Bloques de Looker

Looker BlocksTM son modelos de datos compilados previamente para patrones analíticos y fuentes de datos comunes. Reutiliza el trabajo que otros ya hicieron en lugar de empezar desde cero y, luego, personaliza los bloques según tus especificaciones exactas. Desde patrones de SQL optimizados hasta modelos de datos completamente compilados, Looker Blocks se puede usar como punto de partida para un modelado de datos rápido y flexible en Looker.

Bloques disponibles

Hay muchos bloques de Looker para elegir. Para ver los bloqueos disponibles, consulta la sección Bloqueos del mercado de Looker.

Haz clic en un bloque que te interese para ver sus instrucciones de uso específicas.

Algunos bloques de Looker se pueden instalar rápidamente usando Looker Marketplace. Para poder implementar un bloqueo a través de Looker Marketplace, un administrador de Looker debe haber habilitado la función Marketplace. Para instalar bloques que contienen un parámetro local_dependency, también debes habilitar la función Labs de Importación de proyectos locales. Consulta la página de documentación de Looker Marketplace para obtener más información sobre cómo instalar y personalizar bloques de Looker, disponibles en Looker Marketplace.

Estandarización y personalización

La facilidad para usar los diferentes bloques variará en función del grado en que se estandarice el esquema de la base de datos. La mayoría de los bloques de Looker requieren cierta personalización para adaptarse a tu esquema de datos, a excepción de los bloques de datos, que son los más fáciles de implementar, pero no personalizables.

  • Los bloques de datos, que incluyen conjuntos de datos públicos y modelos completos de LookML, simplemente requieren copiar el modelo de LookML del repositorio de GitHub para acceder a las tablas modeladas. Consulta Cómo usar bloques de datos en esta página para obtener instrucciones detalladas.

  • Las aplicaciones de recopilación de datos, como Segment y Snowplow, realizan un seguimiento de los eventos en un formato relativamente estandarizado. Esto hace posible crear patrones de diseño de plantillas, capaces de limpiar, transformar y analizar datos, y que cualquier cliente que use estas aplicaciones puede usar.

  • Otras aplicaciones web, como Salesforce, te permiten agregar campos personalizados para tus usuarios internos. Naturalmente, esto crea datos en un formato menos estandarizado. Como resultado, podemos crear plantillas de algunos de los modelos de datos para poner en marcha las estadísticas, pero tendrás que personalizar la parte no estandarizada.

  • Por último, tenemos bloques para estadísticas empresariales generales. Estos son patrones de diseño optimizados de SQL o LookML que son independientes de la fuente de datos. Por ejemplo, muchas empresas querrán analizar el valor del ciclo de vida de un cliente a lo largo del tiempo. Estos patrones incluyen algunas suposiciones, pero se pueden personalizar para que coincidan con las necesidades específicas de tu empresa. Estos patrones reflejan el punto de vista de Looker sobre la mejor manera de realizar ciertos tipos de análisis.

Si es la primera vez que usas Looker, tu analista de Looker puede ayudarte a aprovechar al máximo estos modelos.

Agrega bloques a LookML

  • Algunos bloques muestran las exploraciones y las vistas en el mismo archivo. Esto es para facilitar la visualización, pero, en general, querrás copiar las secciones adecuadas de LookML en los lugares apropiados de tu modelo de datos. Consulta la página de documentación Comprende los archivos de modelo y vista para obtener más información.
  • En algunos casos, probablemente te convenga crear nuevos archivos de LookML en tu modelo de datos para alojar los ejemplos.

Cómo usar bloques de datos

Los bloques de datos son un tipo especial de bloque de Looker que proporciona el conjunto de datos y el modelo de datos. Los bloques de datos de Looker incluyen fuentes de datos públicos, como las siguientes:

  • Datos demográficos: Son métricas demográficas comunes de la American Community Survey a nivel del estado, el condado, el área de tabulación del código postal y, también, a nivel del grupo de bloque del censo.
  • Datos del clima: Incluye informes del clima en Estados Unidos a nivel del código postal desde 1920 hasta el día anterior. Este bloque se actualiza todas las noches.

Para ver la lista completa de bloqueos disponibles, consulta la sección Bloqueos de Looker Marketplace.

Acceder a conjuntos de datos en diferentes bases de datos

El procedimiento para acceder al conjunto de datos de un bloque de datos varía según el esquema de tu base de datos. Las siguientes secciones contienen instrucciones para acceder a los conjuntos de datos de estas bases de datos:

Accede a conjuntos de datos en Google BigQuery

Si ya tienes una cuenta de Google BigQuery, puedes acceder a los conjuntos de datos alojados en BigQuery de Looker. Ve a la sección Agrega bloques de datos a los proyectos de esta página.

Si aún no tienes una cuenta de Google BigQuery, puedes configurar una prueba gratuita y, luego, acceder a los conjuntos de datos públicos de Looker en BigQuery.

Acceder a conjuntos de datos en otras bases de datos

¿Usas Amazon Redshift, MySQL, Oracle o PostgreSQL?

Los datos transformados de cada uno de estos conjuntos de datos están disponibles públicamente tanto en el servicio de Google Cloud como en S3 para que puedas importarlos directamente a la base de datos que elijas.

También pusimos a disposición el lenguaje de definición de datos (DDL) para cada uno de los conjuntos de datos en el repositorio de GitHub. Es posible que las declaraciones DDL deban modificarse para los tipos de datos de la base de datos seleccionada, pero deben proporcionar una idea de los tipos de columna para cada tabla.

