GSP1020

Visão geral

O Looker é uma plataforma de dados moderna no Google Cloud que você pode usar para analisar e visualizar dados de maneira interativa. Os desenvolvedores do LookML selecionam os dados usados pelos usuários comerciais criando novos campos, tabelas, visualizações e análises para personalizar e organizar fluxos de trabalho de dados e criar aplicativos de dados personalizados.

Neste laboratório, você vai aprender as práticas recomendadas para escrever códigos LookML que melhorem a experiência dos usuários comerciais e dos desenvolvedores. Isso inclui tornar os projetos do LookML mais fáceis de usar e adaptar, com a reutilização de objetos atuais e a aplicação de convenções de nomenclatura descritiva. Você também pode usar os parâmetros do LookML para fornecer mais contexto e personalizar os objetos visíveis aos usuários comerciais, o que facilita o uso das análises.

Pré-requisitos

É necessário já conhecer o LookML. Recomendamos que você conclua o curso Conceitos básicos do LookML no Looker antes de começar este laboratório.

Atividades deste laboratório

• Usar nomes de campos descritivos para definir dimensões e métricas.
• Usar mais parâmetros para organizar e contextualizar melhor os dados.
• Criar e mostrar o menor número possível de campos e análises.
• Escrever códigos LookML modulares que sejam fáceis de adaptar, atualizar, manter e reutilizar.

Configuração e requisitos

Antes de clicar no botão Começar o Laboratório

Leia estas instruções. Os laboratórios são cronometrados e não podem ser pausados. O cronômetro começa ao clicar em Começar o laboratório e mostra por quanto tempo os recursos do Google Cloud vão ficar disponíveis.

Este laboratório prático permite que você realize as atividades em um ambiente real de nuvem, não em uma simulação ou demonstração. Você vai receber novas credenciais temporárias para fazer login e acessar o Google Cloud durante o laboratório.

Confira os requisitos para concluir o laboratório:

• Acesso a um navegador de Internet padrão (recomendamos o Chrome).

Observação: para executar este laboratório, use o modo de navegação anônima ou uma janela anônima do navegador. Isso evita conflitos entre sua conta pessoal e a conta de estudante, o que poderia causar cobranças extras na sua conta pessoal.

• Tempo para concluir o laboratório: não se esqueça, depois de começar, não será possível pausar o laboratório.

Observação: não use seu projeto ou conta pessoal do Google Cloud neste laboratório para evitar cobranças extras.

Como iniciar o laboratório e fazer login no Looker

1. Quando tudo estiver pronto, clique em Começar o laboratório.

   O painel "Detalhes do laboratório" aparece com as credenciais temporárias que você precisa usar neste laboratório.

   Se for preciso pagar pelo laboratório, você verá um pop-up para selecionar a forma de pagamento.

   Confira suas credenciais do laboratório no painel "Detalhes do laboratório". É com elas que você vai fazer login na instância do Looker neste laboratório.

   Observação: se você usar outras credenciais, vai receber mensagens de erro ou cobranças.

2. Clique em Abrir o Looker.

3. Digite o nome de usuário e a senha fornecidos nos campos E-mail e Senha.

   Nome de usuário:

   {{{looker.developer_username | Username}}}

   Senha:

   {{{looker.developer_password | Password}}} Importante: é necessário usar as credenciais do painel "Detalhes do laboratório" nesta página. Não use suas credenciais do Google Cloud Ensina. Se você tiver uma conta pessoal do Looker, não a use neste laboratório.

4. Clique em Fazer login.

   Depois de se conectar, você verá a instância do Looker deste laboratório.

Práticas recomendadas para escrever códigos LookML

Nesta seção, você encontra uma visão geral das cinco principais práticas recomendadas para escrever códigos LookML que melhorem a experiência dos usuários comerciais e dos desenvolvedores. No entanto, para este laboratório, você vai se concentrar nos quatro primeiros itens.

