GSP361

Übersicht

In einem Challenge-Lab geht es um ein bestimmtes Szenario mit mehreren Aufgaben. Anders als bei einem normalen Lab erhalten Sie jedoch keine Schritt-für-Schritt-Anleitung, sondern nutzen die in den Labs des jeweiligen Kurses erlernten Fähigkeiten, um die Aufgaben selbst zu lösen. Ihre Lösungen werden automatisch bewertet. Die erzielten Punkte finden Sie rechts oben auf dieser Seite.

In Challenge-Labs werden keine neuen Grundlagen zu Google Cloud vermittelt. Sie sollen dabei Ihr Wissen erweitern und es wird erwartet, dass Sie beispielsweise Standardwerte ändern und Fehlermeldungen lesen und recherchieren, um Ihre eigenen Fehler zu beheben.

Die volle Punktzahl erreichen Sie nur, wenn Sie alle Aufgaben innerhalb der vorgegebenen Zeit lösen.

Dieses Lab wird Personen empfohlen, die sich für den Kurs LookML-Objekte in Looker erstellen angemeldet haben. Sind Sie bereit?

Geprüfte Inhalte:

• Dimensionen und Measures erstellen
• Abgeleitete Tabellen erstellen und beibehalten
• Unterschiedliche Filter auf ein Explore anwenden
• Neue Datengruppe erstellen und verwenden

Einrichtung und Anforderungen

Vor dem Klick auf „Lab starten“

Lesen Sie diese Anleitung. Labs sind zeitlich begrenzt und können nicht pausiert werden. Der Timer beginnt zu laufen, wenn Sie auf Lab starten klicken, und zeigt Ihnen, wie lange Google Cloud-Ressourcen für das Lab verfügbar sind.

In diesem praxisorientierten Lab können Sie die Lab-Aktivitäten in einer echten Cloud-Umgebung selbst durchführen – nicht in einer Simulations- oder Demo-Umgebung. Dazu erhalten Sie neue, temporäre Anmeldedaten, mit denen Sie für die Dauer des Labs auf Google Cloud zugreifen können.

Für dieses Lab benötigen Sie Folgendes:

• Einen Standardbrowser (empfohlen wird Chrome)

• Zeit für die Durchführung des Labs – denken Sie daran, dass Sie ein begonnenes Lab nicht unterbrechen können.

Lab starten und bei Looker anmelden

1. Wenn Sie bereit sind, klicken Sie auf Lab starten.

   Der Bereich mit den Lab-Details wird angezeigt und enthält die temporären Anmeldedaten für dieses Lab.

   Wenn Sie für das Lab bezahlen müssen, wird ein Pop-up-Fenster geöffnet, in dem Sie Ihre Zahlungsmethode auswählen können.

   In den Lab-Details finden Sie Ihre Anmeldedaten, die Sie für die Anmeldung bei der Looker-Instanz benötigen.

   Hinweis: Wenn Sie andere Anmeldedaten verwenden, treten Fehler auf oder es fallen Gebühren an.

2. Klicken Sie auf Looker öffnen.

3. Geben Sie den Benutzernamen und das Passwort in die Felder E-Mail und Passwort ein.

   Nutzername:

   {{{looker.developer_username | Username}}}

   Passwort:

   {{{looker.developer_password | Passwort}}} Wichtig: Sie müssen die Anmeldedaten aus dem Bereich mit den Lab-Details auf dieser Seite verwenden. Bitte geben Sie nicht Ihre Anmeldedaten für Google Cloud Skills Boost ein. Wenn Sie ein privates Looker-Konto haben, sollten Sie es nicht für dieses Lab verwenden.

4. Klicken Sie auf Anmelden.

   Nach erfolgreicher Anmeldung wird die Looker-Instanz für dieses Lab angezeigt.

Das Szenario

Sie absolvieren ein Praktikum als LookML-Entwicklerin bzw. -Entwickler bei einem neuen, innovativen E-Commerce-Unternehmen. Die Infrastruktur des Unternehmens wird ausschließlich in Google Cloud betrieben. Für die Datenplattform wird Looker verwendet, um Erkenntnisse aus verschiedenen Datenquellen zu analysieren und einzubinden.

