Business Intelligence : Partez à la découverte de Looker : nouvel arrivant sur le marché de la BI spécialisé dans le cloud ! Par les consultants de la #SynalTeam.
| Business Intelligence : A la découverte de Looker
Bienvenue dans une nouvelle série d’articles où l’on va présenter et évaluer une sélection d’outils BI comprenant : DataPrep, Analytics, dataviz, data storytelling, Machine Learning… Autant de sujets qui vous permettront de choisir au mieux votre solution BI !
Si vous avez loupé notre entrée en matière, nous vous conseillons d’aller y faire un tour juste ici :
Comment bien choisir son outil de BI ?
Chose promise chose due, faisons la découverte de quelques unes des solutions BI disponibles sur le marché :
– Power BI
- Looker
– Domo
Aujourd’hui, nous allons nous tourner vers une solution considérée en partie comme un nouvel arrivant sur le marché de la BI spécialisé dans le cloud : j’ai nommé Looker.
| Introduction
Looker est une plateforme d’analyse des données optimisée pour les données du cloud. Bien qu’il soit possible de l’interfacer avec toute sorte de sources de données, c’est avec les trois géants Redshift (Amazon), Snowflake et BigQuery (Google) que les qualités de Looker se distinguent.
Fondée en 2012, Looker est rachetée en 2019 par Google, qui fait aujourd’hui partie intégrante de son environnement cloud, en interface avec BigQuery.
| En résumé
Looker met en avant trois atouts qui le distingue de ses concurrents : son langage de requête et de modélisation LookML (pour Model Langage) ; son fonctionnement entièrement web (nul besoin d’installer ou de mettre à jour des logiciels) ; son mode de développement par et pour les développeurs. (rollback sur les processus, code review, déploiement d’environnement de dev, staging et prod, versioning etc.)
Passons en revue ces éléments !
- 100% web
Comparé à certains de ses concurrents – comme Power BI ou Tableau – Looker parie sur des interfaces 100% web. Nul besoin d’installer ou de mettre à jour un logiciel, de jongler entre différentes interfaces, de mettre en place des flux de données entre les outils de dataprep et d’analyses.
- LookML pour les data analyst, requêtes visuelles pour les métiers
Il s’agit d’un langage de modélisation et de requête compatible avec une cinquantaine de dialectes SQL.
La question des bases de données compatibles avec Looker mérite qu’on s’y arrête.
Comparé à ses concurrents, il demeure en retrait par rapport à certaines technologies Big Data à l’instar d’Hadoop – supporté par Tableau et PowerBI entre autres – mais offre tout de même un large panel de technologies compatibles. Il serait tout à fait réducteur de le cantonner comme interface de Google BigQuery – étant bien entendu que c’est dans la plateforme Google que Looker offre un maximum d’intégration et de support. Pour aller plus loin sur les sources de données, notez que certaines options nativement disponibles chez d’autres nécessitent également quelques workaround (par exemple pour l’utilisation de fichiers CSV).
Chaque projet repose a priori sur une unique source de données ; il n’est pas possible de joindre deux sources sur une clé commune ; ce qui suppose un travail d’enrichissement préalable en cas de données multi-sources. Contrebalançons cette critique avec un bon point pour Looker : L’outil se branche directement sur la source de données, ce qui évite d’avoir à gérer la prolifération des extraits !
Le réel atout de Looker repose sur sa capacité à requêter de façon unifiée l’ensemble de ces sources via son langage LookML. En respect des bonnes pratiques de programmation, c’est le DRY (don’t repeat yourself) qui préside à la logique de LookML. Des requêtes généralistes sont écrites en LookML par des Data Analyst ; elles pourront ensuite être raffinées via les interfaces graphiques par les utilisateurs finaux (Business user) sans qu’il leur soit nécessaire de comprendre la syntaxe.
Si Looker insiste sur la facilité de prise en main du langage LookML, ne nous y trompons pas. Il faudra tout de même aux Data Analyst un peu d’apprentissage et d’expérience pour prendre en main ce langage de requête formellement écrit en JSON.
