Looker

Looker est une plateforme de Business Intelligence et d'analyse de données rachetée par Google Cloud en 2020. Elle se distingue par son approche « data modeling as code » basée sur LookML, un langage propriétaire permettant de définir la logique métier et les transformations de données de manière centralisée. Looker permet aux équipes d'accéder aux données directement depuis leurs sources sans nécessiter d'extraction préalable, favorisant ainsi l'analyse en temps réel et la gouvernance des données.

Fondements de Looker

• LookML : langage de modélisation sémantique définissant dimensions, mesures et relations entre tables
• Architecture sans ETL : requêtes SQL générées dynamiquement et exécutées directement sur l'entrepôt de données
• Logique métier centralisée : une seule source de vérité pour les définitions et calculs métier
• Intégration native : connexion à 60+ bases de données et entrepôts (BigQuery, Snowflake, Redshift, PostgreSQL)

Avantages de Looker

• Gouvernance renforcée : modifications de logique métier appliquées instantanément à tous les rapports
• Performance optimisée : requêtes exécutées directement sur l'entrepôt, exploitant sa puissance de calcul
• Collaboration développeur : modèles LookML versionnés avec Git, revue de code et CI/CD possibles
• Self-service analytique : utilisateurs métier créent leurs propres analyses sans SQL
• Intégration applicative : API robuste et embedding pour intégrer analytics dans applications tierces

Exemple concret de modèle LookML

view: orders {
  sql_table_name: public.orders ;;

  dimension: order_id {
    primary_key: yes
    type: number
    sql: ${TABLE}.order_id ;;
  }

  dimension_group: created {
    type: time
    timeframes: [date, week, month, quarter, year]
    sql: ${TABLE}.created_at ;;
  }

  dimension: status {
    type: string
    sql: ${TABLE}.status ;;
  }

  measure: total_orders {
    type: count
    drill_fields: [order_id, created_date, status]
  }

  measure: total_revenue {
    type: sum
    sql: ${TABLE}.sale_price ;;
    value_format_name: usd
  }

  measure: average_order_value {
    type: number
    sql: ${total_revenue} / NULLIF(${total_orders}, 0) ;;
    value_format_name: usd
  }
}

Ce modèle LookML définit une vue réutilisable avec dimensions (attributs descriptifs), dimensions temporelles avec granularités multiples, et mesures agrégées. Les utilisateurs peuvent ensuite explorer ces champs via l'interface Looker sans écrire de SQL.

Mise en œuvre de Looker

1. Connexion : configurer la connexion à l'entrepôt de données cible avec credentials appropriés
2. Modélisation LookML : créer les vues (views) définissant tables et champs métier
3. Définition des Explores : configurer les jointures entre vues pour créer espaces d'exploration
4. Développement de contenu : créer Looks (rapports sauvegardés) et Dashboards pour utilisateurs finaux
5. Gestion des accès : configurer les rôles, permissions et row-level security selon besoins métier
6. Intégration CI/CD : connecter projet LookML à Git et automatiser validation/déploiement
7. Formation utilisateurs : former équipes métier à l'exploration de données et création de rapports

Outils associés

• Google BigQuery : entrepôt de données cloud avec intégration native Looker optimisée
• Snowflake : plateforme data cloud populaire avec connecteur Looker haute performance
• dbt (data build tool) : transformation de données en amont, complémentaire à Looker pour modélisation
• Tableau : alternative BI avec approche visualisation-first plutôt que modeling-first
• Mode Analytics : plateforme analytics combinant SQL, notebooks et visualisations
• Metabase : solution BI open-source pour équipes recherchant simplicité et auto-hébergement

Looker transforme l'approche traditionnelle de la Business Intelligence en plaçant la modélisation de données au cœur du processus analytique. Son architecture moderne et son intégration profonde avec les entrepôts cloud en font un choix stratégique pour les organisations data-driven recherchant gouvernance, performance et autonomie analytique à grande échelle.