Blog > Digital Analytics > Looker technische Basics: Das A und O der Datenbereitstellung - Teil 2

Looker technische Basics: Das A und O der Datenbereitstellung - Teil 2

von Ekrem Aslan

30. Juli 2024

Lesedauer: 5 Minuten

Management Summary

Dieser Artikel bietet eine umfassende Übersicht über die technischen Grundlagen von Looker. Er behandelt das Konzept des semantischen Layers, die API-Integration und die Designmöglichkeiten von Embeds. Es werden die Unterschiede zwischen ephemeren und persistenten Derived Tables sowie nativen und SQL-basierten Tabellen erklärt. Performance-Aspekte wie Caching und symmetric aggregation werden beleuchtet. Zudem wird die Access Policy in Looker mit Fokus auf Daten-, Feature- und Inhaltszugriff detailliert beschrieben. Entdecken Sie, wie Looker Ihr Unternehmen durch effiziente Datenanalysen unterstützen kann!

Digital Analytics

Webanalyse steht für Messbarkeit und ist die Grundlage für langfristige Erfolgskontrolle und Effizienzsteigerung Ihrer (Online) Marketing Aktivitäten.

Mehr Erfahren

Erleben Sie die vielseitigen Möglichkeiten von Looker! Nachdem wir in Teil eins eine Übersicht über die Architektur von Looker gegeben haben, führ dieser Artikel Sie durch den semantischen Layer, die API-Integration und innovative Embedding-Techniken. Nutzen Sie die neuesten technischen Grundlagen von Looker für optimierte Datenanalysen.

Zugriffsrechte - Data-, Feature- und Content Access

Der Zugriff in Looker basiert auf drei grundlegenden Säulen: Datenzugriff, Funktionszugriff und Contentzugriff. Diese Säulen bilden die Grundlage für eine feingranulare Zugriffssteuerung, die sicherstellt, dass Benutzer nur auf die für ihre Rolle relevanten Daten und Funktionen zugreifen können. Datenzugriff regelt, welche Datenquellen und -felder die Konsumenten der Daten sehen können. Funktionszugriff steuert, welche Aktionen Benutzer innerhalb von Looker ausführen dürfen, wie das Erstellen von Berichten oder das Exportieren von Daten. Inhaltszugriff definiert, welche Dashboards und Berichte für die Benutzer zugänglich sind.

User attributes

Benutzerattribute sind zentrale Parameter in Looker, die es ermöglichen, den Datenzugriff individuell anzupassen. Sie können für jeden Benutzer spezifische Attribute definieren, wie z.B. Abteilung, Standort oder Rolle, und diese Attribute nutzen, um den Zugriff auf Daten und Funktionen zu steuern. Ein Beispiel wäre, dass ein Vertriebsmitarbeiter nur auf die Verkaufsdaten seiner Region zugreifen darf. Benutzerattribute ermöglichen eine dynamische und flexible Zugriffssteuerung, die leicht an sich ändernde Organisationsstrukturen und Geschäftsanforderungen angepasst werden kann und werden in Kombination mit Access-Filtern angewendet.

Beispiel: Definition eines Benutzerattributs in LookML

user_attribute: region {
label: “Region”
type: string
}

Access filters - Reihen-Level-Kontrolle

Zugriffsfilter bieten eine dynamische Möglichkeit, den Datenzugriff basierend auf den User-Attributen einzuschränken. Diese Filter können automatisch angewendet werden, um sicherzustellen, dass Benutzer nur die Daten sehen, die für sie relevant und zulässig sind. Ein typisches Szenario ist das Filtern von Verkaufsdaten nach Region oder Kundensegment, abhängig von den Benutzerattributen. Beispielsweise könnte ein Vertriebsmitarbeiter aus der Region Nord nur die Verkaufszahlen für diese Region sehen, während ein anderer Mitarbeiter aus der Region Süd nur die entsprechenden Daten für seine Region einsehen kann.

Beispiel: Anwendung eines Zugriffsfilters in LookML

explore: sales {
access_filter: {
field: region
user_attribute: region
}
}

Field access - Spalten-Level-Kontrolle

Feldzugriff in Looker ermöglicht es Administratoren, den Zugriff auf spezifische Datenfelder zu steuern. Dies ist besonders nützlich, wenn bestimmte Felder sensible Informationen enthalten, die nur für ausgewählte Benutzer sichtbar sein sollten. Beispielsweise können Gehaltsinformationen in HR-Dashboards nur für Benutzer mit entsprechenden Berechtigungen zugänglich gemacht werden. Durch die Definition von Feldzugriffsregeln können Unternehmen sicherstellen, dass vertrauliche Daten geschützt bleiben und nur von denjenigen eingesehen werden, die tatsächlich darauf zugreifen müssen.