Le gros avantage, c’est que LookML permet à la fois d’unifier dans un nouveau standard des requêtes de base présentent dans tous les moteurs SQL, mais également d’inclure des fonctions uniques à chacun de ces systèmes. LookML n’est pas un langage dédié aux utilisateurs métier ; c’est pourquoi, l’objectif étant que cette première phase lui soit complètement transparente une fois arrivée dans l’interface.
Sur la base de ces modèles et vues, l’utilisateur métier peut ensuite construire des requêtes beaucoup plus simples. Par exemple, en croisant des champs ou en filtrant des vues préconstruites.
Looker propose une expérience utilisateur graphique et intuitive. Un petit plus ? La capacité de visualiser le résultat de la requête au niveau de la ligne de données en même temps que la dataviz générée ! L’onglet SQL permet également de vérifier la requête adressée à la base. Cela permet un contrôle rapide de la part des développeurs habitués à faire leur propres requêtes.
Par et pour les développeurs
Looker table sur des caractéristiques qui rendent plus facile l’application de bonnes pratiques venues du monde du développement informatique appliquées à la data. Chaque projet est un espace collaboratif, versionné, rendant possible le peer review.
-
Un exemple :
Dans un projet partagé par plusieurs développeurs et data analystes, il est possible de switcher du mode “prod”, visible dans un état donné par l’ensemble des membres du projet, vers un mode “dev”. Pour les aficionados de Git, le mode dev correspond à une nouvelle branche, spécifiquement détachée de la production pour développer et visualiser des changements dans le modèle de données. Une fois que ces changements sont testés et validés, il ne reste plus qu’à réunir (merger) la branche de développement avec la prod. Looker bénéficie alors de toute la puissance de Git pour gérer les versions et les conflits avant d’évoluer vers la nouvelle version !
Les petits plus
Looker opte pour une grande variété de modalité d’échange des données et des vues construites. On aime particulièrement la possibilité d’envoyer automatiquement par email à un rythme prédéfini (dans le temps ou lorsqu’un seuil dans les données est atteint) des vues et tableaux de bord. Les API de Looker le rendent également facilement interopérables avec d’autres outils.
Notre principal regret
Découvrir Looker, ça se mérite ! Difficile de télécharger une version de test ; plus difficile encore de connaître la tarification. A moins de posséder un compte google cloud ; l’outil est directement implémenté avec Google BigQuery – il est donc très difficile de tester la solution !
En partant à la découverte de Looker, voici nos remarques concernant l’offre :
| Grille de benchmarking
Cette grille détaillée vous permet de visualiser rapidement les fonctionnalités proposées par les éditeurs à partir d’une liste de critères plus ou moins exhaustifs de ce qu’on attend d’un outil BI. Vous pourrez retrouver la grille complète des solutions dans l’article de clôture de ce benchmark.
Légende :
| Note de fin
Looker met en avant des atouts stratégiques par rapport à d’autres concurrents : super-adapté aux technologies du cloud ; compatible avec de très nombreuses bases de données SQL et no SQL ; pensée par et pour les développeurs afin d’être compatibles avec les meilleures pratiques de tests et de versionnement…
Looker se positionne dans les 3 premières étapes de la chaîne du reporting : la collecte, la préparation et la visualisation. Le tout en une seule plateforme, ce qui permet un accès en temps réel aux données.
L’objectif de Looker est de proposer un outil permettant à la fois un contrôle avancé des données, une véritable gouvernance, mais également du libre-service !
Dans le workflow idéal, les données sont préparées et le modèle prémâché par les data analyst, avant d’être mises à disposition des métiers. Libre à eux dans un second temps de prendre en main les données et de construire les vues et les rapports qui répondront le mieux à leurs questions !
En conclusion, les premiers exemples que nous avons pu consulter sont assez convaincants. Reste à vérifier à l’usage la capacité de prise en main par les business users.
Vous êtes utilisateur métier de Looker ? Votre retour d’expérience nous intéresse ! (en commentaire).
Retrouvez-nous toutes les deux semaines pour une nouvelle analyse !
[…] – Looker […]
[…] Looker […]
[…] Looker […]