Ihre erste Aufgabe besteht darin, LookML-Objekte zu erstellen, die spezifische Geschäftsanforderungen der verschiedenen Teams Ihres Unternehmens erfüllen, damit diese gezielte Marktforschung und Datenanalyse durchführen können.

Das Know-how für diese Aufgaben wird vorausgesetzt, Sie erhalten daher keine detaillierte Anleitung.

Aufgabe 1: Dimensionen und Measures erstellen

Ihr Marketingteam möchte eine neue Ansicht, mit der sich berechnen lässt, wie viele Nutzerinnen und Nutzer, die über die Suche auf die Website gelangt sind, Bestellungen abgeschlossen haben. Außerdem möchten sie die Handelsspanne der Verkäufe und die Anzahl der Rückgabetage für jede Bestellung sehen. In diesem Abschnitt erstellen Sie Dimensionen und Measures, um diese Fragen zu beantworten.

Ansicht „order_items“ öffnen

1. Klicken Sie auf den Ein/Aus-Button, um den Entwicklungsmodus zu aktivieren.

2. Rufen Sie das Projekt qwiklabs-ecommerce auf und öffnen Sie die Ansichtsdatei order_items.

In diese Datei schreiben Sie Ihre neuen Dimensionen und Measures.

Dimensionen und Measures erstellen

In der Ansichtsdatei order_items können Sie die neuen Dimensionen und Measures nach der Measure total_revenue_from_completed_orders (etwa in Zeile 128) hinzufügen.

1. Erstellen Sie eine Dimension, die einen booleschen Wert zurückgibt, wenn die Traffic-Quelle der Nutzerin bzw. des Nutzers Suche war. Geben Sie dieser Dimension den Namen is_search_source.

2. Erstellen Sie mit der neu erstellten Dimension is_search_source eine Measure, die den Verkaufspreis von Suchnutzerinnen und -nutzern mit dem Bestellstatus Abgeschlossen summiert. Nennen Sie diese Measure sales_from_complete_search_users.

3. Erstellen Sie eine neue Measure, die die Summe der gesamten Handelsspanne (Verkaufspreis – Kosten) berechnet. Nennen Sie diese Measure total_gross_margin.

4. Erstellen Sie eine neue Dimension, die die Anzahl der Tage zwischen dem Order Delivered Date und dem Order Return Date berechnet. Das Intervall sollte in Tagen berechnet werden. Geben Sie dieser Dimension den Namen return_days.

5. Klicken Sie auf LookML validieren, um den Code zu validieren.

6. Klicken Sie auf Commit für Änderungen durchführen und pushen und dann auf Für Produktion bereitstellen.

Klicken Sie auf Fortschritt prüfen. Dimensionen und Measures erstellen

Aufgabe 2: Persistente abgeleitete Tabelle erstellen

Ihr Datenanalyseteam hat eine abgeleitete Tabelle angefordert, die bestimmte Details zu einer Nutzerin bzw. einem Nutzer enthält. Sie muss die Bestell-ID, die Nutzer-ID, den Gesamtumsatz, das Alter, die Stadt und das Bundesland enthalten, um eine Marktforschung durchzuführen und herauszufinden, wo eine Werbekampagne gestartet werden soll. Da sie diese Tabelle in den nächsten Monaten intensiv nutzen werden, sollte sie dann bereits vorhanden sein, um die Abfragezeit und die Datenbankbelastung zu reduzieren.

In diesem Abschnitt erstellen Sie eine native abgeleitete Tabelle und speichern sie persistent basierend auf der vordefinierten Datengruppe (Cache-Richtlinie) im Modell.

Native abgeleitete Tabelle erstellen

1. Erstellen Sie im Explore Order Items eine native abgeleitete Tabelle mit dem Namen user_details, die die folgenden Details für jede Nutzerin und jeden Nutzer in der folgenden Reihenfolge enthält:

• Bestell-ID
• Nutzer-ID
• Gesamteinnahmen
• Alter
• Ort
• Bundesland

2. Nachdem Sie die abgeleitete Tabelle erstellt haben, fügen Sie den Code einer neuen Ansichtsdatei mit dem Namen user_details hinzu. Verschieben Sie diese Datei in den Ordner views.

