GSP890

概要

Looker は Google Cloud で利用できる最新のデータ プラットフォームで、インタラクティブにデータを分析して可視化できます。Looker を使用すると、詳細なデータ分析、さまざまなデータソース間での分析情報の統合、実用的なデータドリブン ワークフローの構築、独自のデータ アプリケーションの作成を行うことができます。

Looker では、データの説明に役立つ一意の属性をディメンションと呼びます。たとえば、空港の所在都市と標高はそれぞれ、空港のデータセット内のディメンションである場合があります。メジャーとは、数量や平均などのディメンション（データの一意の属性）を集計したものです。メジャーを使用すると、たとえば、重要業績評価指標（KPI）を算出することができます。また、ビジネス ユーザーに、集計されたさまざまな属性を使用してデータを分析するツールを提供できます。

このラボでは、Looker のデベロッパーとして LookML でさまざまなタイプのディメンションとメジャーを作成する方法を学びます。また、Explore のモデルを変更する方法についても学習します。Explore とは、Looker でビジネス ユーザーが自らデータ探索を行う際の基盤として利用できるデータビューです。

このラボでは、LookML ですでに作成済みの qwiklabs-ecommerce というプロジェクトを使用します。このプロジェクトは e コマースの疑似データセットを基に作成されており、LookML で作成したディメンションとメジャーを使用して、ビジネスの KPI を設定する方法を学ぶことができます。LookML モデリングの詳細については、Looker のドキュメントをご覧ください。

演習内容

このラボでは、次の方法について学びます。

• Looker 管理者が公開した既存の LookML プロジェクト（qwiklabs-ecommerce）を変更する。
• ビジネス ユーザーからの質問に対処するために、LookML でさまざまなタイプのディメンションとメジャーを作成する。
• 開発モードで LookML の変更をテストする。
• Explore インターフェースを使用して、変更された LookML プロジェクト内で作成したディメンションとメジャーを表示する。

設定と要件

[ラボを開始] ボタンをクリックする前に

こちらの説明をお読みください。ラボの時間は制限されており、一時停止することはできません。タイマーは、Google Cloud のリソースを利用できる時間を示しており、[ラボを開始] をクリックするとスタートします。

このハンズオンラボでは、シミュレーションやデモ環境ではなく、実際のクラウド環境を使ってご自身でラボのアクティビティを行うことができます。そのため、ラボの受講中に Google Cloud にログインおよびアクセスするための、新しい一時的な認証情報が提供されます。

このラボを完了するためには、下記が必要です。

• 標準的なインターネット ブラウザ（Chrome を推奨）

注: このラボの実行には、シークレット モードまたはシークレット ブラウジング ウィンドウを使用してください。これにより、個人アカウントと受講者アカウントの競合を防ぎ、個人アカウントに追加料金が発生しないようにすることができます。

• ラボを完了するための時間（開始後は一時停止できません）

注: すでに個人の Google Cloud アカウントやプロジェクトをお持ちの場合でも、このラボでは使用しないでください。アカウントに追加料金が発生する可能性があります。

ラボを開始して Looker にログインする方法

1. 準備ができたら、[ラボを開始] をクリックします。

   [ラボの詳細] ペインに、このラボで使用する一時的な認証情報が表示されます。

   ラボの料金をお支払いいただく必要がある場合は、表示されるポップアップでお支払い方法を選択してください。

   [ラボの詳細] ペインに表示されているラボの認証情報を確認してください（このラボの Looker インスタンスにログインする際に使用します）。

   注: 他の認証情報を使用すると、エラーが表示されたり料金が発生したりします。

2. [Open Looker] をクリックします。

3. 提供されたユーザー名とパスワードを、[Email] フィールドと [Password] フィールドに入力します。

   ユーザー名:

   {{{looker.developer_username | Username}}}

   パスワード:

   {{{looker.developer_password | Password}}} 重要: このページの [ラボの詳細] ペインに表示されている認証情報を使用する必要があります。Google Cloud Skills Boost の認証情報は使用しないでください。ご自身の Looker アカウントをお持ちの場合でも、このラボでは使用しないでください。

4. [Log In] をクリックします。

   正常にログインすると、このラボで使用する Looker インスタンスが表示されます。

タスク 1. ディメンションを作成する

Looker では、ディメンションはグループ化可能なフィールドであり、クエリ結果をフィルタリングするために使用できます。ディメンションには次のものがあります。

• 基になるテーブルの列に直接関連付けられている属性
• ファクトまたは数値
• 単一の行の他のフィールドの値に基づいて計算された派生値

たとえば、Products ビューのディメンションには、製品名、製品モデル、製品の色、製品価格、製造年月日、販売終了日などが含まれます。

ディメンションを使用すると、データポイントのバケットを作成し、さまざまな属性を使用して KPI を分析できます。time、numeric、yesno、stringなど、異なるタイプのディメンションを作成して、データを詳しく分析できます。