Usar nomes de campo descritivos

Ao usar nomes de campos descritivos para definir dimensões e métricas, você ajuda os usuários comerciais e desenvolvedores a encontrar o que precisam (item 1 das práticas recomendadas). Por exemplo:

• Para nomear as métricas, use como base termos comuns ou a função agregada: total_[FIELD] para soma, count_[FIELD], avg_[FIELD] etc.
• Nomeie as proporções de maneira descritiva: percentual_de_pedidos_por_cliente_recorrente é mais claro do que percentual_de_recorrentes.
• Nomeie os campos yesno de maneira clara: pedido_retornado ou o_pedido_foi_retornado, em vez de retornado.
• Evite usar as palavras "data" ou "hora" em um grupo de dimensão. O Looker já anexa cada período ao final do nome da dimensão. Por exemplo, data_de_criação se tornaria data_de_criação_data.

Usar mais parâmetros

Você pode usar mais parâmetros para organizar e contextualizar melhor os dados expostos aos usuários comerciais. Inclua rótulos e descrições para ajudar esses usuários a identificar campos e análises para uso nos fluxos de trabalho (itens 1 e 4 das práticas recomendadas).

Para facilitar a navegação, use também o parâmetro group_label, que agrupa campos e análises similares em categorias lógicas (item 2 das práticas recomendadas).

Por fim, use drill_fields para selecionar as outras opções exibidas ao usuário comercial quando ele clica no valor de uma célula da tabela enquanto analisa os dados.

Criar e mostrar o menor número possível de campos e análises

É muito útil criar e mostrar o menor número possível de campos e análises, para que os usuários comerciais possam acessar com facilidade as respostas relevantes (item 3 das práticas recomendadas). Embora o número ideal de campos e análises seja diferente para cada empresa, ter muitos deles pode confundir os usuários finais.

Você pode usar o parâmetro fields para limitar os campos mostrados ao usuário comercial em uma análise específica e o parâmetro hidden para ocultar um campo ou uma análise em todo o modelo.

Escrever códigos LookML modulares que sejam fáceis de adaptar

Para ter projetos funcionais, é fundamental escrever códigos LookML que sejam fáceis de adaptar, manter, atualizar e reutilizar.

Ainda que não sejam aparentes de imediato, a organização e a qualidade dos códigos LookML também influenciam a experiência do usuário comercial. Ao gastar menos tempo com a elaboração e a manutenção do código base, o desenvolvedor do LookML pode modificar ou implementar com mais rapidez os atributos e recursos solicitados pelos usuários.

Confira algumas ideias para escrever códigos LookML modulares e fáceis de adaptar:

• Use operadores de substituição no código para minimizar as referências codificadas ao banco de dados.
• Determine quando usar tabelas derivadas em SQL ou nativas.
  • As tabelas derivadas nativas permitem reutilizar o código porque usam os objetos atuais do LookML no modelo para definir novas estruturas ou agregações que ainda não existem no banco de dados.
  • As tabelas derivadas em SQL são usadas para agregações mais personalizadas ou complexas, que são mais difíceis de realizar com as nativas.
• Use extensões ou refinamentos para expandir as visualizações e análises atuais.
  • É possível estender uma visualização ou análise para fazer uma cópia do objeto original e aplicar modificações. Confira o laboratório Como modularizar códigos LookML com extensões para saber mais e realizar atividades práticas.
  • Você também pode criar um refinamento para adaptar uma visualização ou análise sem editar o arquivo do LookML que a contém. Confira o laboratório Como otimizar o desempenho das consultas do LookML para saber mais e realizar atividades práticas.

Otimizar o desempenho das consultas de análises

Para otimizar o desempenho das consultas de análises feitas pelos usuários comerciais:

• Evite a junção de visualizações desnecessárias em uma análise.
• Declare uma chave primária no arquivo de visualização e defina uma relação de junção usando o parâmetro relationship para produzir as agregações corretas.
• Defina junções many_to_one entre visualizações do nível mais granular ao nível com mais detalhes.
• Utilize tabelas derivadas persistentes para consultas que são complexas e de longa execução ou que são usadas com frequência por muitos usuários ou aplicativos.

Para saber mais sobre esses tópicos, consulte O que fazer e o que não fazer no Looker e Como otimizar o desempenho das consultas do LookML.

