GSP890

개요

Looker는 데이터를 대화형으로 분석하고 시각화할 수 있는 Google Cloud의 최신 데이터 플랫폼입니다. Looker를 사용하여 심도 있게 데이터를 분석하고, 다양한 데이터 소스에서 인사이트를 통합하고, 작업 가능한 데이터 기반 워크플로를 구축하며, 커스텀 데이터 애플리케이션을 만들 수 있습니다.

Looker에서 측정기준은 데이터를 설명하는 데 활용할 수 있는 데이터의 고유한 속성입니다. 예를 들어 공항 데이터 세트에서 공항의 도시와 고도는 측정기준이 서로 다릅니다. 측정값은 개수 또는 평균과 같이 하나 이상의 측정기준(또는 데이터의 고유 속성)을 집계한 값입니다. 측정값을 사용하면 핵심성과지표(KPI)를 계산할 수 있으며 비즈니스 사용자가 여러 집계된 속성을 사용하여 데이터를 분석할 수 있습니다.

이 실습에서는 Looker 개발자로서 LookML에서 다양한 유형의 측정기준과 측정값을 만드는 방법을 알아봅니다. 또한 Looker에서 비즈니스 사용자의 셀프서비스 탐색을 위한 기반 역할을 하는 데이터 뷰인 Explore의 모델을 수정하는 방법도 알아봅니다.

이 실습에서는 LookML에 qwiklabs-ecommerce라는 프로젝트가 이미 생성되어 있습니다. 이 프로젝트는 모의 전자상거래 데이터 세트를 기반으로 하며, LookML을 사용하여 만든 측정기준과 측정값을 활용하여 비즈니스 KPI를 만들 수 있도록 합니다. Looker 문서에서 LookML 모델링에 대해 자세히 알아볼 수 있습니다.

실습할 내용

이 실습에서는 다음을 수행하는 방법에 대해 알아봅니다.

• Looker 관리자가 게시한 기존 LookML 프로젝트(qwiklabs-ecommerce)를 수정합니다.
• LookML에서 다양한 유형의 측정기준과 측정값을 만들어 비즈니스 사용자의 질문에 답할 수 있습니다.
• 개발 모드에서 LookML 변경사항을 테스트합니다.
• Explore 인터페이스를 사용하여 수정된 LookML 프로젝트에서 생성한 측정기준과 측정값을 확인합니다.

설정 및 요건

실습 시작 버튼을 클릭하기 전에

다음 안내를 확인하세요. 실습에는 시간 제한이 있으며 일시중지할 수 없습니다. 실습 시작을 클릭하면 타이머가 시작됩니다. 이 타이머는 Google Cloud 리소스를 사용할 수 있는 시간이 얼마나 남았는지를 표시합니다.

실무형 실습을 통해 시뮬레이션이나 데모 환경이 아닌 실제 클라우드 환경에서 직접 실습 활동을 진행할 수 있습니다. 실습 시간 동안 Google Cloud에 로그인하고 액세스하는 데 사용할 수 있는 새로운 임시 사용자 인증 정보가 제공됩니다.

이 실습을 완료하려면 다음을 준비해야 합니다.

• 표준 인터넷 브라우저 액세스 권한(Chrome 브라우저 권장)

참고: 이 실습을 실행하려면 시크릿 모드 또는 시크릿 브라우저 창을 사용하세요. 개인 계정과 학습자 계정 간의 충돌로 개인 계정에 추가 요금이 발생하는 일을 방지해 줍니다.

• 실습을 완료하기에 충분한 시간(실습을 시작하고 나면 일시중지할 수 없음)

참고: 계정에 추가 요금이 발생하지 않도록 하려면 개인용 Google Cloud 계정이나 프로젝트가 이미 있어도 이 실습에서는 사용하지 마세요.

실습을 시작하고 Looker에 로그인하는 방법

1. 준비가 되면 실습 시작을 클릭합니다.

   이 실습에서 사용해야 하는 임시 사용자 인증 정보가 '실습 세부정보' 창에 표시됩니다.

   실습 비용을 결제해야 하는 경우 결제 수단을 선택할 수 있는 팝업이 열립니다.

   '실습 세부정보' 창에 표시된 실습 사용자 인증 정보를 확인합니다. 이 실습에서 Looker 인스턴스에 로그인할 때 이 정보를 사용합니다.

   참고: 다른 사용자 인증 정보를 사용하면 오류가 발생하거나 요금이 부과됩니다.

