“Como fundador não técnico, eu mesmo busco respostas entre nosso banco de dados, o PostHog e o Stripe — sem precisar de engenheiros.”

A Ordinal é uma plataforma de gestão de redes sociais que ajuda times a redigir, planejar, colaborar e agendar publicações em canais como LinkedIn, Twitter e Instagram. Com uma base de clientes fortemente self-service e uma montanha crescente de dados de redes sociais, o cofundador Jeffrey Zhao precisava de uma forma de ir da pergunta ao insight sem tirar engenheiros do produto.

Antes da Basedash, o time voava um pouco no escuro. Eles tinham o PostHog para analytics baseado em eventos e o reporting nativo do Stripe, mas nada que lidasse com perguntas mais profundas no nível do banco de dados — ou que reunisse todas as fontes de dados em um só lugar.

“Estávamos buscando uma forma de obter esse tipo de query de forma mais direta, e também agregar diferentes fontes de verdade — dados de eventos do PostHog, dados do banco de dados, dados do Stripe — tudo em um lugar centralizado.”

Ferramentas espalhadas, insights espalhados

O stack de analytics da Ordinal estava dividido entre várias ferramentas. O PostHog lidava bem com sequências de eventos, mas o produto de SQL dele não era maduro o suficiente para o tipo de query pontual que o time precisava. O Stripe dava dados de cobrança isolados. O banco de produção tinha todo o resto, mas obter respostas dele exigia tempo de engenharia.

O time até considerou construir algo internamente. Mas o custo real não era só o esforço de engenharia — era a fricção constante de se mover entre ferramentas diferentes e nunca ter uma imagem unificada do que estava acontecendo no negócio.

Por que Basedash

Jeffrey encontrou a Basedash através de um post nas redes sociais sobre relatórios semanais automatizados — especificamente, a ideia de configurar relatórios personalizados que rodam em um cronograma e revelam insights sobre o que está funcionando e o que não está.

“Poder simplesmente fazer uma consulta em linguagem natural sobre uma pergunta que tenho, como alguém mais não técnico, e não precisar incomodar nosso time de engenharia, é incrível. E receber esse gráfico estilizado de volta, que eu posso simplesmente enviar como print ou compartilhar com o resto do time, é realmente muito bom.”

O time conectou o banco de produção no Supabase, o analytics do PostHog e o Basedash Warehouse — reunindo tudo em uma única interface conversacional. Em poucos dias, eles tinham dashboards cobrindo uso de produto, métricas de aquisição e análise de conversão, além de um relatório semanal automatizado entregando insights direto no Slack.

Destravando insights de onboarding PLG

Para uma empresa onde a maioria dos clientes é self-service, entender o que impulsiona a ativação é crítico — mas também fácil de deixar em segundo plano. Sem alguém checando os dados ativamente, os insights de onboarding tendem a se perder no ruído.

Com a Basedash, a Ordinal configurou relatórios automatizados para revelar passivamente padrões de comportamento: quais ações se correlacionam com conversão, quais comportamentos iniciais preveem retenção de longo prazo, e onde o funil self-service quebra.

“O onboarding self-service é uma daquelas coisas escondidas que é sempre fácil de deixar em segundo plano porque você não está tangivelmente ouvindo os clientes falarem sobre isso. Ter isso acontecendo de forma passiva é, na verdade, um grande diferencial.”

Em vez de checar manualmente dashboards do PostHog ou abrir pedidos pontuais de dados, o time agora tem uma visão regular e estruturada da saúde do onboarding, entregue automaticamente.

Impulsionando o Ordinal Data Labs

Uma das formas mais interessantes com que a Ordinal usa a Basedash vai além do analytics interno. O time tem um conjunto de dados enorme de publicações em redes sociais no LinkedIn, Twitter e outras plataformas. Redes sociais são notoriamente opacas — as plataformas não explicam seus algoritmos, e o espaço está cheio de rumores não verificados sobre o que funciona e o que não funciona.

A Ordinal lançou o Data Labs, uma série de conteúdo que usa os dados deles para responder perguntas que as próprias plataformas não respondem. Incluir um link em um post do LinkedIn realmente prejudica o alcance? Diferentes tipos de reação afetam a performance? O time usa a Basedash para consultar os dados de produção, gerar gráficos e transformar descobertas estatisticamente significativas em posts de blog e conteúdo para redes sociais.

“A gente realmente tem dados estatisticamente significativos e consegue dizer qual é o impacto real. Estamos criando uma série de conteúdo baseada em todos esses dados como uma estratégia de marketing top-of-funnel — o que é um caso de uso muito interessante para a Basedash.”

O que começou como uma ferramenta de analytics interna se tornou uma parte central da estratégia de conteúdo da Ordinal, transformando dados proprietários em pesquisa publicada que gera reconhecimento e confiança.

Impacto

Desde que adotou a Basedash, a Ordinal saiu de um analytics disperso, ferramenta por ferramenta, para uma camada de dados unificada que todo o time pode usar:

• Três fontes de dados — banco de produção, PostHog e data warehouse — conectadas e consultáveis por uma única interface
• Dashboards cobrindo uso de produto, aquisição e conversão construídos sem envolvimento de engenharia
• Relatórios semanais automatizados entregando insights de onboarding e ativação no Slack
• Um cofundador não técnico resolvendo perguntas de dados que antes exigiam tempo de engenharia
• Dados proprietários de redes sociais transformados em pesquisa publicada através do Ordinal Data Labs

“A experiência de usar a Basedash pela primeira vez é bem mágica. Poder simplesmente fazer uma pergunta e receber um gráfico estilizado de volta — isso é realmente muito bom.”