Bloques de Looker

Looker BlocksTM son modelos de datos prediseñados para patrones de análisis y fuentes de datos comunes. Reutiliza el trabajo que otras personas ya realizaron en lugar de comenzar desde cero y, luego, personaliza los bloques según tus especificaciones exactas. Desde los patrones de SQL optimizados hasta los modelos de datos completamente compilados, los bloques de Looker se pueden 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 qué bloqueos están disponibles actualmente, consulte la sección Bloqueos del Mercado de Looker.

Se crearon los bloques de Looker para que el análisis de datos sea más fácil y eficiente. Están disponibles "tal cual", lo que significa que no habrá actualizaciones en el futuro. Looker no puede garantizar ni garantizar que estos datos sean precisos, confiables ni libres de errores. Consulte los sitios de fuentes de datos documentados para obtener detalles sobre cómo se recopilan sus datos y cómo interpretarlos.

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

Algunos bloques de Looker se pueden instalar con rapidez y facilidad mediante Marketplace de Looker. Antes de que puedas implementar un bloqueo a través de Looker Marketplace, un administrador de Looker debe haber habilitado la función Marketplace. La instalación de bloques que contienen un parámetro local_dependency también requiere habilitar la función Local Project Import Labs. Consulta la página de documentación de Looker Marketplace para obtener más información sobre la instalación y personalización de bloques de Looker, disponibles en Looker Marketplace.

Estandarización y personalización

Antes de que puedas compilar en un bloque existente que contenga un parámetro local_dependency, un administrador de Looker debe habilitar la función Importación de proyectos locales Labs.

La facilidad de uso de los diferentes bloques variará según el grado de estandarización del esquema de tu base de datos. La mayoría de los bloques de Looker requieren cierta personalización para ajustarse a tu esquema de datos, excepto 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 de LookML completos, solo requieren copiar el modelo de LookML desde el 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 permite crear patrones de diseño de plantillas, capaces de realizar limpiezas, análisis y análisis de datos para que los utilice cualquier cliente que utilice estas aplicaciones.

  • Otras aplicaciones web, como Salesforce, le permiten agregar campos personalizados a sus 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 funcionamiento las estadísticas, pero deberá personalizar la parte no estandarizada.

  • Por último, tenemos bloques de estadísticas empresariales generales. Estos son patrones de diseño de SQL o LookML optimizados 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. Existen algunos supuestos incorporados en estos patrones, pero se pueden personalizar según las necesidades específicas de su 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.

Cómo agregar bloques a tu LookML

  • Algunos bloques muestran tanto la función Explorar como las vistas del mismo archivo. Esto es para facilitar la visualización, pero en general, deberá copiar las secciones correspondientes de LookML en los lugares adecuados de su modelo de datos. Consulta la página de documentación Información sobre el modelo y la vista de archivos para obtener más información.

  • En algunos casos, es probable que desee crear nuevos archivos LookML en su 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 proporcionan el conjunto de datos, así como el modelo de datos. Los bloques de datos de Looker incluyen fuentes de datos públicas, como las siguientes:

  • Datos demográficos: Métricas demográficas comunes de la Encuesta de la Comunidad Estadounidense a nivel de estado de condado, condado, tabulación del código postal o incluso del censo de bloque.
  • Datos meteorológicos: Informes meteorológicos 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 los bloques disponibles actualmente, consulte la sección de bloqueos del Marketplace de Looker.

Accede 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 en estas bases de datos:

Cómo acceder a los conjuntos de datos en Google BigQuery

Si tienes una cuenta de Google BigQuery existente, puedes acceder a los conjuntos de datos alojados en BigQuery de Looker. Vaya a la sección Cómo agregar bloques de datos a proyectos en 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.

Google BigQuery no admite el uso compartido de proyectos entre regiones. Para acceder directamente a los bloques de datos en Google BigQuery fuera de la región de EE.UU., puedes hacer lo siguiente:

Accede a conjuntos de datos en otras bases de datos

¿Usas Amazon Redshift? ¿MySQL? ¿PostgreSQL? ¿Oracle?