2. Looker 열기를 클릭합니다.

3. 제공된 사용자 이름과 비밀번호를 이메일 및 비밀번호 입력란에 입력합니다.

   사용자 이름:

   {{{looker.developer_username | Username}}}

   비밀번호:

   {{{looker.developer_password | Password}}} 중요: 이 페이지의 '실습 세부정보' 창에 표시된 사용자 인증 정보를 사용해야 합니다. Google Cloud Skills Boost 사용자 인증 정보를 사용하지 마세요. 개인용 Looker 계정이 있더라도 이 실습에 사용하지 마세요.

4. 로그인을 클릭합니다.

   로그인이 완료되면 이 실습에서 사용할 Looker 인스턴스가 표시됩니다.

작업 1. 측정기준 만들기

Looker에서 측정기준은 그룹화 가능한 필드이며 쿼리 결과를 필터링하는 데 사용될 수 있습니다. 예시는 다음과 같습니다.

• 기본 테이블의 열과 직접 연결된 속성
• 사실 또는 숫자 값
• 단일 행의 다른 필드 값을 기준으로 계산된 파생 값

예를 들어 제품 뷰의 측정기준에는 제품 이름, 제품 모델, 제품 색상, 제품 가격, 제품 생성 날짜, 제품 지원 종료 날짜가 포함될 수 있습니다.

측정기준을 사용하면 데이터 포인트의 버킷을 만들어 다양한 속성을 사용하여 KPI를 분석할 수 있습니다. time, numeric, yesno, string과 같은 다양한 유형의 측정기준을 만들어 데이터를 상세히 분석할 수 있습니다.

연령대 등급에 대한 새 측정기준 만들기

이 섹션에서는 연령 측정기준을 기반으로 age_tier라는 새 측정기준을 만듭니다. 이 측정기준에는 연령 범위가 나열됩니다. 이를 위해 개별 연령을 다음 연령대 등급으로 그룹화하는 측정기준을 추가합니다. 18, 25, 35, 45, 55, 65, 75, 90

1. 먼저 Looker 사용자 인터페이스의 왼쪽 하단에서 전환 버튼을 클릭하여 개발 모드로 전환합니다.

2. 개발 탭을 클릭한 다음 qwiklabs-ecommerce LookML 프로젝트를 선택합니다.

3. qwiklabs-ecommerce 프로젝트에서 뷰 옆에 있는 화살표를 클릭하여 뷰 이름 목록을 확인합니다.

4. users.view를 클릭합니다.

5. users.view에서 연령의 측정기준을 찾습니다. 파일은 다음과 유사해야 합니다.

연령과 같은 측정기준 필드는 기본 데이터베이스 테이블 또는 다른 측정기준을 기반으로 계산된 값에 해당합니다.

편집기는 사용자가 입력하는 동안 제안을 제공하지만, 도움이 필요하거나 다양한 파라미터와 속성 목록을 확인해야 하는 경우 IDE의 오른쪽에 있는 빠른 도움말 메뉴를 참고할 수 있습니다.

6. 연령 측정기준 아래 새 줄에서 다음 코드를 사용하여 age_tier의 새 측정기준을 정의합니다.

dimension: age_tier { }

7. 다음으로 측정기준 유형을 추가합니다. 이 측정기준 유형은 tier이므로 여기에 추가합니다.

dimension: age_tier { type: tier }

8. 다음으로 측정기준에 대한 구체적인 등급을 추가합니다. 이 경우 먼저 18세 이하로 등급을 그룹화한 다음 10년 단위로 그룹화합니다.

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

9. 다음으로 스타일 파라미터를 정의합니다. 이 파라미터는 등급 유형 측정기준에만 해당하며 UI에 등급이 표시되는 방식을 변경합니다. 이 경우 스타일은 integer이어야 합니다.

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

10. 마지막으로 SQL 파라미터를 추가합니다. SQL 파라미터는 사용자가 실행하는 쿼리에 대한 SQL을 작성하는 방법을 Looker에 알려줍니다. 이 측정기준의 경우 SQL 파라미터에 기존 연령 필드에서 가져오도록 지시합니다.

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

이제 파일은 다음과 유사해야 합니다.

새 측정기준을 추가했으므로 이제 제대로 작동하는지 테스트할 수 있습니다.

11. 변경사항 저장을 클릭한 다음 IDE 오른쪽 상단의 LookML 검사 버튼을 클릭하여 LookML 코드 검사를 실행합니다.