3. Verknüpfen Sie zum Schluss die neue Ansicht user_details mit dem Explore Order Items. Legen Sie das Join-Feld als user_id in der Ansicht order_items fest und verwenden Sie eine n:1-Beziehung.

4. Klicken Sie auf Commit für Änderungen durchführen und pushen und dann auf Für Produktion bereitstellen.

Abgeleitete Tabelle persistent machen

1. Die abgeleitete Tabelle user_details wird basierend auf der vordefinierten Datengruppe (Cache-Richtlinie) in der Modelldatei gespeichert.

2. Legen Sie fest, dass die persistente abgeleitete Tabelle für einen Zeitraum von  Stunden aktiv bleibt.

3. Klicken Sie auf LookML validieren, um den Code zu validieren.

4. Klicken Sie auf Commit für Änderungen durchführen und pushen und dann auf Für Produktion bereitstellen.

Klicken Sie auf Fortschritt prüfen. Persistente abgeleitete Tabelle erstellen

Aufgabe 3: Filter in Explore verwenden

In diesem Abschnitt wählen Sie den richtigen Filtertyp basierend auf verschiedenen geschäftlichen Anforderungen aus. Ersetzen Sie jeden Filter, den Sie verwenden, durch den Filter im nächsten Abschnitt, damit Ihre Fortschritte genau bewertet werden können.

Filter #1

Ihr Marketingteam hat Sie gebeten, ein Explore zu erstellen, das nur Bestellungen mit einem Verkaufspreis von über  € anzeigt. Außerdem sollen keine sichtbaren Filter im Explore vorhanden sein, die geändert werden können.

• Fügen Sie dem Explore Order Items einen Filter hinzu, um nur Positionen einzuschließen, bei denen der Verkaufspreis größer oder gleich ist. Damit werden alle Bestellungen aus dem Explore entfernt, die weniger als  € wert sind.

Filter #2

Ihr Marketingteam hat ein Explore angefordert, bei dem ein Standardfilter für das Versanddatum vorhanden ist, der überschrieben werden kann, wenn ein Filter für den Status oder das Lieferdatum angewendet wird. Das Versanddatum soll standardmäßig auf das Jahr 2018 gesetzt werden.

1. Entfernen Sie den vorherigen Filter.

2. Fügen Sie als Nächstes einen Filter zum Explore Order Items hinzu, um nur Daten für Bestellungen zurückzugeben, die im Jahr 2018 versandt wurden, es sei denn, es wird ein Filter auf Status des Bestellartikels oder Lieferdatum des Bestellartikels angewendet.

3. Verwenden Sie für diesen Filter die Dimension shipped_date.

Klicken Sie auf Fortschritt prüfen. Filter in Explore verwenden – Filter #2

Filter #3

Ihr Marketingteam hat Sie gebeten, ein Explore zu erstellen, das nur Bestellungen anzeigt, bei denen der durchschnittliche Verkaufspreis mehr als  € beträgt. Außerdem sollen keine sichtbaren Filter im Explore vorhanden sein, die geändert werden können.

1. Entfernen Sie den vorherigen Filter.

2. Fügen Sie als Nächstes dem Explore Order Items einen Filter hinzu, um alle Artikel herauszufiltern, deren durchschnittlicher Verkaufspreis über liegt. Verwenden Sie einen Filter, um nur Aufträge mit einem durchschnittlichen Verkaufspreis von  € oder mehr anzuzeigen.

Filter #4

Außerdem hat Ihr Marketingteam Sie gebeten, ein Explore mit bestimmten Filtern und Standardwerten zu erstellen, die geändert, aber nicht entfernt werden können. Die Idee ist, nicht alle möglichen Daten auf einmal anzufordern, sondern nach bestimmten Dimensionen zu filtern, was Rechenkosten sparen soll.

Die Filter sollen auf Bestellstatus, Bundesland und Traffic-Quelle angewendet werden. Die Standardwerte sollten auf Versendet, Kalifornien und Suchen gesetzt sein.

