Looker Blocks

Looker BlocksTM adalah model data bawaan untuk sumber data dan pola analisis umum. Gunakan kembali pekerjaan yang telah dilakukan orang lain daripada memulai dari awal, lalu sesuaikan blok dengan spesifikasi Anda yang tepat. Mulai dari pola SQL yang dioptimalkan hingga model data yang lengkap, blok Looker dapat digunakan sebagai titik awal untuk pemodelan data yang cepat dan fleksibel di Looker.

Blok yang tersedia

Ada banyak Blok Looker yang dapat dipilih. Untuk melihat pemblokiran yang saat ini tersedia, lihat bagian Pemblokiran di Looker Marketplace.

Blok Looker dibuat untuk membuat analisis data lebih mudah dan lebih efisien. Pembaruan tersebut tersedia secara "apa adanya", artinya tidak akan ada pembaruan untuk ke depannya. Looker tidak dapat menyatakan atau menjamin bahwa data ini akan akurat, dapat diandalkan, atau bebas dari error. Lihat situs sumber data yang didokumentasikan untuk mengetahui detail tentang cara pengumpulan data dan cara menafsirkannya.

Klik blok yang menarik minat Anda untuk melihat petunjuk penggunaan spesifiknya.

Beberapa Pemblokiran Looker dapat diinstal dengan cepat dan mudah menggunakan Looker Marketplace. Sebelum Anda dapat men-deploy pemblokiran melalui Looker Marketplace, admin Looker harus telah mengaktifkan fitur Marketplace. Menginstal blok yang berisi parameter local_dependency juga mengharuskan fitur Impor Project Lokal Lab. Lihat halaman dokumentasi Looker Marketplace untuk mengetahui informasi selengkapnya tentang cara menginstal dan menyesuaikan Pemblokiran Looker, yang tersedia dari Looker Marketplace.

Standardisasi dan penyesuaian

Sebelum Anda dapat membuat blok yang sudah ada yang berisi parameter local_dependency, admin Looker harus mengaktifkan fitur Impor Project Lokal Lab.

Kemudahan menggunakan blok yang berbeda akan bervariasi, bergantung pada sejauh mana skema database Anda distandardisasi. Sebagian besar Pemblokiran Looker memerlukan beberapa penyesuaian agar sesuai dengan skema data Anda, kecuali blok data, yang paling sederhana untuk diterapkan tetapi tidak dapat disesuaikan.

  • Blok data, yang mencakup set data publik dan model LookML lengkap, hanya memerlukan penyalinan model LookML dari repo GitHub untuk mengakses tabel sesuai model. Lihat Menggunakan pemblokiran data di halaman ini untuk mendapatkan petunjuk mendetail.

  • Aplikasi pengumpulan data, seperti Segmen dan Bajak Salju, melacak peristiwa dalam format yang relatif standar. Hal ini memungkinkan untuk membuat pola desain template — yang mampu membersihkan, mentransformasi, dan analitik data — yang dapat digunakan oleh pelanggan mana pun yang menggunakan aplikasi ini.

  • Aplikasi web lainnya, seperti Salesforce, memungkinkan Anda menambahkan kolom kustom untuk pengguna internal. Tentu saja, hal ini menghasilkan data dalam format yang kurang standar. Akibatnya, kita dapat membuat template beberapa model data untuk mengaktifkan dan menjalankan analisis, tetapi Anda harus menyesuaikan bagian yang tidak standar.

  • Terakhir, kita memiliki blok-blok wawasan bisnis umum. Ini adalah pola desain SQL atau LookML yang dioptimalkan dan tidak bergantung pada sumber data. Misalnya, banyak perusahaan ingin menganalisis nilai umur pelanggan dari waktu ke waktu. Ada beberapa asumsi yang dimasukkan ke dalam pola-pola ini, tetapi asumsi tersebut dapat disesuaikan dengan kebutuhan bisnis Anda yang spesifik. Pola-pola ini mencerminkan sudut pandang Looker tentang cara terbaik untuk melakukan jenis analisis tertentu.

Jika Anda baru menggunakan Looker, analis Looker dapat membantu Anda mendapatkan hasil maksimal dari model ini.

Menambahkan blok ke LookML Anda

  • Beberapa blok mendemonstrasikan Jelajah dan tampilan dalam file yang sama. Ini untuk kemudahan melihat, tetapi secara umum Anda ingin menyalin bagian yang sesuai dari LookML ke tempat yang sesuai dalam model data Anda. Lihat halaman dokumentasi Memahami model dan melihat file untuk informasi selengkapnya.

