4.0
Older than 12 months
Das Tool macht es sehr einfach sich in der Daten-Welt zu bewegen
Video transcript
Hi, ich bin Chris Lubasch und heute möchte ich mit euch kurz über Looker sprechen. Vor einiger Zeit hätte ich wohl noch gesagt, the new kid on the block, aber spätestens nach der Akquisition durch Google in 2019 ist Looker dann wahrscheinlich doch im Bereich der Champions League angekommen. Aber wie schlägt es sich? Ich habe in den letzten Jahren mit vielen Unternehmen im Bereich Daten, digitales Wachstum und datengetriebenes Marketing gearbeitet und dabei auch mit Leroi Consulting eine eigene Beratungsagentur für Daten und Analytics mitgegründet, die dann 2019 durch die Agenturgruppe Dept übernommen wurde, wo ich nun als Partner das Daten- und Analytics-Geschäft für unsere Kunden vorantreibe.
So, Looker gebe ich auf einer Skala von 1 bis 10, eine 8. Looker ist wie beispielsweise auch Tableau oder Power BI eine Lösung zur Datenaufbereitung, Analyse und Visualisierung. Viele sagen auch einfach im BI-Tool. Das heißt, ihr könnt damit beispielsweise Dashboards oder Reports bauen.
Um im Anschluss Erkenntnisse aus den Daten zu gewinnen. Und darum geht es ja letztlich. Ohne die Erkenntnisse sind die meisten Daten eben wertlos. Was Looker insgesamt am meisten besonders macht, ist sicher LookML.
Die eigene Sprache und Möglichkeit zur Datenmodellierung bzw. Definition von Metriken und Dimensionen direkt im BI-Tool. Teilweise auch Geschäftslogik. Es ist nicht so, dass es in anderen Tools jetzt gar nicht möglich wäre, benutzerdefinierte Formeln, Metriken oder ähnliches anzulegen.
Aber Looker hebt es alles nochmal auf ein anderes Level. Mithilfe von LookML lassen sich so Teile der Logik aus der Datenbank beziehungsweise dem Data Warehouse direkt in das BI-Tool verlagern. Und obwohl LookML auch gelernt werden muss und unter der Haube im Prinzip eher eine Art großer SQL-Generator ist, ermöglicht das erfahrungsgemäß viel mehr Analysten und Fachkräften den direkten Zugang. Wie zum Beispiel auch direkt im Marketing.
Weil sie eben selbst einen Teil der Logiken weiterentwickeln und überwachen können. Technisch ist es auch deswegen spannend, weil Looker statt einem reinen Drag-and-Drop-Interface wie bei anderen Tools dann mit LookML-Metriken und Dimensionen direkt in das BI-Tool verlagert. Looker ermöglicht euch dann, den Code in Versionierungssystemen einzuchecken, wie zum Beispiel GitHub, um dort gleichzeitig zu entwickeln, ohne den Produktivbetrieb zu stören. Mehrere sogenannte Branches oder sagen wir mal verschiedene Varianten gleichzeitig zu betreuen und zu entwickeln und vieles mehr.
Ich persönlich finde es super, denn Business Intelligence sollte und könnte noch viel mehr von der IT lernen und übernehmen, um bessere und verlässlichere Systemlandschaften zu erzeugen. Im Übrigen lässt sich damit dann auch als Nebenprodukt eine ganz gute Dokumentationsgrundlage erstellen. Ein weiterer Punkt, der für LookML spricht, ist die Wiederverwendbarkeit von Code. Im Prinzip kann man es sich als eine Art Lego-Baustein vorstellen, die immer wieder referenziert und verwendet werden können.
Idealerweise definiert ihr eine Metrik eben nur an einer Stelle. In Datenbanken geht es zum Teil auch, aber meines Erachtens weniger gut. Der zweite tolle Aspekt bei Looker ist für mich die Data Discovery. Das Tool macht es einfach wahnsinnig einfach, sich im Datenmodell zu bewegen.