1. Entfernen Sie den vorherigen Filter.

2. Definieren Sie als Nächstes mit einem Filter Standardwerte für „Bestellstatus“, „Bundesland“ und „Traffic-Quelle“ für das Explore Order Items. Achten Sie darauf, dass der Filter für die Geschäftsnutzerin bzw. den Geschäftsnutzer erforderlich ist, sie aber weiterhin unterschiedliche Werte für diese Dimensionen angeben können.

Klicken Sie auf Fortschritt prüfen. Filter in Explore verwenden – Filter #4

Aufgabe 4: Datengruppe auf ein Explore anwenden

Außerdem sollen Sie die Caching-Richtlinie Ihres LookML-Modells aktualisieren. Ihr Team möchte, dass Sie die Anzahl der Stunden, für die ein Ergebnis im Cache gespeichert werden soll, auf  Stunden aktualisieren.

1. Entfernen Sie alle Filter, die Sie im vorherigen Abschnitt erstellt haben.

2. Erstellen Sie in Ihrer Modelldatei eine neue Datengruppe mit dem Namen order_items_challenge_datagroup, die eine maximale Cache-Lebensdauer von  Stunden hat und den folgenden SQL-Trigger verwendet: SELECT MAX(order_item_id) from order_items ;;.

3. Wenden Sie die Datengruppe auf Modellebene an, um sie als Standard für alle Explores festzulegen.

4. Klicken Sie auf LookML validieren, um den Code zu validieren.

5. Klicken Sie auf Commit für Änderungen durchführen und pushen und dann auf Für Produktion bereitstellen.

Klicken Sie auf Fortschritt prüfen. Datengruppe auf ein Explore anwenden

Das wars! Sie haben das Lab erfolgreich abgeschlossen.

In diesem Lab haben Sie Ihre LookML-Kenntnisse getestet, indem Sie verschiedene LookML-Objekte erstellt haben, die eine Reihe von Geschäftsanforderungen erfüllen. Zuerst haben Sie Dimensionen und Measures sowie eine persistente, native abgeleitete Tabelle erstellt. Anschließend haben Sie die richtigen Filter verwendet, um Explores zu filtern, und die Caching-Richtlinie Ihres LookML-Modells aktualisiert.

Nächstes Skill-Logo erwerben

Dieses Lab zum selbstbestimmten Lernen ist Teil des Kurses LookML-Objekte in Looker erstellen. Wenn Sie diesen Kurs abschließen, erhalten Sie das oben gezeigte Skill-Logo, das Sie in Ihren Lebenslauf oder Ihre Social-Media-Profile einfügen können. Teilen Sie Ihre Leistung mit #GoogleCloudBadge.

Dieses Skill-Logo ist Teil des Google Cloud-Lernpfads für Data Analysts. Wenn Sie die anderen Kurse zum Erwerb eines Skill-Logos in diesem Lernpfad bereits absolviert haben, finden Sie im Katalog weitere Kurse, für die Sie sich anmelden können.

Google Cloud-Schulungen und -Zertifizierungen

In unseren Schulungen erfahren Sie alles zum optimalen Einsatz unserer Google Cloud-Technologien und können sich entsprechend zertifizieren lassen. Unsere Kurse vermitteln technische Fähigkeiten und Best Practices, damit Sie möglichst schnell mit Google Cloud loslegen und Ihr Wissen fortlaufend erweitern können. Wir bieten On-Demand-, Präsenz- und virtuelle Schulungen für Anfänger wie Fortgeschrittene an, die Sie individuell in Ihrem eigenen Zeitplan absolvieren können. Mit unseren Zertifizierungen weisen Sie nach, dass Sie Experte im Bereich Google Cloud-Technologien sind.

Anleitung zuletzt am 10. März 2026 aktualisiert

Lab zuletzt am 10. März 2026 getestet

© 2026 Google LLC. Alle Rechte vorbehalten. Google und das Google-Logo sind Marken von Google LLC. Alle anderen Unternehmens- und Produktnamen können Marken der jeweils mit ihnen verbundenen Unternehmen sein.