  • Dalam beberapa kasus, Anda mungkin ingin membuat file LookML baru di model data Anda untuk menyimpan contoh.

Menggunakan blok data

Blok data adalah jenis khusus Blok Looker yang menyediakan set data serta model data. Pemblokiran Data Looker mencakup sumber data publik, seperti:

  • Data demografis: Metrik demografi umum dari Survei Komunitas Amerika di tingkat negara bagian, county, area tabulasi kode pos, dan bahkan tingkat kelompok blok sensus.
  • Data cuaca: Pelaporan cuaca di Amerika Serikat pada tingkat kode pos dari tahun 1920 hingga hari sebelumnya. Blok ini diperbarui setiap malam.

Untuk melihat daftar lengkap pemblokiran yang saat ini tersedia, lihat bagian Pemblokiran di Looker Marketplace.

Mengakses {i>dataset<i} di {i>database<i} yang berbeda

Prosedur untuk mengakses set data blok data bervariasi, bergantung pada skema database Anda. Bagian berikut berisi instruksi untuk mengakses {i>dataset<i} pada {i>database<i} ini:

Mengakses {i>dataset<i} di Google BigQuery

Jika sudah memiliki akun Google BigQuery, Anda dapat mengakses set data Looker yang dihosting BigQuery. Lanjutkan ke bagian Menambahkan blok data ke project di halaman ini.

Jika belum memiliki akun Google BigQuery, Anda dapat menyiapkan uji coba gratis dan kemudian mengakses {i>dataset<i} publik Looker di BigQuery.

Google BigQuery tidak mendukung berbagi project di seluruh region. Untuk langsung mengakses blok data di Google BigQuery dari luar region AS, Anda dapat:

Mengakses {i>dataset<i} di {i>database<i} lain

Anda menggunakan Amazon Redshift? MySQL? PostgreSQL? Oracle?

Data yang ditransformasi untuk setiap set data ini telah tersedia untuk umum di Layanan Google Cloud dan S3, sehingga Anda dapat langsung mengimpornya ke database pilihan Anda.

Kami juga telah menyediakan Data Definition Language (DDL) untuk setiap set data di GitHub Repo. Pernyataan DDL mungkin perlu dimodifikasi untuk tipe data dalam database yang Anda pilih, tetapi harus memberikan gambaran tentang jenis kolom untuk setiap tabel.

Download data langsung dari salah satu lokasi berikut:

Mengakses model LookML

Lakukan fork salah satu repo GitHub kami ke repo GitHub baru (baik yang dihosting oleh Looker atau oleh perusahaan Anda) yang kemudian dapat Anda perpanjang atau saring dalam instance:

Menambahkan blok data ke project

Selain metode yang dijelaskan di bagian ini, Anda juga dapat menggunakan penyempitan LookML untuk membuat LookML tampilan dan Jelajah dalam project Anda.

Sebelum Anda dapat membuat blok data yang berisi parameter local_dependency, admin Looker harus mengaktifkan fitur Impor Project Lokal Lab.

Untuk menambahkan blok data ke project Anda:

  1. Tambahkan project baru ke instance Looker Anda.

  2. Fork atau salin repo GitHub yang disebutkan di atas untuk mengakses LookML bawaan. Pastikan untuk membuat repo GitHub baru.

  3. Hapus file dialek database lainnya dari repo. Pemblokiran Looker biasanya akan berisi file untuk Google BigQuery, Amazon Redshift, dan Snowflake. Misalnya, jika Anda menyiapkan pemblokiran data di Google BigQuery, Anda hanya memerlukan file tampilan Google BigQuery, file Eksplorasi Google BigQuery, dan file model Google BigQuery.

  4. Ganti nama koneksi dalam file model Anda dengan koneksi database tempat data untuk blok data berada. Jika Anda menggunakan Google BigQuery atau Snowflake, gunakan koneksi database yang akan diperluas atau ditingkatkan.

    Semua logika gabungan ada di file .explore di setiap repositori. Ini adalah file yang akan Anda sertakan dalam langkah-langkah berikut, setelah menyiapkan manifes project.