Beispiel: Einschränkung des Field-Access in LookML

view: employee_data {
field: salary {
access_grant: can_view_salary
type: number
}
}

Derived Tables

Abgeleitete Tabellen sind virtuelle Tabellen, die auf der Basis von SQL-Abfragen oder bestehenden Datenmodellen erstellt werden. Sie bieten eine flexible Möglichkeit, Daten zu transformieren und anzureichern, bevor sie für Analysen genutzt werden. Ein Beispiel könnte eine abgeleitete Tabelle sein, die aggregierte Verkaufsdaten für wöchentliche Berichte berechnet. Abgeleitete Tabellen können auch verwendet werden, um komplexe Berechnungen und Datenmanipulationen durchzuführen, ohne die zugrunde liegenden Datenquellen zu ändern. Dies ermöglicht eine hohe Flexibilität und Anpassungsfähigkeit bei der Datenanalyse.

Beispiel: Erstellung einer abgeleiteten Tabelle in LookML

derived_table: {
sql: SELECT
order_id,
customer_id,
SUM(total_amount) as total_sales
FROM
orders
GROUP BY
order_id, customer_id ;;
}

Ephemere vs. persistente abgeleitete Tabellen

Ein wichtiges Konzept bei abgeleiteten Tabellen in Looker ist der Unterschied zwischen ephemeren und persistenten abgeleiteten Tabellen.

Ephemere abgeleitete Tabellen werden zur Laufzeit erstellt und existieren nur so lange, wie die Abfrage läuft. Sie sind nützlich für Ad-hoc-Analysen und Tests, da sie keine dauerhafte Speicherung erfordern und schnell aktualisiert werden können. Diese Tabellen belasten jedoch die Datenbank bei jeder Abfrage neu, da sie bei jeder Abfrage neu berechnet werden müssen.

Beispiel: Ephemere abgeleitete Tabelle

view: ephemeral_sales {
derived_table: {
sql: SELECT
order_id,
customer_id,
SUM(total_amount) as total_sales
FROM
orders
GROUP BY
order_id, customer_id ;;
datagroup_trigger: sales_datagroup
}
}

Persistente abgeleitete Tabellen hingegen werden einmal berechnet und in der Datenbank gespeichert. Sie bieten den Vorteil, dass sie wiederverwendet werden können, ohne die Datenbank bei jeder Abfrage neu zu belasten. Dies verbessert die Abfrageleistung erheblich, besonders bei großen Datensätzen und komplexen Berechnungen. Persistente Tabellen müssen jedoch regelmäßig aktualisiert werden, um sicherzustellen, dass die Daten aktuell bleiben.

Beispiel: Persistente abgeleitete Tabelle

view: persistent_sales {
derived_table: {
sql_trigger_value: SELECT MAX(updated_at) FROM orders
sql: SELECT
order_id,
customer_id,
SUM(total_amount) as total_sales
FROM
orders
GROUP BY
order_id, customer_id ;;
}
}

Der Unterschied zwischen ephemeren und persistenten abgeleiteten Tabellen ist entscheidend für die Leistung und Skalierbarkeit von Looker-Implementierungen. Während ephemere Tabellen für schnelle und flexible Analysen nützlich sind, bieten persistente Tabellen eine effizientere Lösung für regelmäßige und umfangreiche Datenabfragen. Die Wahl zwischen diesen beiden Ansätzen hängt von den spezifischen Anforderungen und der Dateninfrastruktur des Unternehmens ab.

Native vs. SQL Derived Tables

Native Derived Tables (NDTs) verwenden LookML zur Definition der Tabellenstruktur und nutzen Lookers native Funktionen und Abstraktionen, während SQL Derived Tables (SDTs) rohes SQL für ihre Definitionen verwenden. NDTs bieten Einfachheit und leichtere Wartung innerhalb des LookML-Ökosystems, während SDTs Flexibilität für komplexe SQL-Logik bieten.

Beispiel: Native Derived Table

view: native_sales {
derived_table: {
explore_source: sales {
column: order_id { field: order_id }
column: customer_id { field: customer_id }
column: total_sales { measure: total_amount }
}
}
}

Aggregate table literacy

Das Verständnis und die Nutzung aggregierter Tabellen sind entscheidend für die Optimierung der Analyseleistung. Aggregierte Tabellen fassen Daten zusammen, um komplexe Berechnungen zu beschleunigen und die Abfragezeit zu verkürzen. Durch die strategische Implementierung solcher Tabellen können Unternehmen die Effizienz ihrer Datenanalysen erheblich steigern. Ein Beispiel wäre die Erstellung einer aggregierten Tabelle, die monatliche Verkaufszahlen nach Produktkategorie zusammenfasst, um die Performanceanalyse zu beschleunigen. Das richtige Verständnis und die Anwendung dieser Technik können die Last auf die Datenbank reduzieren und die Reaktionszeiten für Benutzeranfragen verbessern.

