Video: Hej snygging (September 2024)
Looker är ett självbetjäningsverktyg (BI) som fokuserar på att lösa ett särskilt problem: hålla reda på dina olika SQL-baserade strukturer och NoSQL Big Data-källor. Looker, som börjar på 3 000 USD per månad för 10 användare, kommer faktiskt till BI-världen från en annan riktning än många av sina konkurrenter i denna översynsunderlag, inklusive Editors 'Choice-prisvinnare Microsoft Power BI och Tableau Desktop. Istället för att försöka göra vackra visualiseringar, tvingar Looker dig att förstå dina datastrukturer och relationer från SQL-kommandoraden.
Ha med mig här ett ögonblick eftersom det faktiskt är en lysande idé. Ja, det finns många verktyg som kan ta dina Microsoft Excel-kalkylark och göra intressant grafik, men Looker gör inte Microsoft Excel och dess visualiseringar är mer en eftertanke än en destination. Ja, Looker har datainstrument och sätt att redigera dina diagram för att göra dem mer övertygande, men det du oftast kommer att göra i Looker är att spendera tid på att skriva SQL-kod för att undersöka dina data och samarbeta över hela ditt företag för att bygga bättre datamodeller om din företag. Det är en subtil men viktig åtskillnad och kräver viss solid SQL-kunskap om du ska få ut det mesta av detta verktyg.
Om du driver ditt företag med 27 olika Microsoft Excel-kalkylblad, hoppar du över Looker och letar någon annanstans. Men om du har minst en SQL-expert på personal, kommer Looker att gynna ditt företag genom att låta dig utnyttja denna expertis till mer tillgängliga data för alla andra att använda. Ett problem med många BI-verktyg är att vanliga användare fortfarande måste vara beroende av dataanalytiker för att göra något av den tunga lyftningen av modellbyggnad och analys. Looker frigör användare som inte är data nörd, vilket gör att de kan spendera mindre tid på att fikla med verktyget och mer tid att utforska sina data.
Looker är skicklig i både SQL och webbaserad data, vilket inte är något litet. Det stöder mer än 25 olika varianter, inklusive stöd för Google BigQuery, Hive, Spark och Vertica. Detta är inte lika omfattande som Domo men förståeligt med tanke på att produkten är ganska ny. Men det används redan i vissa mycket stora installationer, med hundratals platser som förbrukar petabytes med månadsuppgifter.
Looker är uteslutande en webbtjänst som körs i din webbläsare. Appen är lyhörd så det finns en enda version som kommer att stödja surfplattor och smartphones såväl som stationära datorer och bärbara datorer. Det finns ingen ytterligare programvara att ladda ner, och det gick bra på en mängd olika webbläsare (inklusive Microsoft Edge) i mina tester. Du kan placera gränser för antalet rader som visas medan du bygger din modell så att du inte överväldrar din webbläsare med dina frågor. När du är redo att analysera hela datauppsättningen är det en enkel åtgärd att ta bort dessa gränser. Det finns inga faktiska gränser för den fysiska storleken på den datauppsättning som du kan arbeta med; vissa Looker-kunder granskar rutinmässigt databaser med miljoner rader.
Samarbete och visualisering
Looker erbjuder menyer på vänster sida för allmänna aktiviteter som att utforska dina data, administrera ditt konto och skapa nya arbetsytor. För att skapa visualiseringar finns det en visning av dataschemat där du kan dra och släppa element och se vilken SQL-kod som genereras som resultat. Appen har tre olika åtkomstroller: administratör, utvecklare och vanlig användare. Det är inte lika granulärt som Tableau Desktop men är åtminstone en bra start.
Och medan Lookers SQL-fokus gör att det låter som om det är ett verktyg som huvudsakligen riktar sig till teknisk personal, arbetar företaget hårt för att göra programvaran livskraftig för en mer allmän publik också. Ur ett rakt datavisualiseringsperspektiv har Looker blivit mycket mer flexibel under det senaste året, till exempel, vilket möjliggör flera storlekar på instrumentpanelen och lägger till en ny mappningsfunktion. Till skillnad från många BI-verktyg som i första hand fokuserar på att exportera sina visualiseringar för användning i andra appar, lägger Looker faktiskt också en del tonvikt på att importera visualiseringar, vilket gör att kunderna kan använda Javascript för att importera externa bilder till Looker-instrumentpaneler eller helt enkelt importera en extern bild och överlägg Looker-plottdata ovan. Looker stöder också Webhooks, som låter dig använda Looker-dataobjekt som en del av arbetsflöden från tredje part, som de som skapats med Zapier.