年齢層の新しいディメンションを作成する

このセクションでは、age ディメンションに基づいて age_tier という新しいディメンションを作成します。このディメンションは年齢の範囲を一覧表示します。これを行うには、個々の年齢を次の年齢層にグループ化するディメンションを追加します。18、25、35、45、55、65、75、90

1. まず、Looker のユーザー インターフェースの左下にある切り替えボタンをクリックして Development Mode に切り替えます。

2. [Develop] タブをクリックし、qwiklabs-ecommerce という LookML プロジェクトを選択します。

3. qwiklabs-ecommerce プロジェクトに移動したら、[views] の横にある矢印をクリックして、ビュー名のリストを表示します。

4. [users.view] をクリックします。

5. [users.view] で、age のディメンションを見つけます。ファイルは次のようになります。

age などのディメンション フィールドは、基になるデータベース テーブル、または他のディメンションに基づいて計算された値に対応しています。

エディタでは入力時に提案が表示されますが、迷う場合や、さまざまなパラメータとその属性のリストを確認する必要がある場合は、IDE の右側にあるクイックヘルプ メニューをいつでも参照できます。

6. age のディメンションの新しい行で、次のコードを使用して age_tier の新しいディメンションを定義します。

dimension: age_tier { }

7. 次に、ディメンションのタイプを追加します。このディメンションのタイプは tier なので、ここで追加します。

dimension: age_tier { type: tier }

8. 次に、ディメンションの具体的な階層を追加します。この場合、まず 18 歳以下、次に 10 歳刻みで階層をグループ化します。

dimension: age_tier { type: tier tiers: [18, 25, 35, 45, 55, 65, 75, 90] }

9. 次に、style パラメータを定義します。このパラメータは、tier タイプのディメンションに固有のもので、UI での階層の表示方法を変更します。この場合、スタイルは integer にします。

dimension: age_tier { type: tier tiers: [18, 25, 35, 45, 55, 65, 75, 90] style: integer }

10. 最後に、SQL パラメータを追加します。SQL パラメータは、ユーザーが実行するクエリの SQL を記述する方法を Looker に指示します。このディメンションでは、SQL パラメータに既存の age フィールドからデータを取得するように指示しています。

dimension: age_tier { type: tier tiers: [18, 25, 35, 45, 55, 65, 75, 90] style: integer sql: ${age} ;; }

ファイルは次のようになります。

新しいディメンションの追加が完了したので、正しく機能しているかテストできます。

11. [変更を保存] をクリックし、IDE の右上にある [LookML を検証] ボタンをクリックして、LookML コードの検証を実行します。

12. Explore にすばやく移動するには、IDE の上部でファイル タイトルの横のカーソルをクリックし、[Explore Order Items] を選択します。

このファイルメニューには、LookML で Explore が定義されているビューのみが表示されます。

13. 次に、[Users] > [Dimensions] > [Age Tier] で新しいディメンションに移動します。

14. Age と Age Tier のディメンションを追加して、[実行] をクリックします。各年齢が正しい階層に分類されていることがわかります。

15. 次に、Age ディメンションを削除し、Count メジャーを追加して、もう一度 [実行] をクリックします。意図した結果が表示されます。Looker はさまざまな年齢をカウントし、適切な階層にグループ化しました。これで、年齢層の新しいディメンションの作成は完了です。

メールソースの新しいディメンションを作成する

このセクションでは、traffic_source ディメンションに基づいて is_email_source という新しいディメンションを作成します。このディメンションは、特定のユーザーが経由したトラフィック ソースがメールだったかどうかを判断します。

1. qwiklabs-ecommerce プロジェクトに戻り、users.view ファイルを開きます。

2. traffic_source のディメンションを見つけます。ファイルは次のようになります。

3. traffic source のディメンションの新しい行で、次のコードを使用して is_email_source の新しいディメンションを定義します。

dimension: is_email_source { }

4. 次に、type パラメータを追加します。これはブール値の分類であるため、yesno タイプを使用します。

dimension: is_email_source { type: yesno }

5. 最後に、SQL パラメータを追加します。このディメンションでは、SQL パラメータに既存の traffic_source フィールドから「値が "Email" に等しい」ものを取得するように指示しています。

