现实吗?
A: 接三到五个数据源、做四五张看板,两周是可能的,前提是数据源账号权限齐全、字段含义清楚。如果涉及跨系统口径对齐、历史数据回补,时间要按月起算。上线快不等于用得好,真正的成本在后面的口径维护。
Q: 和 Power BI 比,Domo 贵出来的钱花在哪?
A: 花在接入和人力上。Power BI 便宜,但复杂数据源要配网关、写 Power Query,通常需要一个懂 DAX 的人;Domo 把这些打包好,业务能自己接、自己清洗。如果公司没有这样的数据人员,多付的钱相当于买了一个外包团队;如果有,这笔溢价就不划算。
评测方法说明
元析评测围绕功能完整度、易用性、数据质量、性价比、客户支持五个维度打分,每项满分 10 分,取均值后结合实施与运维成本微调。本文涉及的功能划分与计费模型,于 2026-11 对照 domo.com 与官方文档核对;定价页未返回金额,文中不给出具体报价。信用点消耗未做实测计量,相关说明基于官方计费文档与公开反馈。
最后更新:2026-11-16
定价补充
官网未公开报价,需联系销售,2026-11 核对。Domo 以年度订阅打包信用点(credit)出售,连接器运行、数据集刷新、ETL 作业都消耗信用点,超出套餐后按量加购。
价格核对于 2026-11-16,以厂商官网结算页为准。
还能对比这几款
Power BI
数据分析微软 · 更新 2026-10-28
Power BI 评测:桌面版免费,Pro 协作版每用户每月 10 美元。与 Excel 同源的 Power Query 和 DAX 引擎让它的性价比在同档 BI 里很高,适合已经采购 Microsoft 365 的企业;Mac 用户无法直接安装桌面端,只能走虚拟机或网页版。
Tableau
数据分析Salesforce · 更新 2026-10-27
Tableau 评测:Creator 年付 $75/用户/月起,图表自由度、LOD 表达式与 Hyper 内存引擎仍是商业智能标杆,适合有专职分析师的中大型企业;仅需看表的普通员工也按人头收费,百人以上团队软件预算偏高。
Mixpanel
数据分析Mixpanel · 更新 2026-09-03
Mixpanel 评测:Free 免费版每月赠送高达 2000 万事件配额,Growth 按事件量阶梯计费($24/月起),漏斗转化、留存队列与用户行为路径分析快且准,适合移动 App 与 SaaS 产品团队;不支持国内本地私有化机房部署。