GSP361

概要

チャレンジラボでは、シナリオと一連のタスクが提供されます。手順ガイドに沿って進める形式ではなく、コース内のラボで習得したスキルを駆使して、ご自身でタスクを完了していただきます。タスクが適切に完了したかどうかは、このページに表示される自動スコアリング システムで確認できます。

チャレンジラボは、Google Cloud の新しいコンセプトについて学習するためのものではありません。デフォルト値を変更する、エラー メッセージを読み調査を行ってミスを修正するなど、習得したスキルを応用する能力が求められます。

100% のスコアを達成するには、制限時間内に全タスクを完了する必要があります。

このラボは、「Looker での LookML オブジェクトの構築」スキルバッジ コースに登録している受講者を対象としています。準備が整ったらチャレンジを開始しましょう。

テスト対象トピック:

• ディメンションとメジャーを作成する
• 派生テーブルを作成して永続化する
• Explore にさまざまなフィルタを適用する
• 新しいデータグループを作成して使用する

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。

チャレンジ シナリオ

あなたは、最先端の新しい e コマース企業で LookML 開発者のインターンとして働いています。同社のインフラストラクチャは Google Cloud のみで運用されており、データ プラットフォームには Looker を使用して、さまざまなデータソースから得られた情報を統合、分析しています。

最初の任務として、会社のさまざまなチームからのビジネス要件に対応する LookML オブジェクトを作成するよう指示されました。これによって各チームは的を絞った市場調査とデータ分析を行えるようになります。

これらのタスクのスキルや知識があるという前提のため、手順ガイドは提供されません。

タスク 1. ディメンションとメジャーを作成する

マーケティング チームから、検索によって同社のウェブサイトにアクセスしたユーザーのうち、注文を完了したユーザーの数を計算できる新しいビューがリクエストされています。さらにチームは、各注文の売上総利益と返品日数を表示したいと考えています。このセクションでは、これらの質問に答えるためのディメンションとメジャーを作成します。

order_items ビューを開く

1. 切り替えボタンをクリックして Development Mode に切り替えます。

2. qwiklabs-ecommerce プロジェクトに移動し、order_items ビューファイルを開きます。

このファイルに新しいディメンションとメジャーを記述します。

ディメンションとメジャーを作成する

order_items ビューファイルの total_revenue_from_completed_orders メジャー（128 行目付近）の後に、新しいディメンションとメジャーを追加します。

1. ユーザー トラフィック ソースが検索からの場合、ブール値を返すディメンションを作成します。このディメンションに is_search_source という名前を付けます。

2. 新しく作成した is_search_source ディメンションを使用して、注文ステータスが Complete である検索ユーザーの販売価格を合計するメジャーを作成します。このメジャーに sales_from_complete_search_users という名前を付けます。

3. 売上総利益（販売価格 - 費用）の合計を計算する新しいメジャーを作成します。このメジャーには total_gross_margin という名前を付けます。

4. Order Delivered Date と Order Return Date の間の日数を計算する新しいディメンションを作成します。間隔は日単位で計算します。このディメンションに return_days という名前を付けます。

5. [Validate LookML] をクリックしてコードを検証します。

6. [Commit Changes and Push] をクリックし、[Deploy to Production] 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。 ディメンションとメジャーを作成する

タスク 2. 永続的な派生テーブルを作成する

データ分析チームから、各ユーザーの特定の情報を含む派生テーブルを作成するようリクエストされました。広告キャンペーンを開始する場所で市場調査を行うために、注文 ID（Order ID）、ユーザー ID（User ID）、総収益（Total Revenue）、年齢（Age）、都市（City）、州（State）を含める必要があります。このテーブルは今後数か月間頻繁に使用する必要があるため、テーブルをあらかじめ作成し、クエリ時間とデータベースの負荷を低減する必要があります。

このセクションでは、モデルに事前定義されたデータグループ（キャッシュ ポリシー）に基づいて、ネイティブ派生テーブルを作成し、永続化します。

ネイティブ派生テーブルを作成する

1. Order Items Explore から user_details という名前のネイティブ派生テーブルを作成し、次の順序で各ユーザーの詳細情報を追加します。

• Order ID
• User ID
• Total revenue
• Age
• City
• State

注: Order ID、User ID、Total Revenue は Order Items ビューから、Age、City、State は Users ビューから取得する必要があります。

2. 派生テーブルを作成したら、user_details という名前の新しいビューファイルにコードを追加します。このファイルを views フォルダに移動します。

3. 最後に、この user_details ビューを Order Items Explore に結合します。order_items ビューの結合フィールドを user_id に設定し、多対 1 の関係を使用してください。

4. [Commit Changes and Push] をクリックし、[Deploy to Production] をクリックします。

派生テーブルを永続化する

1. モデルファイルに事前定義されたデータグループ（キャッシュ ポリシー）に基づいて、user_details 派生テーブルを永続化します。

2. 永続的な派生テーブルが 時間保存されるように設定します。

3. [Validate LookML] をクリックしてコードを検証します。

4. [Commit Changes and Push] をクリックし、[Deploy to Production] 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。 永続的な派生テーブルを作成する