Längs dessa linjer lyser Looker när det gäller samarbete. Varje Looker-projekt eller grupp av dataanalyser kan sparas som ett Git-projekt så att individer kan spåra ändringar i sina SQL-kodbaser; det är ett innovativt, naturligt sätt för utvecklare att arbeta tillsammans. Du kan också exportera din analys till en av fem olika platser: en webb-URL, en bit inbäddningskod för antingen dina data eller visualisering för varje webbsida, en datatabell som kan uppdateras dynamiskt för ett Google-kalkylblad eller en frågefil lämplig för Microsoft Excel. Om din organisation använder Slack finns det till och med en Looker Slackbot som gör att användare kan göra livefrågor och få visualiseringar omedelbart tillbaka som en del av en Slack-konversation. Chartio tar extra ut för inbäddningskoden; Looker inkluderar allt i ett enda pris. Att ha alla dessa delningsmetoder innebär att Looker kan bli mer värdefull ju fler människor inom ett företag använder det. De andra BI-verktygen kan lära sig av Lookers exempel genom att tillhandahålla denna mängd samarbetsmetoder också.
Lärande Looker
Lookers största utmaning är att lära sig att blanda och matcha SQL med sitt eget LookML-datamodelleringsspråk. Du använder båda för att bygga dina modeller; Du kan börja med SQL-kod och låta LookML-modelleringsrutinen bygga dina visualiseringar från den här koden och sedan lägga till mer SQL-kod för att förfina din övergripande analys. Detta låter mer komplicerat än det är, och om du redan känner till SQL kommer det inte att vara något problem. Låt mig faktiskt omformulera att: läsning av LookML-koden som produceras hjälper dig att optimera och lära dig att skriva bättre SQL-frågor (en annan fördel med att använda det här verktyget).
Looker har massor av inlärningsverktyg för att hjälpa dig ta reda på saker, inklusive en egen videokanal på Vimeo med mer än 100 olika kortkastlektioner och livevideoinspelningar. Det finns också en måttlig online-dokumentation som innehåller flera "pussel" som motiverar användare att lära sig mer om produkten.
LookML är utdragbar med många olika funktioner. Först är en serie av vad Looker kallar "Blocks" som stöder integrationer med ledande webbprodukter som Salesforce.com, Snowplow och Zendesk, samt att kunna skapa en mängd olika funktioner som att bestämma skillnader mellan repetition och icke-repetition kunder, gör A / B-webbsidor, skapar sekvenser av transaktioner och andra kraftfulla analyser. Det finns också en serie förprogrammerade analytiska mönster som att skapa jämförelser sida vid sida och rapportera om aktiva användare efter en viss tidsperiod. Alla dessa verktyg gör det lättare att distribuera och bädda in Looker-instrumentpaneler i andra produkter och snabbt bygga några mycket komplexa modeller.
Många av dessa funktioner är dokumenterade på Discourse, Lookers diskussionsforum. Detta är också platsen där kunderna kan föreslå nya funktioner som de vill se samt få tillgång till självstudier. Du kommer att upptäcka en hel inlärningsmiljö med många exempeldatasätt på Lookers webbplats. När du har en giltig inloggningsuppgifter för Looker kan du fritt komma åt allt detta innehåll.
Prissättning och versioner
Lookers pris varierar från 3 000 till 5 000 dollar per månad för 10 användare. Ytterligare användare är $ 50 per månad. Detta sätter det bland de dyrare verktygen i denna översynsöversikt - och förmodligen utom räckhåll för de minsta företagen. Looker kommer antingen som en värdtjänst eller som ett Java Archive-paket som kan köras på dina egna servrar om du vill ha den kontrollen.
Om ditt företag genererar Big Data och du har en SQL-guru på personalen, är Looker ett kraftfullt BI-verktyg som du väljer. Dess blandning av SQL- och LookML-muskler med drag-and-drop-dataelement är imponerande liksom dess omfattande samarbetsalternativ.