Das heißt, Nutzer können nicht nur relativ simpel ähnlich eine Pivot-Tabelle in Excel-Reports zusammenklicken, sondern auch dynamisch durch jene hinweg klicken. Man kann sozusagen festlegen, was als nächstes angezeigt werden soll, wenn der Nutzer eben auf genau diese bestimmte Metrik klickt. Wir haben heutzutage so krass viele Daten und wir können nicht für alles immer einen vorgebauten Report nutzen. Da hilft die Discovery eben wahnsinnig weiter.
Und ansonsten, klar, Filter, Drilldowns und so weiter gibt es natürlich auch. Looker versteht sich primär als Datenplattform, das heißt nicht nur rein als Datenplattform, auf die menschliche Analyse ausgerichtet, sondern auch in der Lage, automatisch beziehungsweise eingeplante Datasets an bestimmten Stellen zu exportieren oder auch andere Tools via APIs zu connecten. Kunden können das zum Beispiel nutzen, um direkt aus Looker dann Google Ads Kampagnen zu starten oder zu pausieren. Die Nutzung von Looker als Browser basiert und für den Endanwender in der Regel, würde ich sagen, sehr einfach zu lernen, von den fortgeschrittenen Use Cases vielleicht mal abgesehen.
Zwar wohl nicht entscheidend am Ende des Tages, aber die Visualisierungsmöglichkeiten von Looker spielen nicht unbedingt in der gleichen Liga, wie zum Beispiel von einem Tableau. Eine tolle Visualisierung ist vielleicht auch nicht alles zugegeben, aber manchmal hilft sie eben halt doch. LookML benötigt auf jeden Fall auch eine Einarbeitungszeit. Wer schon gut SQL kann, der wird sich sowieso mehr oder weniger schnell zurechtfinden können, aber auch für Analysten, die das nicht können, dürfte es regelmäßig einigermaßen trivial sein, LookML zu lernen.
Trotzdem gönnt euch die Zeit zum Lernen, damit ihr das Tool überhaupt andersweise optimal ausnutzen könnt. Looker kommt ohne eigene In-Memory-Technologie. Abfragen gehen damit immer direkt auf die Datenbanken und das heißt, ihr müsst euer Setup insgesamt eben ordentlich optimieren, weil es sonst einfach zu langsam wird. Indirekt damit verbunden ist dann auch die fehlende Möglichkeit zum Data Blending, also dem On-the-Fly-Zusammenführen verschiedener Quellen.
Hier mal ein Excel-Workbook, da mal eine API, gemeinsam mit der Datenbank analysieren, das geht bei Looker nur sehr eingeschränkt. Wo LookML im Grunde oft super cool ist, macht es Looker leider auch anfällig. Wer nicht so viel Erfahrung hat, kann sich auf die Datenbank kümmern. Der kann zwar schnell viel erreichen, aber der wird wahrscheinlich mehr als nur einmal den Code zum Teil neu schreiben müssen.
Mächtig ist es auf der einen Seite, andererseits eben auch anfällig für einen schlechten Stil und Performance-Probleme, gerade in komplexeren Setups. Macht unbedingt eine Demo und vielleicht auch ein Proof of Concept. Looker kann mega cool sein, aber es gibt halt auch Teams und Personen, die kommen damit nicht so gut klar. Nicht wenige haben sich übrigens auch gefragt, welchen Teil des Datenmodells der Looker direkt in Looker oder doch eben eher im Data Warehouse bzw. außerhalb modellieren sollten.
Macht euch ein klares Konzept, sprecht mit anderen Nutzern, Looker Implementierungspartnern oder holt euch eben woanders Ideen zu Best Practices. Es geht zwar auch ohne, aber die Gefahr von einem großen Refactoring später steigt. Wer sich mit LookML und der Code-ähnlichen Arbeitsweise inklusive Versionskontrolle anfreunden kann, der kann mit Looker wirklich super viel erreichen. Mit einem geschickten Datenmodell, das über die Definition von Metriken und Dimensionen hinausgeht.
Vielleicht gar auf die Data Discovery. Damit kann man wirklich viel machen und da ist Looker echt eine tolle Basis für Self Service Analytics. Also im Prinzip den zugänglich machen von Daten zur Analyse für die breite Masse an Kolleginnen und Kollegen und nicht nur für einige wenige.
Christian
Validated Reviewer
Partner & Founder at Dept Agency
Online Media
1,001–5,000 employees
Use cases:Business Intelligence (BI)