タスク 3. Explore フィルタを使用する

このセクションでは、さまざまなビジネス要件に基づいて、使用するフィルタのタイプを適切に選択します。使用する各フィルタを、次のセクションのフィルタに置き換えて、進捗状況を正確に確認してください。

注: 各フィルタを作成したら、[Commit Changes and Push] をクリックしてから [Deploy to Production] をクリックし、各演習で正確に評価できるようにします。

フィルタ #1

マーケティング チームから、販売価格が ドルを超える注文のみを表示する Explore を作成するよう依頼されました。また、Explore には、変更可能なフィルタを表示しないようにともリクエストされています。

• Order Items Explore にフィルタを追加して、販売価格が ドル以上の商品のみを含めます。このフィルタによって、 ドル未満の注文を Explore から除外します。

フィルタ #2

マーケティング チームから、出荷日に基づいてデフォルトでフィルタする Explore をリクエストされました。ステータスまたは配達日でフィルタする場合は、デフォルトのフィルタをオーバーライドできます。また、出荷日のデフォルトを 2018 年にしたいとリクエストされています。

1. [Remove] をクリックして、前のフィルタを削除します。

2. 次に、Order Items Explore にフィルタを追加して、Order Item Status または Order Item Delivered Date にフィルタが適用された場合を除き、2018 年に出荷された注文のデータのみが返されるようにします。

3. このフィルタには shipped_date ディメンションを使用します。

[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。 Explore フィルタを使用する（フィルタ #2）

フィルタ #3

マーケティング チームから、平均販売価格が ドルを超える注文のみを表示する Explore を作成するよう依頼されました。また、Explore には変更可能なフィルタを一切表示しないようにしてほしいとリクエストされています。

1. [Remove] をクリックして、前のフィルタを削除します。

2. 次に、Order Items Explore にフィルタを追加して、平均販売価格が ドル未満のすべてのアイテムを除外します。つまり、平均販売価格が ドル以上の注文のみを表示するフィルタを使用します。

フィルタ #4

最後に、マーケティング チームから、デフォルト値が設定され、変更は可能だが削除は不可の特定のフィルタセットを持つ Explore を作成するよう依頼されました。特定のディメンションでフィルタすることで、取得可能なすべてのデータを一度にリクエストすることを避け、コンピューティング費用を節約することが目的です。

具体的には、Order Status、State、Traffic source にフィルタを設定したいと考えています。デフォルト値は、それぞれ Shipped、California、Search に設定します。

1. [Remove] をクリックして、前のフィルタを削除します。

2. 次に、フィルタを使用して、Order Items Explore の Order Status、State、Traffic Source のデフォルト値を定義します。このフィルタはビジネス ユーザーにとっては必須ですが、これらのディメンションにはさまざまな値を設定できます。

[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。 Explore フィルタを使用する（フィルタ #4）

タスク 4. Explore にデータグループを適用する

最後に、LookML モデルのキャッシュ ポリシーを更新するように依頼されました。チームは、キャッシュに保存された結果の保存期間を 時間に更新したいと考えています。

1. 前のセクションで作成したフィルタを削除します。

2. モデルファイル内で、order_items_challenge_datagroup という名前の新しいデータグループを作成します。このデータグループの最大キャッシュ保存期間は 時間で、次の SQL トリガーを使用します: SELECT MAX(order_item_id) from order_items ;;

3. データグループをモデルレベルで適用し、すべての Explore のデフォルトとして適用します。

4. [Validate LookML] をクリックしてコードを検証します。

5. [Commit Changes and Push] をクリックし、[Deploy to Production] 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。 Explore にデータグループを適用する

お疲れさまでした

このラボでは、一連のビジネス要件に合わせてさまざまな LookML オブジェクトを作成することで、LookML のスキルを確認しました。まず、ディメンションとメジャー、永続的なネイティブ派生テーブルを作成しました。その後、適切なフィルタを使用して Explore をフィルタし、LookML モデルのキャッシュ ポリシーを更新しました。

次のスキルバッジを獲得する

このセルフペース ラボは、「Looker での LookML オブジェクトの構築」スキルバッジの一部です。このコースを完了すると成果が認められて上のようなバッジが贈られます。獲得したバッジを履歴書やソーシャル プラットフォームに記載し、#GoogleCloudBadge を使用して成果を公表しましょう。

このスキルバッジは、Google Cloud のデータ アナリスト向け学習プログラムの一部です。この学習プログラムの他のスキルバッジ コースを修了済みの場合は、登録可能な他のスキルバッジ コースをカタログから検索してみてください。

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: 2026 年 3 月 10 日

ラボの最終テスト日: 2026 年 3 月 10 日

Copyright 2026 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。