Mode Analytics 是一个面向数据分析师团队的云端协作平台，将 SQL 编辑器Python/R Notebook、可视化仪表盘和 AI 辅助分析整合在统一的工作空间中。它支持直接连接数据仓库（Snowflake、Redshift、BigQuery 等），分析结果以可共享的报告形式交付。Mode 在 2021 年被 ThoughtSpot 收购，目前以独立品牌运营。2024 年起推出 Mode AI 功能，包括自然语言生成 SQL（AI Combiner）和自动分析解释。

Mode Analytics

核心参数与统计

Mode Analytics 面向的是一群特殊的 BI 工具用户——数据分析师。它不是给"不懂技术的人用的 BI"（如 Looker Studio 或 Tableau Pulse），而是给"写 SQL、跑 Python 的分析师"用的协作平台。

项目	公开信息
官方定位	The collaborative data platform for analysts
核心交互	SQL 编辑器 + Python/R Notebook + 可视化
数据连接	Snowflake、Redshift、BigQuery、PostgreSQL 等
AI 能力	Mode AI（AI Combiner 自然语言→SQL）
协作特点	报告共享、版本管理、团队工作区
部署方式	云端 SaaS
所属公司	ThoughtSpot（2021 年收购，独立品牌运营）
与 ThoughtSpot 关系	Mode = 分析师工作台；ThoughtSpot = AI 分析平台
最新版本	2026-H1

定位差异：Mode 不是一个"降低数据使用门槛"的工具——它恰恰是一个"让专业分析师更高效"的工具。它与 ThoughtSpot（面向业务用户的自助分析）恰好互为补充：ThoughtSpot 让非技术人员问数据，Mode 让分析师写代码做深度分析。

用户与市场认可

Mode 在数据分析师社区中有较好的品牌认知，尤其是它的免费 SQL 编辑器和教程资源。

社区基础：Mode 的 SQL 教程（Mode Analytics SQL School）被广泛认为是 SQL 学习的最佳免费资源之一，为它在数据分析师社区中积累了品牌认知和信任。这一策略与 dbt（同样的分析师社区思维）类似——通过教育内容建立用户基础，再将用户转化为付费客户。

客户群：Mode 的付费客户主要是中大型企业的数据团队，覆盖科技、金融服务、电商和媒体行业。公开客户包括 Shopify、Lyft 等知名科技公司。

ThoughtSpot 协同：被 ThoughtSpot 收购后，Mode 在 ThoughtSpot 的客户群体中获得了更大的分发渠道，同时在产品层面与 ThoughtSpot 的 Spotter AI Agent 能力整合。

成本优势

Mode 采用免费试用 + 付费订阅的模式，按团队规模和功能层级定价。

• C 端/个人试用：官网提供 Free 方案（具体功能边界以官方实时页面为准），适合个人分析师或小团队评估 SQL+Pythont Notebook + 可视化的协作体验。
• 团队/企业订阅：按用户数和功能层级计费，通常比 Tableau/Power BI 的企业版定价更灵活，因为 Mode 的核心用户群体是分析师（人数相对少但单价高），而非全公司的 Viewer。具体价格以官方商务报价为准。
• 成本结分析：Mode 的价值输出是通过提升分析师的人均产出——让分析师在统一平台中完成查询、分析、可视化和报告，减少在不同工具间切换的时间。对分析师团队来说，Mode 的订阅费通常低于分析师的单周薪资，因此批量的效率提升即可覆盖工具成本。
• 隐性成本：将现有分散的分析流程（本地 SQL 客户端 + Python IDE + 邮件报告）迁移到 Mode 统一平台的迁移成本；分析师从习惯的工具切换到 Mode 编辑器需要短期适应期。

主要功能

Mode 的核心功能围绕"让数据分析师在同一个平台上完成全流程分析工作"设计：

• SQL 编辑器：支持多数据源连接、自动补全、查询历史管理和结果缓存。编辑器中对复杂查询的拆分和注释管理比本地 SQL 客户端更好。验收关注点：对超长查询（100+ 行）的编辑体验和对 CTE（Common Table Expressions）的折叠管理。
• Python/R Notebook：在 SQL 查询结果的基础上，用 Python 或 R 进行进一步的统计分析、机器学习和自定义可视化。SQL 块和 Python 块可以串联成 NoteBook 式的工作流。验收关注点：Python 有境的包管理能力和可用的数据科学库（Pandas、Scikit-learn、Plotly 等）。
• AI Combiner（自然语言生成 SQL）：用户用日常语言描述查询意图（如"找出上季度复购率最高的产品线"），Mode AI 自动生成对应的 SQL 语句，用户可以审阅和修改。验收关注点：生成 SQL 的正确率，尤其是在涉及多表 JOIN、窗口函数和条件聚合时。
• 可视化与报告：基于查询结果一键生成图表，支持 Chart 类型的自定义和报告布局编辑。报告可分享为只读链接或 PDF 导出。
• 协作工作区：分析师在团队空间中共享查询Notebook、报告和仪表盘，支持评论、版本历史和权限管理。这是 Mode 区别于"每人开一个 MySQL Workbench"的核心价值——分析工作不再是孤立的。
• 与 ThoughtSpot 集成：Mode 中创建的分析结果可发布到 ThoughtSpot，供业务用户在 ThoughtSpot 的 AI 问答界面中探索。