Descarga datos directamente de una de estas ubicaciones:

Accede al modelo de LookML

Bifurca uno de nuestros repositorios de GitHub en un nuevo repositorio de GitHub (alojado por Looker o tu empresa) que luego puedes extender o definir mejor en tu instancia:

Agrega bloques de datos a los proyectos

Además del método descrito en esta sección, también puedes usar mejoras en LookML para compilar en LookML de vistas y exploraciones en tus proyectos.

Para agregar un bloque de datos a tu proyecto, haz lo siguiente:

  1. Agrega un proyecto nuevo a tu instancia de Looker.

  2. Bifurca o copia los repositorios de GitHub que se mencionaron anteriormente para acceder a LookML precompilado. Asegúrate de crear un nuevo repositorio de GitHub.

  3. Quita otros archivos de dialecto de la base de datos del repositorio. Por lo general, los bloques de Looker contendrán archivos para Google BigQuery, Amazon Redshift y Snowflake. Por ejemplo, si configuras bloques de datos en Google BigQuery, solo necesitarás los archivos de vista de Google BigQuery, el archivo de exploración de Google BigQuery y el archivo de modelo de Google BigQuery.

  4. Reemplaza el nombre de la conexión en tu archivo de modelo por tu conexión de base de datos en la que se encuentran los datos de los bloques de datos. Si usas Google BigQuery o Snowflake, utiliza la conexión de base de datos desde la que extenderás o definirás mejor.

    Toda la lógica de unión existe en un archivo .explore en cada uno de los repositorios. Este es el archivo que incluirás en los siguientes pasos, una vez que hayas configurado el manifiesto de tu proyecto.

  5. En tu proyecto principal de Looker, en el que extenderás o definirás mejor los bloques de datos, crea un archivo de manifiesto del proyecto.

  6. Agrega el siguiente LookML al archivo de manifiesto del proyecto para hacer referencia a bloques de datos en tu proyecto principal de Looker:

    project_name: "<your_project_name\>"

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

Consideraciones y opciones de configuración

Google BigQuery: Asegúrate de usar el conjunto correcto de archivos modelados. Si estás en Google BigQuery, es posible que desees hacer referencia a todos los archivos con _bq_ en el nombre. Es posible que debas adaptar los dialectos del modelo de Google BigQuery a tu propio dialecto de la base de datos.

Extensiones: Todos nuestros proyectos se configuraron para permitir extensiones de los archivos Explorar, ya que las extensiones de modelo podrían causar problemas con varias conexiones.

Une tablas derivadas: Te recomendamos revisar nuestra documentación sobre tablas derivadas nativas. Puedes permitir que Looker escriba SQL en diferentes niveles de agregación en nuestros conjuntos de datos disponibles públicamente y unirlos a tu modelo.

Combina conjuntos de resultados: También puedes combinar los conjuntos de resultados de nuestros conjuntos de datos con tus datos a través de la combinación de conjuntos de resultados de consultas.

Ejemplo de configuración del conjunto de datos demográficos

  1. Obtén acceso a los datos descargando datos sin procesar desde nuestros buckets de servicios de S3 o Google Cloud, o bien conéctate a una base de datos de Looker.

  2. Importa el modelo Bloque de datos demográficos de LookML como un proyecto independiente en tu instancia de Looker.

  3. Usa el parámetro include para abrir el archivo de vista.

  4. Luego, extiende o define mejor el archivo de vista, o usa tablas derivadas nativas para obtener datos en el nivel de agregación necesario para las exploraciones.

    En nuestro ejemplo, dado que los datos demográficos se encuentran en un nivel de agregación diferente al de nuestro conjunto de datos de comercio electrónico (grupo de bloques frente a código postal), usamos tablas derivadas nativas para agregar estadísticas hasta el nivel del código postal. Esto elimina las uniones de varios a varios desordenadas:

      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. Une archivos de vista al modelo:

      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. Explorar y visualizar los datos

Cómo usar bloques de visualización

Looker incluye una variedad de tipos de visualización integrados. Sin embargo, si tienes necesidades de gráficos que no están cubiertas por los tipos de visualizaciones integradas de Looker, también puedes agregar tus propios tipos de visualizaciones personalizadas. También puedes desarrollar una visualización personalizada y hacer que esté disponible para todos los usuarios de Looker desde Looker Marketplace.

Los bloques de visualización son tipos de visualizaciones de JavaScript compilados previamente que aloja Looker. Puedes agregar los bloques de Viz a tu instancia de Looker y actuarán de forma similar a cualquiera de los tipos de visualización integrados de Looker: aparecerán en la barra de menú de visualización e incluyen funcionalidades principales como desglose, descarga, incorporación y programación.

Para obtener más información sobre un bloque de visualización, selecciona el tipo de visualización en la sección Complementos de Looker Marketplace, luego haz clic en Ver el código y navega hasta el archivo READ.ME del bloque de visualización. El archivo READ.ME muestra un ejemplo de la visualización y ofrece más información sobre el bloque de visualización. Para algunas visualizaciones, el archivo READ.ME también proporciona una URL e instrucciones para agregar el bloque de visualización.

Para agregar el tipo de visualización a tu instancia, consulta las instrucciones en el archivo READ.ME (si corresponde) y la información de nuestra página de documentación Visualizations.