12. IDE 상단의 파일 제목 옆에 있는 캐럿을 클릭한 다음 주문 항목 살펴보기를 선택하면 Explore로 빠르게 이동할 수 있습니다.

이 파일 메뉴에는 LookML에서 Explore가 정의된 뷰만 표시됩니다.

13. 다음으로 사용자 > 측정기준 > 연령대에서 새 측정기준으로 이동합니다.

14. 연령 및 연령대 측정기준을 추가하고 실행을 클릭합니다. 각 연령이 올바른 등급에 속하는 것을 확인할 수 있습니다.

15. 이제 연령 측정기준을 삭제하고 개수 측정값을 추가한 다음 실행을 다시 누릅니다. 결과가 원하는 대로 표시됩니다. Looker가 서로 다른 연령을 세고 적절한 등급으로 그룹화했습니다. 완료되었습니다.

이메일 소스에 대한 새 측정기준 만들기

이 섹션에서는 traffic_source 측정기준을 기반으로 is_email_source라는 새 측정기준을 만듭니다. 이 측정기준은 특정 사용자를 유입시킨 트래픽 소스가 이메일인지 여부를 결정합니다.

1. qwiklabs-ecommerce 프로젝트로 돌아가서 users.view 파일을 엽니다.

2. traffic_source 측정기준을 찾습니다. 파일은 다음과 유사해야 합니다.

3. traffic source 측정기준 아래의 새 줄에서 다음 코드를 사용하여 is_email_source의 새 측정기준을 정의합니다.

dimension: is_email_source { }

4. 다음으로 유형 파라미터를 추가합니다. 불리언 분류이므로 yesno 유형을 사용합니다.

dimension: is_email_source { type: yesno }

5. 마지막으로 SQL 파라미터를 추가합니다. 이 측정기준의 경우 SQL 파라미터에 traffic_source 필드에서 값이 '이메일'인 데이터를 가져오도록 지시합니다.

6. 정확한 문법을 위해 'Email'을 정의할 때 큰따옴표("")를 사용해야 합니다.

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

이제 파일은 다음과 유사해야 합니다.

새 측정기준을 추가했으므로 이제 제대로 작동하는지 테스트할 수 있습니다.

7. 변경사항 저장을 클릭한 다음 IDE 오른쪽 상단의 LookML 검사 버튼을 클릭하여 LookML 코드 검사를 실행합니다.

8. IDE 상단의 파일 제목 옆에 있는 캐럿을 클릭한 다음 주문 항목 살펴보기를 선택합니다.

9. 다음으로 사용자 > 측정기준 > 이메일 소스(예 / 아니요)에서 새 측정기준으로 이동합니다.

10. 이메일 소스 여부 측정기준과 개수 측정값을 추가하고 실행을 클릭합니다. 결과에는 이메일을 통해 유입된 사용자 수와 그렇지 않은 사용자 수가 표시됩니다. 완료되었습니다.

배송일에 대한 새 측정기준 만들기

이 섹션에서는 order_items 뷰 내에서 주문 배송 날짜와 주문 생성 날짜 사이의 일수를 계산하는 배송일이라는 새 측정기준을 만듭니다.

1. qwiklabs-ecommerce 프로젝트로 돌아가서 order_items.view 파일을 엽니다.

2. 배송됨 측정기준 그룹을 찾습니다. 파일은 다음과 유사해야 합니다.

3. 배송됨 측정기준 그룹 아래 새 줄에 다음 코드를 사용하여 shipping_days의 새 측정기준을 정의합니다.

dimension: shipping_days { }

4. 다음으로 유형 파라미터를 추가합니다. 이 측정기준에는 number 유형을 사용합니다.

dimension: shipping_days { type: number }

5. 마지막으로 SQL 파라미터를 추가합니다. 이 측정기준의 경우 SQL 파라미터에 shipped_date 및 created_date 측정기준에 대해 DATE_DIFF 함수를 실행하도록 지시합니다. 여기서는 계산하려는 간격으로 DAY를 사용합니다.

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

이제 파일은 다음과 유사해야 합니다.

6. 새 측정기준을 추가했으므로 이제 제대로 작동하는지 테스트할 수 있습니다. 변경사항 저장을 클릭한 다음 IDE 오른쪽 상단의 LookML 검사 버튼을 클릭하여 LookML 코드 검사를 실행합니다.