Tarefa 1: criar campos com base nos atuais e de acordo com as convenções de nomenclatura descritiva

Ao criar dimensões e métricas, sempre confira se é possível reutilizar os objetos do LookML que já estão no modelo. Para facilitar as atualizações, a prática recomendada é usar operadores de substituição em todo o código, minimizando as referências codificadas a objetos no banco de dados.

Use os objetos atuais e nomeie os novos de maneira descritiva para ajudar os desenvolvedores e usuários comerciais a encontrar campos para códigos ou análises. Nesta tarefa, você vai criar uma dimensão yesno para identificar pedidos cancelados com base na dimensão de status atual, criar métricas que usam objetos atuais para calcular a porcentagem de receita perdida com esses cancelamentos e aplicar convenções de nomenclatura descritiva a novas dimensões e métricas.

Criar uma dimensão yesno com base em outra atual

1. Clique no botão ativar/desativar para entrar no Modo de Desenvolvimento.

2. No menu Desenvolver, selecione o projeto qwiklabs_ecommerce.

3. Abra order_items.view em Visualizações.

4. Analise a dimensão status.

   A sintaxe usa o operador de substituição ${TABLE}.column_name, que faz referência a uma coluna da tabela identificada no parâmetro sql_table_name na parte de cima de um arquivo de visualização.

   Nesse caso, ${TABLE}.status faz referência à coluna de status na tabela cloud-training-demos.looker_ecomm.order_items. Você pode usar essa dimensão para criar outra do tipo yesno que identifique se um pedido foi cancelado.

Os nomes pedido_cancelado e o_pedido_foi_cancelado seguem a prática recomendada de nomenclatura descritiva porque identificam com clareza o objeto cancelado como um pedido. Sua equipe pode definir qual das duas opções adotar como convenção de nomenclatura.

5. Na dimensão status, adicione o código abaixo para criar outra do tipo yesno:

dimension: order_is_canceled { type: yesno sql: ${status} = "" ;; }

A sintaxe usa o operador de substituição ${field_name}, que faz referência a uma dimensão ou métrica da visualização atual. Nesse caso, ${status} faz referência à dimensão status na visualização order_items.

Observe que o código ainda não inclui um valor para status. Embora seja possível usar a dimensão de status, ainda é necessário saber qual valor nela é usado para identificar os pedidos cancelados.

Tecnicamente, todas essas opções podem funcionar para identificar o valor correto. No entanto, a opção em que você precisa supor o valor é ineficiente, já que ele pode estar errado. Nesse caso, você precisaria testar continuamente o código executando uma consulta na análise com relação à nova dimensão até receber o resultado esperado.

Se você executar uma consulta com relação à dimensão Status na visualização Itens do pedido da análise Itens do pedido, os valores dessa dimensão serão gerados, mas a análise pode refletir uma formatação adicional aplicada com códigos LookML.

Ao executar uma consulta na tabela order_items diretamente usando o SQL Runner, é possível conferir os valores de dados brutos na coluna de status.

6. Deixe a guia do IDE aberta no navegador e abra uma janela do Looker em outra guia.

7. Acesse Desenvolver > SQL Runner.

8. Ao lado de Conexões, clique em Configurações () e em Pesquisar projetos públicos.

9. Em Projeto, digite cloud-training-demos e pressione ENTER.

10. Em Conjunto de dados, selecione looker_ecomm.
    Uma lista das tabelas disponíveis no conjunto de dados do BigQuery é exibida.

11. Para selecionar diferentes valores na coluna status, adicione a consulta abaixo à janela Consulta SQL e clique em Executar:

SELECT distinct(status) FROM cloud-training-demos.looker_ecomm.order_items ORDER BY status Observação: os valores incluem Cancelled, que usa a grafia do inglês britânico com duas letras L, em vez de Canceled, que é a grafia do inglês americano.

12. Feche a guia do SQL Runner no navegador e volte à guia do IDE.

13. Conclua o código LookML para a nova dimensão yesno:

dimension: order_is_canceled { type: yesno sql: ${status} = "Cancelled" ;; }

14. Clique em Salvar alterações.

    Deixe aberta a guia do IDE do Looker.