模型与版本演进

相关信息未公开，以官方实时页面为准。

技术优势

Mode 的技术优势不在单一算法性能，而在于"分析师工作流的一体化"设计。

统一工作流：传统数据分析师的工作流是断裂的——用 SQL 客户端查数据库、复制结果到 Python IDE 做分析、再粘贴到 BI 工具画图表、最后通过邮件或 PPT 发布报告。Mode 将这四个步骤统一到一个平台上，减少切换成本。

机制 -> 效果 -> 场景：SQL 查询结果自动流入 Python/R Notebook、再流入可视化层，分析链路的每一步都在同一个文档中 -> 分析师不需要在不同工具间复制粘贴中间结果 -> 适合需要从源头到报告全流程追踪的数据分析场景。

AI 辅助而非替代：AI Combiner 的目标不是替代分析师写 SQL（那是不现实的——企业级查询的复杂性往往超过 AI 能力边界），而是帮助分析师更快地写出初始查询模板，减少打 SELECT 语句字面量的时间。分析师仍然负责审阅、优化和调试 AI 生成的 SQL。

ThoughtSpot 协同的独特性：Mode + ThoughtSpot 的组合意味着企业可以同时获得"分析师深度分析平台"（Mode）和"业务自助查询入口"（ThoughtSpot），两个平台共享同一套数据定义。

如何使用

Mode 的使用入口面向已具备数据仓库的分析团队：

使用方式	适合角色	特点
Mode Web（编辑模式）	数据分析师	SQL 编辑器 + Python Notebook + 可视化
Mode Web（查看模式）	业务用户、管理层	只读查看已发布的报告和仪表盘
Mode API	开发者	编程管理报告和查询
与 ThoughtSpot 集成	企业用户	将 Mode 分析输出发布到 ThoughtSpot

典型落地路径：数据团队在 Mode 中连接已有数据仓库（Snowflake/Redshift/BigQuery）；分析师在 Mode 中创建查询和使用 AI Combiner 辅助编写 SQL，通过 Python Notebook 做进一步分析后发布为可视化报告；业务团队和管理层通过只读链接查看报告。落地验收的核心指标是"分析师从拿到数据需求到发布报告的时间"——从原来的跨工具操作（通常半天到一天）缩短为在 Mode 内一站式完成（通常 1-3 小时）。

产品定价

Mode 的定价以企业订阅为主，具体价格需联系销售获取。

• 免费版：官网提供 Free 方案（以官方实时页面为准），适合个人分析师评估功能和团队协作体验。
• 团队版：按用户数订阅，适合中小型分析团队。包含核心协作功能SQL 编辑器和 Python Notebook 能力。
• 企业版：包含高级管理功能（审计日志SSO、自定义角色、增强 API 配额），以及 AI Combiner 等进阶 AI 功能。具体价格以官方商务报价为准。
• 与 ThoughtSpot 的捆绑：若企业同时采购 Mode 和 ThoughtSpot，可能存在捆绑定价优惠，需与 ThoughtSpot 销售确认。

应用场景

• 分析师团队协作分析：数据团队统一在 Mode 中完成日常查询、数据探索和指标分析，结果以协作报告形式交付给业务部门。收益体现在减少"分析结果私下传递、他人无法复现"的问题。核验重点：团队从分散工具迁移到 Mode 的适应期长度。
• SQL 查询优化与可视化：分析师使用 AI Combiner 辅助编写复杂 SQL，结合可视化能力快速生成分析报告。核验重点：AI Combiner 在涉及复杂业务逻辑的查询场景中的 SQL 生成质量。
• 数据科学 + BI 融合：分析师在 Mode 的 Python Notebook 中运行统计模型或机器学习分析，结果直接嵌入到可视化报告中——不需要将模型结果导出为 CSV 再导入 BI 工具。核验重点：Python 有境的能力边界（是否支持 GPU 加速、自定义包安装等）。
• ThoughtSpot 数据源准备：在 Mode 中创建的数据分析结果可作为 ThoughtSpot 的数据源，供业务用户通过自然语言继续探索。