7. IDE 상단의 파일 제목 옆에 있는 캐럿을 클릭한 다음 주문 항목 살펴보기를 선택합니다.

8. 다음으로 주문 항목 > 측정기준 > 배송일에서 새 측정기준으로 이동합니다.

9. 배송일 측정기준과 주문 수 측정값을 추가하고 실행을 클릭합니다. 결과에는 각 배송일의 주문 수가 표시됩니다. 완료되었습니다.

10. order_items.view 파일로 다시 이동합니다.

변경사항 커밋 및 프로덕션에 배포

1. LookML 검사를 클릭한 다음 변경사항 커밋 및 푸시를 클릭합니다.

2. 커밋 메시지를 추가하고 커밋을 클릭합니다.

3. 마지막으로 프로덕션에 배포를 클릭합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 새 측정기준 만들기

작업 2. 측정값 만들기

측정값은 COUNT, SUM, AVG, MIN, MAX 등의 SQL 집계 함수를 사용하는 필드입니다. 다른 측정값을 기반으로 계산된 필드도 측정값입니다. 측정값을 사용하여 그룹화된 값을 필터링할 수 있습니다. 예를 들어 판매 뷰의 측정값에는 판매된 총 항목(개수), 총매출 가격(합계), 평균 판매 가격(평균)가 포함될 수 있습니다.

필드의 동작 및 예상 값은 string, number, time 등 선언된 유형에 따라 다릅니다. 측정값의 경우 유형에는 sum 및 percent_of_previous 같은 집계 함수가 포함됩니다. 자세한 내용은 측정기준 유형 및 측정값 유형을 참고하세요.

고유 주문 수 측정값 만들기

측정값 필드는 여러 행의 값을 집계하는 데 사용됩니다. 이 섹션에서는 order_items 뷰 내에서 고유한 주문 수를 계산하는 count_distinct_orders라는 새 측정값을 만듭니다.

1. qwiklabs-ecommerce 프로젝트로 돌아가서 order_items.view 파일을 엽니다.

2. order_items.view에서 order_item_count 측정값을 찾습니다.

3. order_item_count 측정값 아래의 새 줄에서 다음 코드를 사용하여 count_distinct_orders의 새 측정값을 정의합니다.

measure: count_distinct_orders { } 참고: 기본 측정값 이름(order_count)을 count_distinct_orders로 바꿔야 합니다.

4. 다음으로 유형 파라미터를 추가합니다. 이 측정값에는 count_distinct 유형을 사용합니다. count_distinct 유형은 지정된 필드에서 고유 값의 개수를 계산합니다. SQL의 COUNT DISTINCT 함수를 사용합니다.

measure: count_distinct_orders { type: count_distinct }

5. 마지막으로 SQL 파라미터를 추가합니다. 이 측정값의 경우 SQL 파라미터에 기존 order_id 필드에서 가져오도록 지시합니다.

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

이제 파일은 다음과 유사해야 합니다.

이제 새 측정값을 추가했으므로 제대로 작동하는지 테스트할 수 있습니다.

6. 변경사항 저장을 클릭한 다음 IDE 오른쪽 상단의 LookML 검사 버튼을 클릭하여 LookML 코드 검사를 실행합니다.

7. IDE 상단의 파일 제목 옆에 있는 캐럿을 클릭한 다음 주문 항목 살펴보기를 선택합니다.

8. 주문 항목 > 측정값에서 고유 주문 수를 클릭합니다.

9. 실행을 클릭하여 새 측정값을 확인합니다. 새 측정값이 제대로 작동하는지 확인할 수 있습니다.

총매출 측정값 만들기

이 섹션에서는 sale_price 측정기준을 사용하여 총매출을 계산하는 total_sales라는 새 측정값을 만듭니다.

1. qwiklabs-ecommerce 프로젝트로 돌아가서 order_items.view 파일을 엽니다.

2. order_items.view에서 order_item_count 측정값을 찾습니다.

3. order_item_count 측정값 아래의 새 줄에서 다음 코드를 사용하여 total_sales의 새 측정값을 정의합니다.

measure: total_sales { }

4. 유형 파라미터를 추가합니다. 여기서는 sum을 사용합니다.

measure: total_sales { type: sum }

5. SQL 파라미터를 추가합니다. 이 측정값의 경우 SQL 파라미터에 기존 sale_price 필드에서 가져오도록 지시합니다.

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

6. 마지막으로 value_format_name을 추가합니다. value_format_name 파라미터를 사용하면 Looker에 빌드된 형식 또는 자체 커스텀 재사용 가능 형식을 사용하여 데이터 값의 형식을 지정할 수 있습니다. 여기서는 판매 가격을 계산하므로 미국 달러(usd_0)를 사용합니다.