15. Abra uma janela do Looker em uma nova guia do navegador.

16. Acesse Análise > Itens do pedido.

17. No painel Dados, clique na guia SQL.

18. Em Itens do pedido > Dimensões, selecione:

• ID do pedido
• Pedido cancelado (Sim/Não)

Antes de executar a consulta, observe que a instrução CASE retorna como resultado Sim ou Não, indicando se o valor de order_item.status é igual a Cancelled:

CASE WHEN order_items.status = "Cancelled" THEN 'Yes' ELSE 'No' END

19. Clique em Executar.

20. Abra a guia Resultados para conferir os resultados.

21. Feche a guia da análise no navegador e volte à guia do IDE.

Criar métricas com base em dimensões e métricas atuais

1. Abra order_items.view.

2. Confira a métrica total_de_receita_de_pedidos_finalizados.

   O nome segue as práticas recomendadas para métricas de soma porque começa com "total", o que indica claramente que o valor é uma soma ou um total. Além disso, ele contém um filtro na dimensão de status com o valor igual a Concluído.

Embora total_de_pedidos_cancelados comece com total, esse nome não identifica com clareza que a soma representa o total da receita, não dos pedidos. Por sua vez, receita_de_pedidos_cancelados inclui detalhes descritivos, mas não tem total no início do nome.

3. Depois dessa métrica, adicione o código abaixo para criar duas outras:

measure: total_revenue_from_canceled_orders { type: sum sql: ${sale_price} ;; filters: [order_is_canceled: "Yes"] value_format_name: usd } measure: percent_revenue_canceled_orders { type: number value_format_name: percent_2 sql: 1.0*${total_revenue_from_canceled_orders} /NULLIF(${total_revenue}, 0) ;; }

A primeira métrica, total_de_receita_de_pedidos_cancelados, segue a mesma prática recomendada de nomenclatura para métricas de soma, porque começa com a palavra total e identifica com clareza que a soma é da receita dos pedidos cancelados.

No entanto, o filtro é diferente. Em vez de usar a dimensão status, total_de_receita_de_pedidos_cancelados usa a dimensão yesno criada nas etapas anteriores. As duas opções seguem as práticas recomendadas de reutilização de objetos do LookML, dependendo de quais estão disponíveis no modelo.

A segunda métrica segue a prática recomendada de nomear proporções de maneira descritiva porque inclui as palavras percentual e pedidos cancelados. Ela também usa estas duas métricas atuais para calcular o percentual de receita dos pedidos cancelados: a primeira e a total_de_receita.

4. Clique em Salvar alterações.

   Deixe aberta a guia do IDE do Looker.

5. Abra uma janela do Looker em uma nova guia do navegador.

6. Acesse Análise > Itens do pedido.

7. No painel Dados, clique na guia SQL.

8. Em Itens do pedido > Métricas, selecione:

• Total de receita de pedidos cancelados
• Total de receita
• Percentual de receita de pedidos cancelados

Antes de executar a consulta, observe que a instrução CASE é agora usada com SUM para calcular o total de order_items.sale_price quando order_items.status é igual a Cancelled e dividir esse valor pelo total de todos os valores em order_items.sale_price:

SUM(CASE WHEN order_items.status = "Cancelled" THEN order_items.sale_price ELSE NULL END), 0) / NULLIF(COALESCE(SUM(order_items.sale_price ), 0), 0)

9. Clique em Executar.

10. Abra a guia Resultados para conferir os resultados.

11. Feche a guia da consulta da análise no navegador e volte à guia do IDE do Looker.

12. Clique em Integridade do projeto ().

13. Na seção Integridade do projeto > Validação do LookML, clique em Validar LookML.

Nenhum erro do LookML deve ser encontrado.

Confirmar alterações e implantar na produção

1. Clique em Validar o LookML e em Confirmar alterações e enviar.

2. Adicione uma mensagem de confirmação e clique em Confirmar.

3. Por fim, clique em Implantar na produção.

Permaneça na guia do IDE do Looker no navegador para a próxima tarefa.