6. 構文の正確さを期すために、"Email" を定義するときは必ず二重引用符（""）を使用してください。

dimension: is_email_source { type: yesno sql: ${traffic_source} = "Email" ;; }

ファイルは次のようになります。

新しいディメンションの追加が完了したので、正しく機能しているかテストできます。

7. [変更を保存] をクリックし、IDE の右上にある [LookML を検証] ボタンをクリックして、LookML コードの検証を実行します。

8. IDE の上部でファイル タイトルの横のカーソルをクリックし、[Explore Order Items] を選択します。

9. 次に、[Users] > [Dimensions] > [Is Email Source (Yes / No)] で新しいディメンションに移動します。

10. Is Email Source ディメンションと Count メジャーを追加して、[実行] をクリックします。結果には、メール経由で獲得したユーザー数と、メール経由以外で獲得したユーザー数が表示されます。これで、メールソースの新しいディメンションの作成は完了です。

配送日数の新しいディメンションを作成する

このセクションでは、order_items ビュー内で注文作成日から注文発送日までの日数を算出する shipping days という名前の新しいディメンションを作成します。

1. qwiklabs-ecommerce プロジェクトに戻り、order_items.view ファイルを開きます。

2. shipped のディメンション グループを見つけます。ファイルは次のようになります。

3. shipped のディメンション グループの新しい行で、次のコードを使用して shipping_days の新しいディメンションを定義します。

dimension: shipping_days { }

4. 次に、type パラメータを追加します。このディメンションでは、number タイプを使用します。

dimension: shipping_days { type: number }

5. 最後に、SQL パラメータを追加します。このディメンションでは、SQL パラメータに shipped_date ディメンションと created_date ディメンションで DATE_DIFF 関数を実行するように指示しています。DAY は、計算する間隔として指定されたものです。

dimension: shipping_days { type: number sql: DATE_DIFF(${shipped_date}, ${created_date}, DAY);; }

ファイルは次のようになります。

6. 新しいディメンションの追加が完了したので、正しく機能しているかテストできます。[変更を保存] をクリックし、IDE の右上にある [LookML を検証] ボタンをクリックして、LookML コードの検証を実行します。

7. IDE の上部でファイル タイトルの横のカーソルをクリックし、[Explore Order Items] を選択します。

8. 次に、[Order Items] > [Dimensions] > [Shipping Days] で新しいディメンションに移動します。

9. Shipping Days ディメンションと Order Count メジャーを追加し、[実行] をクリックします。結果には、配送日数ごとの注文数が表示されます。これで、配送日数の新しいディメンションの作成は完了です。

10. order_items.view ファイルに戻ります。

変更を commit して本番環境にデプロイする

1. [LookML を検証] をクリックしてから、[Commit Changes & Push] をクリックします。

2. commit メッセージを追加して、[Commit] をクリックします。

3. 最後に、[本番環境にデプロイ] をクリックします。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 新しいディメンションを作成する

タスク 2. メジャーを作成する

メジャーは、COUNT、SUM、AVG、MIN、MAX などの SQL 集計関数を使用するフィールドです。他のメジャーの値に基づいて計算されたフィールドもメジャーです。メジャーを使用して、グループ化された値をフィルタリングできます。たとえば、Sales ビューのメジャーには、売上アイテム数（count）、総売上高（sum）、平均売上価格（average）などがあります。

フィールドの動作と期待される値は、string、number、time など、宣言されたタイプによって異なります。メジャーのタイプには sum や percent_of_previous などの集計関数があります。詳細については、ディメンションのタイプとメジャーのタイプをご覧ください。

重複を含まない注文件数を算出するメジャーを作成する

メジャー フィールドは、複数の行の値を集計するために使用されます。このセクションでは、order_items ビュー内の重複を含まない注文件数を算出する count_distinct_orders という名前の新しいメジャーを作成します。

1. qwiklabs-ecommerce プロジェクトに戻り、order_items.view ファイルを開きます。

2. [order_items.view] で、order_item_count のメジャーを見つけます。

3. order_item_count のメジャーの新しい行で、次のコードを使用して count_distinct_orders の新しいメジャーを定義します。

measure: count_distinct_orders { } 注: デフォルトのメジャー名（order_count）を必ず count_distinct_orders に置き換えてください。