适用人群

• 数据分析师（核心用户）：在 Mode 中完成从 SQL 查询到 Python 分析到报告发布的完整工作。前置条件：具备 SQL 和 Python/R 基础能力。不适配边界：如果团队不需要 Python/R 分析、只需要纯可视化报表，Mode 的专业分析师平台可能显得过度设计。
• 数据团队负责人：通过 Mode 的团队工作区管理分析项目的版本、质量和交付周期。前置条件：团队需要统一的数据分析平台取代个人工具。
• 业务团队（报告消费者）：通过只读链接查看分析师发布的数据报告和仪表盘。不需要 Mode 账号即可查看。
• 与 ThoughtSpot 配合使用：企业同时采购 Mode（分析师工作台）和 ThoughtSpot（业务自助分析），形成"分析师深度分析 + 业务自助查询"的双层数据消费架构。

不适配人群：不需要编写 SQL 或 Python 的非技术业务人员（对于他们，Mode 的核心功能 SQL 编辑器和 Python Notebook 是无意义的）；不需要团队协作的单人分析场景（免费版可用，但协作价值无法体现）；分析师团队已有成熟的本地工具链且不愿意迁移到云端平台的组织。

总结与展望

Mode Analytics 的核心价值不在于它有什么单点技术突破，而在于它把数据分析师的碎片化工作流（SQL 客户端 + Python IDE + BI 工具 + 邮件/PPT）统一到了一个平台上。这种"一体化工具体验"对分析师团队的效率提升有真实价值。加上与 ThoughtSpot 的协同关系，Mode 在企业数据分析栈中处于"分析师入口"的生态位。

当前限制：核心用户群限于专业分析师，不面向非技术业务用户；AI Combiner 的自然语言→SQL 能力在处理复杂业务逻辑时准确率仍需人工审核；Mode 在分析师社区的知名度高，但在企业级 BI 采购决策中的存在感不如 Tableau/Power BI。

采购/采用风险评估：建议先用免费版在 2-3 人的分析小组中评估团队协作体验和 AI Combiner 的 SQL 辅助效果，确认团队从现有工具链迁移的意愿和适应周期。企业采购前需确认：与现有数据仓库的兼容性（Snowflake/Redshift/BigQuery/PostgreSQL）、SSO 和审计日志等企业功能在哪个价格层级提供、以及 Mode 与 ThoughtSpot 的集成是否需要额外的许可或接口费用。

Mode Analytics 的版本演进

独立成长（2013-2021）

Mode 从 2013 年创立到 2021 年被收购前经历了独立成长阶段，核心产品包括 SQL 编辑器Python Notebook 和报告发布。这个阶段 Mode 在分析师社区建立了较强的品牌认知，尤其是通过免费 SQL 教育内容。

ThoughtSpot 旗下：独立品牌（2021-2024）

2021 年被 ThoughtSpot 收购后，Mode 保持独立品牌运营。产品继续独立迭代，同时开始与 ThoughtSpot 进行能力整合——Mode 的分析输出可作为 ThoughtSpot 的数据源。这一阶段 Mode 通过 ThoughtSpot 的企业客户渠道获得了更大的分发。

AI 增强（2025 至今）

推出 Mode AI 产品线，以 AI Combiner（自然语言→SQL）为核心功能。Mode 的 AI 策略聚焦于"加速分析师写 SQL 的效率"而非"让非技术人员做分析"，体现了它与 ThoughtSpot（面向业务用户）的差异化定位。

限制与不适配场景

该工具在以下场景中存在使用限制：

场景适配边界 需要高度行业专业知识的任务、对输出格式有严格规范的场景、需要零错误的自动化流程可能效果不达预期。AI 输出应作为初稿或辅助参考，最终结果需人工核验。

技术限制 上下文长度有限、复杂推理准确性可能不足、免费版有使用额度。建议在正式采用前通过试用验证核心场景的可用性。

版本信息

• Mode 2026-H1 ：增强 Mode AI 功能，改进 AI Combiner 自然语言生成 SQL 的能力，深化与 ThoughtSpot Spotter 的集成。暂无官方精确日期。 （~2026-H1）
• Mode AI 发布 ：推出 Mode AI 产品线，包括 AI Combiner（自然语言生成 SQL）和自动分析解释功能。暂无官方精确日期。 （~2025）
• 被 ThoughtSpot 收购 ：ThoughtSpot 收购 Mode Analytics，Mode 保持独立品牌运营。收购后 Mode 逐步与 ThoughtSpot 的产品能力融合。暂无官方精确日期。 （~2021）