Clique em Verificar meu progresso para conferir o objetivo. Criar campos com base nos atuais e de acordo com as convenções de nomenclatura descritiva

Tarefa 2: fornecer contexto aos campos e às análises com rótulos e descrições

Ao adicionar rótulos e descrições a objetos do LookML, você ajuda os usuários comerciais a identificar com facilidade quais campos e análises usar nos fluxos de trabalho. Nesta tarefa, você vai adicionar rótulos e descrições à nova dimensão yesno e às métricas criadas na tarefa anterior. Você também vai adicionar um rótulo e uma descrição à análise Itens do pedido, que expõe esses campos aos usuários comerciais.

Adicionar rótulos e descrições a dimensões

1. Abra uma janela do Looker em uma nova guia do navegador.

2. Acesse Análise > Itens do pedido.

3. Expanda Itens do pedido e mantenha o cursor sobre a dimensão Pedido cancelado (Sim/Não) para conferir mais opções.

4. Clique em Informações () para conferir os detalhes da dimensão.

   O controle Informações fornece detalhes como o parâmetro SQL. No entanto, para usuários comerciais com conhecimento limitado de SQL, não há outra descrição que ajude a entender com facilidade o uso pretendido da dimensão. Nas próximas etapas, você vai adicionar o parâmetro de descrição à dimensão Pedido cancelado para fornecer mais contexto aos usuários comerciais.

5. Deixe a guia da análise aberta no navegador e volte à guia do IDE do Looker.

6. Abra order_items.view.

7. Adicione uma descrição para a dimensão pedido_cancelado que você criou:

dimension: order_is_canceled { description: "A value equal to Yes means that the order has a canceled status. A value equal to No means that the order does not have a canceled status." type: yesno sql: ${status} = "Cancelled" ;; }

8. Clique em Salvar alterações e em Validar LookML.

9. Volte para a guia da análise Itens do pedido no navegador e atualize a página.

10. Expanda Itens do pedido e mantenha o cursor sobre a dimensão Pedido cancelado (Sim/Não) para conferir mais opções.

11. Clique em Informações () para conferir os detalhes da dimensão.

    Uma descrição clara agora explica aos usuários comerciais como interpretar os valores na dimensão.

12. Deixe a guia da análise aberta no navegador e volte à guia do IDE do Looker.

13. Confira novamente o código do LookML para a dimensão pedido_cancelado.

    Você não incluiu o parâmetro label porque ele não foi necessário. O nome da dimensão já estava exibido claramente na análise como Pedido cancelado (Sim/Não).

    Nas próximas etapas, você vai adicionar uma descrição e um rótulo às métricas criadas na tarefa anterior para modificar a forma como os nomes delas são mostrados na análise e incluir mais detalhes sobre como interpretar seus valores.

Adicionar rótulos e descrições a métricas

1. Em order_items.view, adicione descrições e rótulos às métricas total_de_receita_de_pedidos_cancelados e percentual_de_receita_de_pedidos_cancelados:

measure: total_revenue_from_canceled_orders { label: "Total Revenue Lost From Canceled Orders" description: "Sum of sale price for orders with canceled status." type: sum sql: ${sale_price} ;; filters: [order_is_canceled: "Yes"] value_format_name: usd } measure: percent_revenue_canceled_orders { label: "% Revenue Lost From Canceled Orders" description: "Total revenue lost from canceled orders as a percentage of the total revenue from all orders." type: number value_format_name: percent_2 sql: 1.0*${total_revenue_from_canceled_orders} /NULLIF(${total_revenue}, 0) ;; }

2. Clique em Salvar alterações e em Validar LookML.

   Os rótulos adicionados a essas métricas enfatizam que os pedidos cancelados representam receita perdida, e as descrições fornecem mais contexto para interpretar o tipo delas e o parâmetro SQL.

3. Volte para a guia da análise Itens do pedido no navegador e atualize a página.

4. Expanda Itens do pedido e observe os rótulos revisados das duas métricas: Percentual de receita perdida com pedidos cancelados e Total de receita perdida com pedidos cancelados.

