Kurs
digicode: LOOKDM
Developing Data Models with LookML
Dieser Kurs vermittelt die Fähigkeiten, skalierbare, leistungsstarke Looker-Modeling Language-(LookML)-Modelle zu entwickeln, die Geschäftsanwendern die standardisierten, einsatzbereiten Daten liefern, die sie zur Beantwortung ihrer Fragen benötigen.
Dauer
1 Tag
Preis
850.–
zzgl. 7.7% MWST
Kurs-Facts
- Definieren der grundlegenden Begriffe und Bausteine von LookML
- Modellieren neuer Dimensionen und Kennzahlen mit LookML
- Verwenden von Dashboards zur Kombination wichtiger Abfragen und Visualisierungen in einer einseitigen Übersicht für Führungskräfte
- Modellieren von Dateien aus LookML-Projekten zum Entwerfen und Erstellen benutzerdefinierter Explores für Geschäftsanwender
- Verwenden abgeleiteter Tabellen zum Erstellen neuer benutzerdefinierter Tabellen, die in der zugrunde liegenden Datenbank nicht vorhanden sind
- Erläutern der Funktionsweise von Caching und der Verwendung von Datengruppen durch Entwickler zur Verwaltung von Caching-Richtlinien
Nach Abschluss dieses Kurses sind Sie in der Lage, LookML-Modelle zu erstellen und zu pflegen, um Daten in der Looker-Instanz Ihres Unternehmens zu kuratieren und zu verwalten.
1 Einführung in Looker und LookML
- Looker und LookML
- Die Looker-Benutzeroberfläche
- Beispiel 1: Die Looker-IDE
- LookML-Projektversionskontrolle
- Beispiel 2: Git-Workflow in Looker
- Wie Looker SQL schreibt
- Erläutern der Vorteile der Verwendung von LookML für die Datenmodellierung und -analyse
- Identifizieren der Hauptkomponenten der Looker-Benutzeroberfläche
- Identifizieren der Zielbenutzer und Funktionen der wichtigsten Elemente der Looker-Benutzeroberfläche
- Definieren der Kernbegriffe der Looker-Plattform und von LookML
- Verstehen der grundlegenden Integration zwischen Looker und Git für die Versionskontrolle
- Beschreiben des LookML-Entwicklungslebenszyklus, einschliesslich der Prozesse zum Schreiben, Validieren, Zusammenführen und Bereitstellen
- Erkennen, wie Looker SQL liest, analysiert und schreibt
- Erläutern der Beziehung zwischen SQL und der LookML-Modellierungssprache
2 Datenmodellierung mit LookML
- Aufbau eines LookML-Projekts
- Modellierung von Dimensionen
- Beispiel 3: Erstellen von Dimensionen mit LookML
- Modellierung von Kennzahlen
- Beispiel 4: Modellierung von Kennzahlen mit LookML
- Modellierungslogik für Dimensionen und Kennzahlen
- LookML-Dashboards
- Übung 1: Erstellen von Dimensionen und Kennzahlen mit LookML
- Detaillierte Beschreibung der hierarchischen Ebenen in einem LookML-Projekt
- Konvertieren zwischen benutzerdefinierten und LookML-Dashboards
- Erstellen von Dimensionen und Kennzahlen in Looker Explore unter Definition geeigneter Datentypen, Formate und Berechnungen
- Suchen von Dimensionen, Kennzahlen und Dashboards in der Looker-IDE
- Verstehen, wie Dimensionen und Kennzahlen die IDE-Entwicklung mit der Verwendung von Explore verbinden
- Modellieren komplexer Dimensionen für eine verbesserte Benutzererfahrung in Looker
- Auflisten der Merkmale und Grundfunktionen eines LookML-Dashboards
- Konvertieren zwischen benutzerdefinierten und LookML-Dashboards
3 Modellierung von Explores für deine Benutzer
- Modellierung neuer Explores
- Verwenden von LookML zum Filtern von Explores
- Verstehen symmetrischer Aggregation
- Erstellen neuer Explores und Filter in der Looker IDE
- Verbinden von Explores und Filtern mit der Datenexploration durch Endbenutzer
- Verstehen symmetrischer Aggregation für die Datenanalyse in Looker
4 Arbeiten mit abgeleiteten Tabellen
- Einführung in abgeleitete Tabellen
- Arten von abgeleiteten Tabellen
- Beispiel 5: Verwendung von SQL-abgeleiteten Tabellen
- Beispiel 6: Verwendung von nativen abgeleiteten Tabellen
- Parameter für native abgeleitete Tabellen
- Verwendung persistenter abgeleiteter Tabellen
- Caching und Datengruppen
- Implementierung von Datengruppen in Looker
- Labor 2: Erstellen abgeleiteter Tabellen mit LookML
- Verstehen abgeleiteter Tabellen, einschliesslich SQL-, nativer und persistenter Typen, und ihrer jeweiligen Zwecke
- Identifizieren geeigneter Anwendungsfälle für abgeleitete Tabellen und Auswählen des optimalen Typs basierend auf spezifischen Anforderungen
- Erklären, wie abgeleitete Tabellen die Effizienz und Effektivität der Datenanalyse in Looker verbessern
- Auffinden der Erstellungspunkte für SQL-, native und persistente abgeleitete Tabellen innerhalb der Looker-Benutzeroberfläche
- Beschreiben des Prozesses der Erstellung von SQL-, nativen und persistenten abgeleiteten Tabellen in Looker
- Identifizieren der beiden wichtigsten Parameter, die in nativen abgeleiteten Tabellen verwendet werden
- Identifizieren optionaler Parameter zur Optimierung der Leistung und Funktionalität nativer abgeleiteter Tabellen
- Definieren von Caching und Datengruppen im Kontext von Looker
- Bestimmen, wann Caching und Datengruppen zur Optimierung von Abfragen implementiert werden sollten
- Bewerten der Auswirkungen von Caching und Datengruppen auf die Gesamtleistung von Looker und die Benutzererfahrung.
- Datenentwickler, die in ihren Unternehmen für die Datenkuratierung und -verwaltung verantwortlich sind
- Datenanalysten, die erfahren möchten, wie Datenentwickler LookML zur Kuratierung und Verwaltung von Daten in der Looker-Instanz ihres Unternehmens einsetzen
Um den grösstmöglichen Nutzen aus diesem Kurs zu ziehen, sollten Teilnehmende über grundlegende Kenntnisse in SQL, Git und der Looker-Benutzeroberfläche für Geschäftsanwender verfügen.
Lernenden ohne Vorkenntnisse als Datenforscher in Looker wird empfohlen, zunächst den folgenden Kurs zu absolvieren: