Looker Blocksについて

Blocksとは

Looker Blocks。Lookerを利用する上でのテンプレート集。
View自体を作るものだったり、外部サービスとの連携、外部データの取り込み、ツールへの埋め込みなど。

これを利用すれば、ViewやDashboardの構築が効率よくできる、という期待があります。

BlocksのTOPページを見ると、以下の様な記載がありました。

Looker Blocks®は、デザインに組み込んで分析を高速化できる、あらかじめ用意されたコードのビルディングブロックです。いちから構築するよりすでにあるものを再利用し、それぞれの仕様に合わせてブロックをカスタマイズします。

ref. LookerでのBlocksのTop

docs（マニュアル）（英語）はこちら。

6つのカテゴリ

このBlocksは、大きく6つのカテゴリがあります。

• 分析
• ソース
• データ
• データツール
• ビジュアリゼーション
• 組み込み型

Block一覧で見ると結構多いです。
ぱっと見、ソースブロックが多い。（赤いやつ）
Google Analytics や Zendesk、Karteなんかもあります。

調べてみた

数があったので、リストアップしてみました。

こちらのGoogleSpreadSheetにまとめています。

※HTMLのタグベースでの抽出。
※集計の都合上、ActionHubも混じっています。

集計しました。

全部で、124個ありました。
※Action Hub (アクション) 除く

分類(訳)	Block
ソース	76
分析	21
アクション	16
組み込み型	12
Viz	8
データ	5
データツール	2
Grand Total	140

やはりソースが多いのは、フィルタにもある著作者など、接続を提供している企業が多いのがありそうですね。
Looker社を除くと、44社が Blocks / Actions を提供していました。

Googleで検索すると。。。

Lookerサイト以外だと、あまり少ないですね。
Developers.IO(クラスメソッドさん)には、Blocksの解説がいくつかありました。

[Developers.IO]Looker Blocks™のSource Blocksを試してみる #looker
AdventCalender 12/12の記事でもあります。

Looker Blocksを使ってZendeskのデータをお手軽にビジュアライズ #looker
こちらは、ソースブロックの解説（Zendesk）です。

Looker Blocks™のViz Blocksを試してみる #looker
こちらは、Vizブロックの解説です。

KarteさんのBlocks導入
KarteさんのData Hubと、そのままView / Dashboardの雛形が入っている。
データさえあれば、速攻で可視化でき、まさにBlocksのテンプレートの真骨頂。

使ってみた

ここでは記事になっていなかった、分析、データ、データツールの３つを試してみました。
※細かい部分は別記事でまとめる予定です。

分析ブロック

試したのは、「統計的有意性判定を用いたABテスト」です。

1. データセットの準備

データセットはこちらのものをお借りしました。
[Kaggle]A/B testing

2. Blockの利用

Blockを選択すると、こちらのページに飛びます。
ここでは、このBlockがどういうものか概要レベルで記載されています。

「See the Code」のボタンをクリック後、今度はHelpページに飛びます。

どうやらここではcodeを配るのではなく、考え方のレクチャーに近い感じでした。

3. ページ記載に従って、実装

• 結構時間がかかりました。
• 突然現れた派生テーブル：user_order_facts
  • 内容が分からないので、ある程度想定しながら。
• BigQuery(Legacy)に対応していない関数使っていた（POWER / STEDEV ALL）
• )閉じがない。。。

sql: 1.0 * STDDEV(all CASE WHEN NOT ${a_b} THEN ${user_order_facts.lifetime_orders} ELSE NULL END ;;

分析ブロックを使ってみて

• 何個か見てみたけど、基本的に、discourseやhelpのページに飛ぶ。
• 作るに当たっての導出と、lookmlの一部が書いてある感じ。
• でも、ここから自分の環境に合わせて、カスタマイズが必要。
  • 内容をある程度理解して、手元のデータセットに合わせてある程度修正が必要。
  • ここが少し時間かかるし、サンプルのlookmlがそのまま使えないかも。
  • ABテストのときは、t_score出す計算式が予め書いていたので、そこは楽かも。

データツールブロック

２つしかないので、「コホート分析」を試してみました。

中身は？

This block builds on the concepts described in our Cohort Block and allows for further customization based on user-selected criteria.

このBlockは、分析ブロックにある「Cohort Block」をベースにし、メジャーをパラメータで可変にできるのがポイントらしいです。

記載されていたのは、parameterによって、表示するmeasureを動的に変えるtipsでした。

parameter: measure_picker {
  type: string
  allowed_value: { value: "Cumulative Revenue" }
  allowed_value: { value: "Transactions" }
  allowed_value: { value: "User Count" }
  allowed_value: { value: "Active Users" }
}

measure: cohort_values {
  type: number
  hidden: yes
  sql: CASE WHEN {% parameter measure_picker %} = 'Cumulative Revenue' THEN ${cumulative_revenue}
      WHEN {% parameter measure_picker %} = 'Transactions' THEN ${order_count}
      WHEN {% parameter measure_picker %} = 'User Count' THEN ${user_count}
      WHEN {% parameter measure_picker %} = 'Active Users' THEN ${active_user_count}
      ELSE 0
      END ;;
}

以上でした。

データブロック

試したのは、「人口統計データ」です。

こちらはLookerが用意しているデータ＋LookMLが提供されるので、自環境に取り込んでExploreなどで使用していくイメージです。

1. まずは、Githubに移動

こちらには、以下が格納されています。

• readme
• 各データソース（Redshift, BigQueryなど）に対応したModel/Viewファイル

2. データの取得

データソースは、S3にあります。
readmeにも、AWS S3→Redshiftへの送信方法が記載されていました。

また、Google Cloud Storageにもあるらしいです。(ソースはこちら)
gsutilを使って、ダウンロードできます。

bash-3.2$ gsutil ls gs://looker-datablocks/acs_fast_facts
gs://looker-datablocks/acs_fast_facts/
gs://looker-datablocks/acs_fast_facts/acs_answers_2015_leaf
gs://looker-datablocks/acs_fast_facts/acs_questions_2015
gs://looker-datablocks/acs_fast_facts/block_group_attribs
gs://looker-datablocks/acs_fast_facts/fast_facts
gs://looker-datablocks/acs_fast_facts/geo_2015
gs://looker-datablocks/acs_fast_facts/geography_map
gs://looker-datablocks/acs_fast_facts/zcta_distances
gs://looker-datablocks/acs_fast_facts/zcta_distances_0
gs://looker-datablocks/acs_fast_facts/zcta_distances_1
gs://looker-datablocks/acs_fast_facts/zcta_distances_2
gs://looker-datablocks/acs_fast_facts/zcta_distances_3
gs://looker-datablocks/acs_fast_facts/zcta_distances_4
gs://looker-datablocks/acs_fast_facts/zcta_distances_5
gs://looker-datablocks/acs_fast_facts/zcta_distances_6
gs://looker-datablocks/acs_fast_facts/zcta_distances_7
gs://looker-datablocks/acs_fast_facts/zcta_distances_8
gs://looker-datablocks/acs_fast_facts/zcta_distances_9
gs://looker-datablocks/acs_fast_facts/zcta_to_tract_w_state

3. LookMLの設定

使用しているデータソースに応じた、model/explore/viewのLookMLファイルが置いてあるので、これを使用します。

connectionや接続先のテーブル名などは予め記載されているので、自環境と情報が違う場合は修正が必要です。

おもしろBlock

最後に、Blocksを見ていて気になったのがコチラです。
LookVR

動画を見ると、ちょっとおもしろいなって思いました。
（巨大な棒グラフに登っている）
https://youtu.be/u76ww3NJFgE

こちらのBlogやSteamのページによると、自分のデータセットを使ってみることも可能そうでした。
Oculusが身近にあるので、来年ちょっとチャンレンジしたいと思いました。

まとめ : Blockを使ってみて

• Blockは6つのカテゴリ、ソースブロックが充実している。
• 分析ブロックは、さくっと横展開できず、自分のデータセットと照らし合わせて作る必要がある。
• データブロックが少ない & USA中心なのが寂しい。
• データツールブロックは一度見れば十分かも。
• Blocksは追加できるようだけど、個人レベルではしんどそう？

種類もそれなりにありますが、分析ブロックなどはさくっと使えるという印象じゃなかったです。
ただ、ナレッジとテンプレートという意味では良いと思うので、もっと色んな角度のものが増えるといいなと思いました。