Beispiel: Erstellung einer aggregierten Tabelle in LookML

aggregate_table: monthly_sales {
query: {
dimensions: [month, product_category]
measures: [total_sales]
}
sql_table_name: my_agg_table
connection: my_connection
}

API und Embedding

Die Looker API

Die Looker API bietet eine vielseitige Schnittstelle für die Automatisierung von Prozessen und die Integration von Looker mit anderen Systemen. Über die API können Daten abgerufen, Dashboards erstellt und verwaltet sowie benutzerdefinierte Analysen durchgeführt werden. Dies erweitert die Funktionalität von Looker und ermöglicht eine nahtlose Integration in bestehende IT-Landschaften. Entwickler können die API nutzen, um maßgeschneiderte Anwendungen zu erstellen, die direkt auf Looker-Daten zugreifen, oder um wiederkehrende Aufgaben wie das Aktualisieren von Berichten zu automatisieren. Ein Beispiel wäre die Verwendung der API, um Verkaufsdaten aus einem CRM-System automatisch in Looker zu importieren und zu analysieren.

Looker bietet eine vollständige Abdeckung via API und somit kann jede Funktion darüber gesteuert und abgerufen werden.

Application embedding

Das Einbetten von Looker-Dashboards in andere Anwendungen ist eine leistungsstarke Funktion, die es ermöglicht, Datenanalysen direkt in den Arbeitsablauf zu integrieren. Durch Application Embedding können Benutzer Looker-Datenvisualisierungen in ihre täglichen Tools und Prozesse einbinden, was die Zugänglichkeit und Nutzbarkeit von Daten erheblich verbessert. Ein Beispiel wäre das Einbetten eines Verkaufsdashboards in ein CRM-System, um den Vertriebsteams Echtzeiteinblicke zu bieten. Dies fördert die datengetriebene Entscheidungsfindung und erleichtert den Zugang zu relevanten Informationen, ohne dass Benutzer zwischen verschiedenen Anwendungen wechseln müssen.

Beispiel: Einbetten eines Dashboards

Designmöglichkeiten von Embeds

Die Einbettung von Looker-Inhalten bietet vielfältige Gestaltungsmöglichkeiten, die es ermöglichen, maßgeschneiderte und interaktive Datenvisualisierungen direkt Anwendungen zu integrieren. Diese Embeds können individuell angepasst werden, um nahtlos zum bestehenden Design der Anwendung zu passen und ein konsistentes Benutzererlebnis zu gewährleisten.

Looker-Dashboards und -Berichte können so eingebettet werden, dass sie wie native Bestandteile der Anwendung wirken. Dabei können Layout, Farben und Schriftarten an das Design der Anwendung angepasst werden. Entwickler haben die Freiheit, die Benutzeroberfläche zu gestalten und interaktive Elemente hinzuzufügen, die den Nutzern ermöglichen, tiefere Einblicke in die Daten zu gewinnen.

Looker als Schnittstelle zwischen Applikation und Rohdaten - der semantische Layer

Der “semantische Layer” in Looker bildet die Brücke zwischen rohen Daten und benutzerfreundlichen Analysen. Er ermöglicht es, komplexe Datenmodelle aufzubauen, die spezifische Geschäftsanforderungen widerspiegeln und gleichzeitig eine einheitliche und konsistente Sicht auf die Daten gewährleisten. Zusätzlich dazu eine vollständige API-Abdeckung und die Möglichkeit für Embeddings hebt Looker klar von einem reinen Analyse- und BI-Tool ab und qualifiziert es als hervorragendes Datenmanagement-Tool.

Fazit

Dieser Artikel hat Ihnen gezeigt, wie Sie den semantischen Layer, die API-Integration und fortschrittliche Embedding-Techniken nutzen können, um Ihre Datenanalysen und -darstellungen zu optimieren.

Beginnen Sie noch heute mit der Implementierung und maximieren Sie das Potenzial Ihrer Daten. Kontaktieren Sie uns unter kontakt@e-dialog.at und setzen Looker effektiv in Ihrem Unternehmen ein!

Kampagne anfragen

Bereit für Ihr neues Projekt?

Wir freuen uns auf Ihre Anfrage und beraten Sie gerne unverbindlich! Füllen Sie dazu einfach das Kontaktformular aus oder rufen uns direkt an.

Jetzt kontaktieren

Weitere Themen