4. 次に、type パラメータを追加します。このメジャーには、count_distinct タイプを使用します。count_distinct タイプは、特定のフィールド内にある、重複を含まない値の数を計算します。これには SQL の COUNT DISTINCT 関数が使用されます。

measure: count_distinct_orders { type: count_distinct }

5. 最後に、SQL パラメータを追加します。このメジャーでは、SQL パラメータに既存の order_id フィールドからデータを取得するように指示しています。

measure: count_distinct_orders { type: count_distinct sql: ${order_id} ;; }

ファイルは次のようになります。

新しいメジャーの追加が完了したので、正しく機能しているかテストできます。

6. [変更を保存] をクリックし、IDE の右上にある [LookML を検証] ボタンをクリックして、LookML コードの検証を実行します。

7. IDE の上部でファイル タイトルの横のカーソルをクリックし、[Explore Order Items] を選択します。

8. [Order Items] > [Measures] で、[Count Distinct Orders] をクリックします。

9. [実行] をクリックして、新しいメジャーの値を表示します。新しいメジャーが適切に機能していることを確認できます。

総売上高のメジャーを作成する

このセクションでは、sale_price ディメンションを使用して総売上高を算出する total_sales という名前の新しいメジャーを作成します。

1. qwiklabs-ecommerce プロジェクトに戻り、order_items.view ファイルを開きます。

2. [order_items.view] で、order_item_count のメジャーを見つけます。

3. order_item_count のメジャーの新しい行で、次のコードを使用して total_sales の新しいメジャーを定義します。

measure: total_sales { }

4. type パラメータを追加します。ここでは、sum を使用します。

measure: total_sales { type: sum }

5. SQL パラメータを追加します。このメジャーでは、SQL パラメータに既存の sale_price フィールドからデータを取得するように指示しています。

measure: total_sales { type: sum sql: ${sale_price} ;; }

6. 最後に、value_format_name を追加します。value_format_name パラメータを使用すると、Looker に組み込まれた形式や、再利用可能な独自のカスタム形式を使用して、データ値を書式設定できます。ここでは売上高を計算するため、米ドル（usd_0）を使用します。

measure: total_sales { type: sum sql: ${sale_price} ;; value_format_name: usd_0 }

ファイルは次のようになります。

新しいメジャーの追加が完了したので、正しく機能しているかテストできます。

7. [変更を保存] をクリックし、IDE の右上にある [LookML を検証] ボタンをクリックして、LookML コードの検証を実行します。

8. IDE の上部でファイル タイトルの横のカーソルをクリックし、[Explore Order Items] を選択します。

9. [Order Items] > [Measures] で、[Total Sales] をクリックします。

10. [実行] をクリックして、新しいメジャーの値を表示します。

11. order_items.view ファイルに戻ります。

変更を commit して本番環境にデプロイする

1. [LookML を検証] をクリックしてから、[Commit Changes & Push] をクリックします。

2. commit メッセージを追加して、[Commit] をクリックします。

3. 最後に、[本番環境にデプロイ] をクリックします。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 メジャーを作成する

タスク 3. 高度なメジャーを作成する

高度なメジャーを使用すると、現在のビューファイルの外部で定義されたディメンションからカスタム指標を追加で作成できます。特定のフィルタ条件を指定して、フィルタされた特別なメジャーを作成することもできます。

メール経由でウェブサイトにアクセスしたユーザーのみの総売上高を算出する、フィルタされたメジャーを作成する

このセクションでは、total_sales_email_users という名前の新しい高度なメジャーを作成します。このメジャーは、メール経由でウェブサイトにアクセスしたユーザーのみの総売上高を算出します。

1. qwiklabs-ecommerce プロジェクトに戻り、order_items.view ファイルを開きます。

2. [order_items.view] で、order_item_count のメジャーを見つけます。

3. order_item_count のメジャーの新しい行で、次のコードを使用して total_sales_email_users の新しいメジャーを定義します。

measure: total_sales_email_users { }

4. 次に、タイプを追加します。ここでは、合計販売額を計算するため、sum を使用します。

measure: total_sales_email_users { type: sum }

5. SQL パラメータを追加します。このメジャーでは、SQL パラメータに既存の sale_price フィールドからデータを取得するように指示しています。

measure: total_sales_email_users { type: sum sql: ${sale_price} ;; }

最後に、filters パラメータを追加します。クエリ全体をフィルタするのではなく、メジャーに直接フィルタを適用するには、メジャーの LookML 定義に filters パラメータを追加します。これにより、生成された SQL のメジャーに CASE WHEN ステートメントの形式でフィルタが適用されます。クエリ全体にグローバルな WHERE 句を適用するのとは異なります。

そのため、集計後にクエリから行を削除するのではなく、フィルタされたメジャーは、指定された条件を満たす行のみを集計します。このアプローチでは、母集団のサブセットを他のサブセットや母集団全体と比較して調べることができます。