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

이제 파일은 다음과 유사해야 합니다.

이제 새 측정값을 추가했으므로 제대로 작동하는지 테스트할 수 있습니다.

7. 변경사항 저장을 클릭한 다음 IDE 오른쪽 상단의 LookML 검사 버튼을 클릭하여 LookML 코드 검사를 실행합니다.

8. IDE 상단의 파일 제목 옆에 있는 캐럿을 클릭한 다음 주문 항목 살펴보기를 선택합니다.

9. 주문 항목 > 측정값에서 총매출을 클릭합니다.

10. 실행을 클릭하여 새 측정값을 확인합니다.

11. order_items.view 파일로 다시 이동합니다.

변경사항 커밋 및 프로덕션에 배포

1. LookML 검사를 클릭한 다음 변경사항 커밋 및 푸시를 클릭합니다.

2. 커밋 메시지를 추가하고 커밋을 클릭합니다.

3. 마지막으로 프로덕션에 배포를 클릭합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 측정값 만들기

작업 3. 고급 측정값 만들기

고급 측정값을 사용하면 현재 뷰 파일 외부에 정의된 측정기준에서 추가적인 커스텀 측정항목을 만들 수 있습니다. 특정 필터링 조건을 제공하여 특별한 유형의 필터링 측정값을 만들 수도 있습니다.

이메일 트래픽 소스를 통해 웹사이트에 방문한 사용자만을 대상으로 총매출을 계산하는 필터링된 측정값 만들기

이 섹션에서는 이메일 트래픽 소스를 통해 웹사이트에 방문한 사용자만을 대상으로 총매출을 계산하는 total_sales_email_users라는 새 고급 측정값을 만듭니다.

1. qwiklabs-ecommerce 프로젝트로 돌아가서 order_items.view 파일을 엽니다.

2. order_items.view에서 order_item_count 측정값을 찾습니다.

3. order_item_count 측정값 아래의 새 줄에서 다음 코드를 사용하여 total_sales_email_users의 새 측정값을 정의합니다.

measure: total_sales_email_users { }

4. 다음으로 유형을 추가합니다. 총매출을 계산하므로 sum을 사용합니다.

measure: total_sales_email_users { type: sum }

5. SQL 파라미터를 추가합니다. 이 측정값의 경우 SQL 파라미터에 기존 sale_price 필드에서 가져오도록 지시합니다.

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

마지막으로 필터 파라미터를 추가합니다. 전체 쿼리를 필터링하는 대신 측정값에 직접 필터를 적용하려면 측정값의 LookML 정의에 필터 파라미터를 추가하면 됩니다. 이렇게 하면 전체 쿼리에 전역 WHERE 절을 적용하는 대신 생성된 SQL의 측정값에 CASE WHEN 문의 형태로 필터가 적용됩니다.

따라서 필터링된 측정값은 집계된 후 쿼리에서 행을 삭제하는 대신 지정된 조건을 충족하는 행만 집계합니다. 이 접근방식을 사용하면 모집단의 하위 집합을 다른 하위 집합 또는 전체 모집단과 비교하여 조사할 수 있습니다.

6. 다음 필터 파라미터를 추가합니다. 여기서는 users.view 파일 내에서 이전에 만든 is_email_source 측정기준을 사용합니다.

measure: total_sales_email_users { type: sum sql: ${sale_price} ;; filters: [users.is_email_source: "Yes"] } 참고: 다음 코드를 사용하여 traffic_source 측정기준을 대신 참조할 수도 있습니다. measure: total_sales_email_users { type: sum sql: ${sale_price} ;; filters: [users.traffic_source: "Email"] }

이제 파일은 다음과 유사해야 합니다.

이제 새 측정값을 추가했으므로 제대로 작동하는지 테스트할 수 있습니다.

7. 변경사항 저장을 클릭한 다음 IDE 오른쪽 상단의 LookML 검사 버튼을 클릭하여 LookML 코드 검사를 실행합니다.

8. IDE 상단의 파일 제목 옆에 있는 캐럿을 클릭한 다음 주문 항목 살펴보기를 선택합니다.

9. 주문 항목 > 측정값에서 이메일 사용자 총매출을 클릭합니다.

