Perlu diperhatikan bahwa Anda sedang melihat dokumentasi Looker. Untuk melihat dokumentasi Looker Studio, buka https://support.google.com/looker-studio.

Halaman ini diterjemahkan oleh Cloud Translation API.

Looker Blocks

Looker Blocks™ adalah model data siap pakai untuk pola analisis dan sumber data umum. Gunakan kembali pekerjaan yang telah dilakukan orang lain, bukan memulai dari awal, lalu sesuaikan blok dengan spesifikasi yang tepat. Dari pola SQL yang dioptimalkan hingga model data yang sepenuhnya dibuat, Looker Blocks 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 blok yang tersedia, lihat bagian Blok di Looker Marketplace.

Klik blok yang Anda minati untuk melihat petunjuk penggunaannya.

Beberapa Blok Looker dapat diinstal dengan cepat menggunakan Looker Marketplace. Sebelum Anda dapat men-deploy blok melalui Marketplace Looker, admin Looker harus mengaktifkan fitur Marketplace. Menginstal blok yang berisi parameter local_dependency juga memerlukan pengaktifan fitur Local Project Import Labs. Lihat halaman dokumentasi Looker Marketplace untuk mengetahui informasi selengkapnya tentang cara menginstal dan menyesuaikan Blok Looker, yang tersedia dari Looker Marketplace.

Standardisasi dan penyesuaian

Kemudahan penggunaan berbagai blok akan bervariasi, bergantung pada tingkat standarisasi skema database Anda. Sebagian besar Blok Looker memerlukan beberapa penyesuaian agar sesuai dengan skema data Anda, dengan pengecualian blok data, yang paling mudah diterapkan tetapi tidak dapat disesuaikan.

Blok data, yang mencakup set data publik dan model LookML lengkap, hanya memerlukan penyalinan model LookML dari repositori GitHub untuk mengakses tabel sesuai model. Lihat Menggunakan blok data di halaman ini untuk mengetahui petunjuk mendetail.
Aplikasi pengumpulan data, seperti Segment dan Snowplow, melacak peristiwa dalam format yang relatif standar. Hal ini memungkinkan pembuatan pola desain dengan template — yang mampu melakukan pembersihan, transformasi, dan analisis 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 akan menghasilkan data dalam format yang kurang standar. Akibatnya, kami dapat membuat template beberapa model data untuk menyiapkan dan menjalankan analisis, tetapi Anda harus menyesuaikan bagian yang tidak standar.
Terakhir, kita memiliki blok untuk insight 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 disertakan dalam pola ini, tetapi asumsi tersebut dapat disesuaikan agar sesuai dengan kebutuhan bisnis Anda yang spesifik. 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

Beberapa blok menunjukkan Jelajah dan tampilan dalam file yang sama. Hal ini untuk memudahkan tampilan, tetapi secara umum Anda sebaiknya menyalin bagian LookML yang sesuai ke tempat yang sesuai dalam model data Anda. Lihat halaman dokumentasi Memahami file model dan tampilan untuk mengetahui informasi selengkapnya.
Dalam beberapa kasus, Anda mungkin ingin membuat file LookML baru di model data untuk menyimpan contoh.

Menggunakan blok data

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

Data demografis: Metrik demografis umum dari American Community Survey di tingkat negara bagian, county, area tabulasi kode pos, dan bahkan grup blok sensus.
Data cuaca: Pelaporan cuaca di Amerika Serikat pada tingkat kode pos dari tahun 1920 hingga hari sebelumnya. Pemblokiran ini diperbarui setiap malam.

Untuk melihat daftar lengkap blok yang tersedia, lihat bagian Blocks di Looker Marketplace.

Mengakses set data di database yang berbeda

Prosedur untuk mengakses set data blok data bervariasi, bergantung pada skema database Anda. Bagian berikut berisi petunjuk untuk mengakses set data di database ini:

Google BigQuery
Database tambahan

Mengakses set data di Google BigQuery

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

Jika belum memiliki akun Google BigQuery, Anda dapat menyiapkan uji coba gratis, lalu mengakses set data publik Looker di BigQuery.