6. 次の filters パラメータを追加します。ここでは、users.view ファイル内で先ほど作成した is_email_source ディメンションを使用します。

measure: total_sales_email_users { type: sum sql: ${sale_price} ;; filters: [users.is_email_source: "Yes"] } 注: 次のコードを使用して、traffic_source ディメンションを参照することもできます。 measure: total_sales_email_users { type: sum sql: ${sale_price} ;; filters: [users.traffic_source: "Email"] }

ファイルは次のようになります。

新しいメジャーの追加が完了したので、正しく機能しているかテストできます。

7. [変更を保存] をクリックし、IDE の右上にある [LookML を検証] ボタンをクリックして、LookML コードの検証を実行します。

8. IDE の上部でファイル タイトルの横のカーソルをクリックし、[Explore Order Items] を選択します。

9. [Order Items] > [Measures] で、[Total Sales Email Users] をクリックします。

10. [実行] をクリックして、新しいメジャーの値を表示します。

メール経由のユーザーに起因する売上高のパーセンテージを算出するメジャーを作成する

このセクションでは、percentage_sales_email_source という名前の新しい高度なメジャーを作成します。このメジャーは、メール経由のユーザーに起因する売上高のパーセンテージを算出します。

1. qwiklabs-ecommerce プロジェクトに戻り、order_items.view ファイルを開きます。

2. [order_items.view] で、order_item_count のメジャーを見つけます。

3. order_item_count のメジャーの新しい行で、次のコードを使用して percentage_sales_email_source の新しいメジャーを定義します。

measure: percentage_sales_email_source { }

4. 次に、タイプを追加します。ここでは合計販売数を計算するため、number を使用します。

measure: percentage_sales_email_source { type: number }

5. 次に、value_format_name パラメータを追加します。パーセンテージを計算するので、percent_2 を使用できます。

measure: percentage_sales_email_source { type: number value_format_name: percent_2 }

6. SQL パラメータを追加します。このメジャーでは、SQL パラメータに既存の total_sales_email_users フィールドからデータを取得し、total_sales で除算するように指示しています。

注: パーセンテージのメジャーを作成する際は、パーセンテージの計算においてゼロで除算していないことを確認するとよいでしょう。これは、NULLIF SQL 関数を使用して行えます。 measure: percentage_sales_email_source { type: number value_format_name: percent_2 sql: 1.0*${total_sales_email_users} / NULLIF(${total_sales}, 0) ;; }

ファイルは次のようになります。

新しいメジャーの追加が完了したので、正しく機能しているかテストできます。

7. [変更を保存] をクリックし、IDE の右上にある [LookML を検証] ボタンをクリックして、LookML コードの検証を実行します。

8. IDE の上部でファイル タイトルの横のカーソルをクリックし、[Explore Order Items] を選択します。

9. [Order Items] > [Measures] で、[Percentage Sales Email Source] をクリックします。

10. [実行] をクリックして、新しいメジャーの値を表示します。これで、メール経由のユーザーに起因する売上高のパーセンテージを算出するメジャーの作成は完了です。

11. order_items.view ファイルに戻ります。

変更を commit して本番環境にデプロイする

1. [LookML を検証] をクリックしてから、[Commit Changes & Push] をクリックします。

2. commit メッセージを追加して、[Commit] をクリックします。

3. 最後に、[本番環境にデプロイ] をクリックします。

[進行状況を確認] をクリックして、目標に沿って進んでいることを確認します。 高度なメジャーを作成する

お疲れさまでした

このラボでは、Looker のデベロッパーとして LookML でさまざまなタイプのディメンションとメジャーを作成する方法を学びました。また、Explore（Looker のビジネス ユーザーが自らデータ探索を行う際の基盤として利用できるデータビュー）のモデルを変更する方法や、フィルタを使用した高度なメジャーを作成する方法についても学びました。

次のステップと詳細情報

• LookML クイックリファレンス
• LookML の用語と概念
• Looker コミュニティへの参加
• LookML の基礎の補足

Google Cloud トレーニングと認定資格

Google Cloud トレーニングと認定資格を通して、Google Cloud 技術を最大限に活用できるようになります。必要な技術スキルとベスト プラクティスについて取り扱うクラスでは、学習を継続的に進めることができます。トレーニングは基礎レベルから上級レベルまであり、オンデマンド、ライブ、バーチャル参加など、多忙なスケジュールにも対応できるオプションが用意されています。認定資格を取得することで、Google Cloud テクノロジーに関するスキルと知識を証明できます。

マニュアルの最終更新日: 2024 年 4 月 22 日

ラボの最終テスト日: 2023 年 5 月 18 日

Copyright 2025 Google LLC. All rights reserved. Google および Google のロゴは Google LLC の商標です。その他すべての企業名および商品名はそれぞれ各社の商標または登録商標です。