10. 실행을 클릭하여 새 측정값을 확인합니다.

이메일 트래픽 소스에서 유입된 사용자로 인해 발생한 매출의 비율을 측정하는 측정값을 만듭니다.

이 섹션에서는 이메일 트래픽 소스에서 유입된 사용자로 인해 발생한 매출의 비율을 계산하는 percentage_sales_email_source라는 새 고급 측정값을 만듭니다.

1. qwiklabs-ecommerce 프로젝트로 돌아가서 order_items.view 파일을 엽니다.

2. order_items.view에서 order_item_count 측정값을 찾습니다.

3. order_item_count 측정값 아래의 새 줄에서 다음 코드를 사용하여 percentage_sales_email_source의 새 측정값을 정의합니다.

measure: percentage_sales_email_source { }

4. 다음으로 유형을 추가합니다. 총매출을 계산하므로 number를 사용합니다.

measure: percentage_sales_email_source { type: number }

5. 다음으로 value_format_name 파라미터를 추가합니다. 백분율을 계산하므로 percent_2를 사용할 수 있습니다.

measure: percentage_sales_email_source { type: number value_format_name: percent_2 }

6. SQL 파라미터를 추가합니다. 이 측정값의 경우 SQL 파라미터에 기존 total_sales_email_users 필드에서 가져와 total_sales로 나누도록 지시합니다.

참고: 백분율 측정값을 만들 때 백분율 계산에서 0으로 나누지 않도록 하는 것이 유용한 경우가 많습니다. 이는 NULLIF SQL 함수를 통해 수행할 수 있습니다. measure: percentage_sales_email_source { type: number value_format_name: percent_2 sql: 1.0*${total_sales_email_users} / NULLIF(${total_sales}, 0) ;; }

이제 파일은 다음과 유사해야 합니다.

이제 새 측정값을 추가했으므로 제대로 작동하는지 테스트할 수 있습니다.

7. 변경사항 저장을 클릭한 다음 IDE 오른쪽 상단의 LookML 검사 버튼을 클릭하여 LookML 코드 검사를 실행합니다.

8. IDE 상단의 파일 제목 옆에 있는 캐럿을 클릭한 다음 주문 항목 살펴보기를 선택합니다.

9. 주문 항목 > 측정값에서 이메일 소스 매출 비율을 클릭합니다.

10. 실행을 클릭하여 새 측정값을 확인합니다. 완료되었습니다.

11. order_items.view 파일로 다시 이동합니다.

변경사항 커밋 및 프로덕션에 배포

1. LookML 검사를 클릭한 다음 변경사항 커밋 및 푸시를 클릭합니다.

2. 커밋 메시지를 추가하고 커밋을 클릭합니다.

3. 마지막으로 프로덕션에 배포를 클릭합니다.

내 진행 상황 확인하기를 클릭하여 목표를 확인합니다. 고급 측정값 만들기

수고하셨습니다

이 실습에서는 Looker 개발자로서 LookML에서 다양한 유형의 측정기준과 측정값을 만드는 방법을 배웠습니다. 또한 Looker의 비즈니스 사용자가 셀프서비스 탐색의 기반으로 사용하는 데이터 뷰인 Explore의 모델을 수정하고 필터로 고급 측정값을 만드는 방법도 배웠습니다.

다음 단계/더 학습하기

• LookML 빠른 참조
• LookML 용어 및 개념
• Looker 커뮤니티 가입하기
• 추가 LookML 기본사항

Google Cloud 교육 및 자격증

Google Cloud 기술을 최대한 활용하는 데 도움이 됩니다. Google 강의에는 빠른 습득과 지속적인 학습을 지원하는 기술적인 지식과 권장사항이 포함되어 있습니다. 기초에서 고급까지 수준별 학습을 제공하며 바쁜 일정에 알맞은 주문형, 실시간, 가상 옵션이 포함되어 있습니다. 인증은 Google Cloud 기술에 대한 역량과 전문성을 검증하고 입증하는 데 도움이 됩니다.

설명서 최종 업데이트: 2024년 4월 22일

실습 최종 테스트: 2023년 5월 18일

Copyright 2025 Google LLC. All rights reserved. Google 및 Google 로고는 Google LLC의 상표입니다. 기타 모든 회사명 및 제품명은 해당 업체의 상표일 수 있습니다.