Mengakses set data di database lain

Apakah Anda menggunakan Amazon Redshift, MySQL, PostgreSQL, atau Oracle?

Kami telah menyediakan data yang ditransformasi untuk setiap set data ini secara publik 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 Repositori GitHub. Pernyataan DDL mungkin perlu diubah untuk jenis data dalam database yang Anda pilih, tetapi harus memberikan gambaran tentang jenis kolom untuk setiap tabel.

Download data langsung dari salah satu lokasi berikut:

Layanan Google Cloud: _gs://looker-datablocks/_
S3: _s3://looker-datablocks/_
Link Web Bucket S3: http://looker-datablocks.s3-website-us-east-1.amazonaws.com/

Mengakses model LookML

Buat fork salah satu repositori GitHub kami ke repositori GitHub baru (yang dihosting oleh Looker atau oleh perusahaan Anda) yang kemudian dapat Anda extend atau sempurnakan dalam instance Anda:

Data Demografi (American Community Survey) - https://github.com/llooker/datablocks-acs
Cuaca (GSOD) - https://github.com/llooker/datablocks-gsod

Menambahkan blok data ke project

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

Untuk menambahkan blok data ke project Anda:

Tambahkan project baru ke instance Looker Anda.
Buat fork atau salin repositori GitHub yang disebutkan sebelumnya untuk mengakses LookML bawaan. Pastikan untuk membuat repo GitHub baru.
Hapus file dialek database lainnya dari repo. Blok Looker biasanya akan berisi file untuk Google BigQuery, Amazon Redshift, dan Snowflake. Misalnya, jika menyiapkan blok data di Google BigQuery, Anda hanya memerlukan file tampilan Google BigQuery, file Jelajahi Google BigQuery, dan file model Google BigQuery.
Ganti nama koneksi dalam file model dengan koneksi database tempat data untuk blok data berada. Jika Anda menggunakan Google BigQuery atau Snowflake, gunakan koneksi database tempat Anda akan memperluas atau menyaring.

Semua logika join ada dalam file .explore di setiap repositori. Ini adalah file yang akan Anda sertakan dalam langkah-langkah berikut, setelah menyiapkan manifes project.
Di project Looker utama tempat Anda akan memperluas atau meningkatkan kualitas blok data, buat file manifes project.
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 untuk menggunakan kumpulan file sesuai model yang benar. Jika menggunakan Google BigQuery, Anda dapat mereferensikan semua file dengan _bq_ dalam nama file. Anda mungkin harus menyesuaikan dialek model Google BigQuery kami dengan dialek database Anda sendiri.

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

Menggabungkan Tabel Turunan: Sebaiknya lihat dokumentasi kami untuk tabel turunan native. Anda dapat mengizinkan Looker menulis SQL untuk Anda di berbagai tingkat agregasi pada set data kami yang tersedia secara 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 set data demografi

Dapatkan akses ke data dengan mendownload data mentah dari bucket S3 atau Layanan Google Cloud kami atau dengan terhubung ke database Looker.
Impor model Demographic Data Block dari LookML sebagai project terpisah di instance Looker Anda.
Gunakan parameter include untuk memasukkan file tampilan.

Kemudian, extend atau sempurnakan file tampilan, atau gunakan tabel turunan native untuk mendapatkan data pada tingkat agregasi yang diperlukan untuk Jelajah.

Dalam contoh ini, karena data demografi berada pada tingkat agregasi yang berbeda dengan set data e-commerce (grup blok vs. kode pos), kita menggunakan tabel turunan native untuk menggabungkan statistik hingga tingkat kode pos. Hal ini menghilangkan join banyak-ke-banyak 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
    }

Gabungkan 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
    }
  }

Jelajahi dan visualisasikan data.

Menggunakan blok visualisasi

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

Blok visualisasi adalah jenis visualisasi JavaScript bawaan yang dihosting oleh Looker. Anda dapat menambahkan blok Viz ke instance Looker, dan blok tersebut akan berfungsi mirip dengan jenis visualisasi bawaan Looker: blok tersebut muncul di panel menu visualisasi, dan menyertakan fungsi inti seperti pengeboran, download, penyematan, dan penjadwalan.

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

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