  5. Di project Looker utama tempat Anda akan memperluas atau meningkatkan blok data, buat file manifes project.

  6. Tambahkan LookML berikut ke file manifes project untuk mereferensikan blok data di project Looker utama Anda:

    project_name: "<your_project_name\>"

    local_dependency: {
      project: "<project_name_of_datablock\>"
    }

Pertimbangan dan opsi penyiapan

Google BigQuery: Pastikan Anda menggunakan kumpulan file sesuai model yang benar. Jika menggunakan Google BigQuery, Anda dapat merujuk semua file dengan _bq_ dalam nama filenya. Anda mungkin harus menyesuaikan dialek model Google BigQuery kami ke dialek database Anda sendiri.

Google BigQuery tidak mendukung berbagi project di seluruh region. Untuk langsung mengakses blok data di Google BigQuery dari luar region AS, Anda dapat:

Ekstensi: Semua project kami telah disiapkan untuk mengizinkan ekstensi dari file Jelajahi, karena ekstensi model dapat menyebabkan masalah pada beberapa koneksi.

Bergabung dengan Tabel Turunan: Sebaiknya lihat dokumentasi kami untuk tabel turunan native. Anda dapat mengizinkan Looker menulis SQL untuk Anda pada berbagai tingkat agregasi pada set data kami yang tersedia untuk publik dan menggabungkannya ke dalam model Anda.

Menggabungkan Set Hasil: Anda juga dapat memilih untuk menggabungkan set hasil dari set data kami dengan data Anda dengan menggabungkan set hasil kueri.

Contoh penyiapan {i>dataset<i} demografis

  1. Dapatkan akses ke data dengan mendownload data mentah dari bucket S3 atau Layanan Google Cloud kami atau dengan terhubung ke database Looker.

  2. Impor model Pemblokiran Data Demografi dari LookML sebagai project terpisah di instance Looker Anda.

  3. Gunakan parameter include untuk memasukkan file tampilan.

  4. Kemudian, perpanjang atau pertajam file tampilan, atau gunakan tabel turunan bawaan untuk mendapatkan data pada tingkat agregasi yang diperlukan untuk Jelajah.

    Dalam contoh kami, karena data demografis berada pada tingkat agregasi yang berbeda dengan set data e-commerce (grup blok vs. kode pos), kami menggunakan tabel turunan asli untuk menggabungkan statistik hingga tingkat kode pos. Cara ini akan menghilangkan join many-to-many yang berantakan:

      include: "/american_community_survey/bq.explore"

  view: zipcode_income_facts {
    derived_table: {
      persist_for: "10000 hours"
      explore_source: fast_facts {
        column: ZCTA5 { field: tract_zcta_map.ZCTA5 }
        column: income_household { field: bg_facts.avg_income_house }
        column: total_population { field: bg_facts.total_population }
      }
    }
    dimension: ZCTA5 {}
    dimension: income_household {
      hidden: yes
    }

  5. Menggabungkan file tampilan ke dalam model:

      include: "acs*.view"

  explore: order_items {
    join: users {
      sql_on: ${users.id} = ${order_items.user_id} ;;
      type: left_outer
      relationship: many_to_one
    }

    join: zipcode_income_facts {
      sql_on: ${users.zip} = ${zipcode_income_facts.ZCTA5} ;;
      type: left_outer
      relationship: many_to_one
    }
  }

  6. Menjelajahi dan memvisualisasikan data.

Menggunakan blok {i>viz<i}

Looker mencakup berbagai jenis visualisasi native. Namun, jika Anda memiliki kebutuhan diagram yang tidak tercakup oleh jenis visualisasi native Looker, Anda juga dapat menambahkan jenis visualisasi kustom sendiri. Anda juga dapat mengembangkan visualisasi kustom dan menyediakannya untuk semua pengguna Looker dari Looker Marketplace.

Blok Viz adalah jenis visualisasi JavaScript bawaan yang dihosting oleh Looker. Anda dapat menambahkan blok Viz ke instance Looker, dan blok tersebut akan berfungsi sama dengan jenis visualisasi native Looker mana pun: blok Viz muncul di panel menu visualisasi, dan mencakup fungsi inti seperti perincian, download, penyematan, dan penjadwalan.

Untuk mempelajari blok viz lebih lanjut, pilih jenis visualisasi di bagian Plug-in di Looker Marketplace, lalu klik Lihat Kode dan buka file READ.ME blok viz. File READ.ME menunjukkan contoh visualisasi dan memberikan informasi lebih lanjut tentang blok viz. Untuk beberapa visualisasi, file READ.ME juga menyediakan URL dan petunjuk untuk menambahkan blok viz.

Untuk menambahkan jenis visualisasi ke instance Anda, lihat petunjuk di file READ.ME (jika ada) dan informasi di halaman dokumentasi Visualisasi kami.