5. Clique em Informações () em cada métrica para conferir os detalhes.

   Além dos rótulos, descrições úteis agora explicam aos usuários comerciais como interpretar os valores das métricas.

6. Em Itens do pedido > Dimensões, selecione Pedido cancelado (Sim/Não).

7. Em Itens do pedido > Métricas, selecione:

• Total de receita perdida com pedidos cancelados
• Total de receita
• Percentual de receita perdida com pedidos cancelados

8. No painel Dados, passe o cursor sobre os nomes das colunas para conferir a mesma descrição fornecida para o botão Informações em Pedido cancelado, Total de receita perdida com pedidos cancelados e Percentual de receita perdida com pedidos cancelados.

9. Clique em Executar.

   A consulta retorna duas linhas com base na dimensão Pedido cancelado: uma para Sim e outra para Não. Os usuários comerciais que tiverem dúvidas sobre esses resultados agora podem consultar as descrições das dimensões e métricas para saber mais.

Adicionar um rótulo e uma descrição a uma análise

1. Feche a guia da análise no navegador e volte à guia do IDE do Looker.

2. Abra training_ecommerce.model em Modelos.

3. Adicione um rótulo e uma descrição à análise Itens do pedido antes da junção para users:

explore: order_items { label: "Orders and Users" description: "Use this Explore to review details for orders and users, including information on inventory, products, and distribution centers." join: users { type: left_outer sql_on: ${order_items.user_id} = ${users.id} ;; relationship: many_to_one }

4. Clique em Salvar alterações e em Validar LookML.

5. Deixe a guia do IDE aberta no navegador e abra uma janela do Looker em outra guia.

6. Clique em Análise para conferir a lista de análises no menu.

A análise Itens do pedido tem um novo rótulo: Pedidos e usuários. Também há um controle Informações ao lado do nome dela.

7. Passe o cursor sobre Informações () para conferir os detalhes da análise.

   Agora há uma descrição clara com detalhes sobre os dados disponíveis na análise para que os usuários comerciais possam determinar com facilidade se ela é adequada para os fluxos de trabalho deles.

8. Feche a guia da análise no navegador e deixe a guia do IDE aberta.

Confirmar alterações e implantar na produção

1. Clique em Validar o LookML e em Confirmar alterações e enviar.

2. Adicione uma mensagem de confirmação e clique em Confirmar.

3. Por fim, clique em Implantar na produção.

Clique em Verificar meu progresso para conferir o objetivo. Fornecer contexto aos campos e às análises com rótulos e descrições

Tarefa 3: limitar a quantidade de campos necessários em uma análise específica

Ao criar objetos do LookML no modelo, considere quais campos e análises os usuários comerciais precisam acessar diretamente. Quando você mostra apenas um número selecionado de campos e análises, os usuários comerciais podem encontrar os dados relevantes com mais rapidez.

Nesta tarefa, você vai usar o parâmetro hidden para ocultar campos extras do modelo training_ecommerce e o parâmetro fields para limitar os campos apresentados aos usuários comerciais na análise Itens do pedido.

Ocultar um campo de todas as análises em um modelo do LookML

1. Abra uma janela do Looker em uma nova guia do navegador.

2. Acesse Análise > Eventos.

3. Expanda Usuários.

4. Abra uma janela do Looker em uma nova guia do navegador.

5. Acesse Análise > Pedidos e usuários.

6. Expanda Usuários e compare as duas análises.

Observe que as mesmas dimensões são exibidas para Usuários nas análises Eventos e Pedidos e usuários, incluindo Latitude e Longitude, que nem sempre são relevantes.

Dica: você pode pesquisar cada parâmetro na documentação do Looker.

7. Deixe as guias das duas análises abertas no navegador e volte ao IDE do Looker.

8. Abra users.view em Visualizações.

9. Adicione o parâmetro hidden às dimensões Latitude e Longitude:

dimension: latitude { hidden: yes type: number sql: ${TABLE}.latitude ;; } dimension: longitude { hidden: yes type: number sql: ${TABLE}.longitude ;; }

10. Clique em Salvar alterações e em Validar LookML.

11. Volte para a guia da análise Pedidos e usuários no navegador e atualize a página.

12. Expanda Usuários e analise as dimensões disponíveis.

    As dimensões Latitude e Longitude não estão mais visíveis na análise Pedidos e usuários.