Pusimos a disposición del público todos los datos transformados de cada uno de estos conjuntos de datos en el servicio de Google Cloud y en S3 para que pueda importarlos directamente a la base de datos que elija.

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

Descargar datos directamente desde una de estas ubicaciones:

Acceda al modelo de LookML

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

Cómo agregar bloques de datos a proyectos

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

Antes de compilar un bloque de datos que contenga un parámetro local_dependency, el administrador de Looker debe habilitar la función Importación de proyectos locales Labs.

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

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

  2. Fork o copia los repositorios de GitHub mencionados anteriormente para acceder a LookML ya compilado. Asegúrate de crear un repositorio de GitHub nuevo.

  3. Quita otros archivos de dialecto de la base de datos del repositorio. Los bloques de Looker normalmente contendrán archivos para Google BigQuery, Amazon Redshift y Snowflake. Por ejemplo, si configura bloques de datos en Google BigQuery, solo necesitará los archivos de vista de Google BigQuery, el archivo de Explorar de Google BigQuery y el archivo de modelo de Google BigQuery.

  4. Reemplace el nombre de la conexión en el archivo del modelo por la conexión de la base de datos donde se encuentran los datos para bloquear los datos. Si usa Google BigQuery o Snowflake, use la conexión de base de datos desde la que extenderá o perfeccionará la conexión.

    Toda la lógica de unión existe en un archivo .explore en cada uno de los repositorios. Este es el archivo que incluirá en los siguientes pasos después de configurar el manifiesto del 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. Agregue el siguiente LookML al archivo de manifiesto del proyecto para hacer referencia a bloques de datos en su 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 usas Google BigQuery, es posible que quieras hacer referencia a todos los archivos con _bq_ en el nombre del archivo. Es posible que debas adaptar nuestros dialectos del modelo de Google BigQuery a tu propio dialecto de base de datos.

Google BigQuery no admite el uso compartido de proyectos entre regiones. Para acceder directamente a los bloques de datos en Google BigQuery fuera de la región de EE.UU., puedes hacer lo siguiente:

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

Unir tablas derivadas: Es posible que desee consultar 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 los vincule en tu modelo.

Combinación de conjuntos de resultados: también puedes combinar conjuntos de resultadosde nuestros conjuntos de resultados con tus datos.

Ejemplo de configuración del conjunto de datos demográficos

  1. Descarga datos de nuestros buckets de S3 o Google Cloud Service o conéctate a una base de datos de Looker para acceder a los datos.

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

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

  4. Luego, puede extender o definir mejor el archivo de vista, o bien usar tablas derivadas nativas a fin de obtener datos al nivel de agregación necesario para Explorar.

    En nuestro ejemplo, dado que los datos demográficos tienen un nivel de agregación diferente al de nuestro conjunto de datos de comercio electrónico (grupo de bloques y 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. Una los archivos de vista en el 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. Explore y visualice los datos.

Cómo usar bloques de visualización

Looker incluye una variedad de tipos de visualización nativos. Sin embargo, si tienes necesidades de creación de gráficos que no se incluyen en los tipos de visualización nativa de Looker, también puedes agregar tus propios tipos de visualización personalizada. También puedes desarrollar una visualización personalizada y hacer que esté disponible para todos los usuarios de Looker desde el Marketplace de Looker.

Los bloques de Viz son tipos de visualización de JavaScript prediseñados que aloja Looker. Puedes agregar los bloques de Viz a tu instancia de Looker, que actuarán de manera similar a cualquiera de los tipos de visualización nativos de Looker: aparecen en la barra de menú de visualización e incluyen funcionalidades principales como la perforación, la descarga, la incorporación y la 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 brinda más información sobre el bloque de visualización. En algunas visualizaciones, el archivo READ.ME también proporciona instrucciones y una URL 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 en nuestra página de documentación de Visualizaciones.