13. Volte para a guia da análise Eventos no navegador e atualize a página.

14. Expanda Usuários e analise as dimensões disponíveis.

    As dimensões Latitude e Longitude não aparecem mais em nenhuma das análises. Você também pode ocultar uma dimensão ou métrica apenas de algumas análises, em vez de em todas elas. Por exemplo, as análises Eventos e Pedidos e usuários contém as mesmas informações do usuário. No entanto, em Eventos, muitos desses campos fornecem mais informações de identificação pessoal do que o necessário.

    Nas próximas etapas, você vai ocultar a maioria das dimensões e métricas da visualização Usuários para a análise Eventos, porque apenas informações mínimas são necessárias para selecionar usuários ou identificar tendências gerais.

Ocultar campos seletivamente de análises específicas

1. Deixe as guias de análise abertas no navegador e volte para a guia do IDE.

2. Abra training_ecommerce.model.

3. Adicione o parâmetro fields à análise Eventos antes da junção para event_session_facts:

explore: events { fields: [ALL_FIELDS*, -users.city, -users.email, -users.first_name, -users.gender, -users.last_name, -users.state] join: event_session_facts { type: left_outer sql_on: ${events.session_id} = ${event_session_facts.session_id} ;; relationship: many_to_one }

A sintaxe do parâmetro fields indica que todos os campos vão permanecer visíveis na análise, exceto aqueles identificados com um sinal de menos (-) antes do nome, como users.city, que será ocultado.

4. Clique em Salvar alterações e em Validar LookML.

5. Volte para a guia da análise Pedidos e usuários no navegador e atualize a página.

6. Expanda Usuários e analise as dimensões disponíveis.

   Nenhuma outra dimensão foi ocultada na análise Pedidos e usuários.

7. Volte para a guia da análise Eventos no navegador e atualize a página.

8. Expanda Usuários e analise as dimensões disponíveis.

   Observe que apenas algumas dimensões de Usuários permanecem disponíveis na análise Eventos: aquelas que não foram explicitamente identificadas com um sinal de menos (-) no parâmetro fields.

   Eventos agora permite análises mais gerais de usuários e eventos, enquanto Pedidos e usuários contém detalhes mais específicos, como informações de identificação pessoal.

9. Em Usuários > Dimensões, selecione País.

10. Em Usuários > Métricas, selecione Contagem.

11. Em Eventos > Dimensões, selecione Tipo de evento.

12. Clique em Executar.

    A consulta retorna o número de usuários por país para cada tipo de evento, incluindo aqueles com valores nulos.

13. Feche as duas guias de análise abertas no navegador e deixe a guia do IDE aberta.

Confirmar alterações e implantar na produção

1. Clique em Validar o LookML e em Confirmar alterações e enviar.

2. Adicione uma mensagem de confirmação e clique em Confirmar.

3. Por fim, clique em Implantar na produção.

Clique em Verificar meu progresso para conferir o objetivo. Limitar a quantidade de campos necessários em uma análise específica

Tarefa 4: agrupar campos ou análises similiares em categorias úteis

Os desenvolvedores do LookML podem usar o parâmetro group_label para facilitar a navegação nas análises, agrupando campos ou análises similares em categorias lógicas. Nesta tarefa, você vai agrupar as várias dimensões de local em users.view e criar grupos separados para as análises Pedidos e usuários e Eventos em training_ecommerce.model com diferentes títulos rotulados por equipe.

Agrupar campos similares em uma visualização

1. Abra users.view e analise as dimensões disponíveis.

Várias dimensões contêm informações de local, como cidade, país, estado e CEP.

Com base na documentação do parâmetro group_label para campos, é possível adicionar a sintaxe LookML group_label: "Group Name" a várias dimensões para agrupá-las em uma única categoria.

2. Adicione o parâmetro group_label às dimensões cidade, país, estado e CEP para agrupá-las na categoria Localização:

dimension: city { group_label: "Location" type: string sql: ${TABLE}.city ;; } dimension: country { group_label: "Location" type: string map_layer_name: countries sql: ${TABLE}.country ;; } dimension: state { group_label: "Location" type: string sql: ${TABLE}.state ;; map_layer_name: us_states } dimension: zip { group_label: "Location" type: zipcode sql: ${TABLE}.zip ;; }

3. Clique em Salvar alterações e em Validar LookML.

4. Deixe a guia do IDE aberta no navegador e abra uma janela do Looker em outra.

5. Acesse Análise > Pedidos e usuários.

6. Expanda Usuários e analise as dimensões disponíveis.

7. Em Usuários > Dimensão > Localização, selecione:

• Cidade
• País
• Estado
• CEP

8. Selecione Executar para conferir os resultados.

9. Feche a guia da análise Pedidos e usuários no navegador e volte para a guia do IDE.

Criar grupos de análises com diferentes títulos

1. Abra training_ecommerce.model.

Observe que um parâmetro label no nível do modelo na linha 15 tem o valor "Treinamento de e-commerce". Esse é o título atual exibido no menu Análise. As análises Pedidos e usuários e Eventos estão organizadas com esse título no menu Análise.

Confira a página da documentação sobre group_label para análises e responda à pergunta a seguir.

2. Antes do parâmetro label, adicione um group_label chamado E-commerce - Inventory Team à análise Itens do pedido:

explore: order_items { group_label: "E-commerce - Inventory Team" label: "Orders and Users"

3. Antes do parâmetro fields, adicione um group_label chamado E-commerce - Marketing Team à análise Eventos:

explore: events { group_label: "E-commerce - Marketing Team" fields: [ALL_FIELDS*, -users.city, -users.email, -users.first_name, -users.gender, -users.last_name, -users.state]

4. Clique em Salvar alterações e em Validar LookML.

5. Abra uma janela do Looker em uma nova guia do navegador.

6. Abra o menu Análise e confira as opções.

Cada análise agora tem um título próprio. Ao adicionar análises, você pode usar o mesmo valor de group_label para continuar expandindo os grupos atuais ou atribuir novos valores de group_label para criar grupos com títulos próprios.

Confirmar alterações e implantar na produção

1. Clique em Validar o LookML e em Confirmar alterações e enviar.

2. Adicione uma mensagem de confirmação e clique em Confirmar.

3. Por fim, clique em Implantar na produção.

Clique em Verificar meu progresso para conferir o objetivo. Agrupar campos ou análises similares em categorias úteis

Parabéns!

Neste laboratório, você tornou os projetos do LookML mais fáceis de usar e adaptar com a reutilização de objetos atuais, a aplicação de convenções de nomenclatura descritiva e o uso de outros parâmetros, como fields e hidden. Você também limitou a quantidade de campos necessários em análises específicas e usou o parâmetro group_label para facilitar a navegação entre elas, agrupando campos e análises similares em categorias lógicas.

Próximas etapas / Saiba mais

• Referência rápida do LookML
• Termos e conceitos do LookML
• Comunidade Looker
• Outras noções básicas do LookML
• Prática recomendada: criar uma experiência positiva para os usuários do Looker

Treinamento e certificação do Google Cloud

Esses treinamentos ajudam você a aproveitar as tecnologias do Google Cloud ao máximo. Nossas aulas incluem habilidades técnicas e práticas recomendadas para ajudar você a alcançar rapidamente o nível esperado e continuar sua jornada de aprendizado. Oferecemos treinamentos que vão do nível básico ao avançado, com opções de aulas virtuais, sob demanda e por meio de transmissões ao vivo para que você possa encaixá-las na correria do seu dia a dia. As certificações validam sua experiência e comprovam suas habilidades com as tecnologias do Google Cloud.

Manual atualizado em 2 de fevereiro de 2026

Laboratório testado em 3 de dezembro de 2025

Copyright 2026 Google LLC. Todos os direitos reservados. Google e o logotipo do Google são marcas registradas da Google LLC. Todos os outros nomes de produtos e empresas podem ser marcas registradas das respectivas empresas a que estão associados.