Google Cloud Looker. La mejor plataforma analítica para ganar con datos

En este breve artículo queremos mencionar los diferenciadores fundamentales de Looker.

Looker es independiente del gestor de bases de datos

Al ser "agnóstico de base de datos", Looker es capaz de trabajar con un gran número de repositorios de datos, en la nube o en infraestructura privada. Esto hace que Looker sea capaz de adaptarse a las cambiantes necesidades y tecnologías del área de análisis de datos.

Capa semántica

La utilización por Looker de una capa semántica, en el proceso de modelación y consumo de datos, resuelve muchos problemas tradicionales de la analítica de datos. Primeramente no hay que desarrollar el modelo de datos desde cero, ya que la mayor parte del código es generado automáticamente por Looker. Además, el modelo y la velocidad de las consultas no está limitado a la base de datos que se utilice, ya que Looker utiliza una política de almacenamiento en memoria (cache) para acelerar la ejecución. La capa semántica permite adicionar tablas adicionales para modelar la información fuera del gestor de bases de datos, convirtiendo a Looker en una herramienta ETL. Esta modelación, implementada de forma estratégica, puede acelerar significativamente las respuestas de nuestros análisis.

Control de versiones, CI/CD, y modelo de actividad del sistema

El control de versiones en Looker utiliza repositorios Git para rastrear y gestionar cambios en el código LookML y otros recursos tales como tableros. Esto permite trazabilidad de quién hizo qué en Looker, y la posibilidad de revertir a versiones anteriores de tableros. El trabajar con código versionado hace posible la utilización de técnicas usualmente limitadas al desarrollo de software, tales como Integración Continua / Instalación Continua (CI/CD, siglas en Inglés) y habilitar un flujo de desarrollo con ambientes de desarrollo, prueba y producción.

La recuperación de desastres en Google Cloud y Looker se basa en estrategias de copias de seguridad, alta disponibilidad, réplicas de datos y planes de recuperación para garantizar la integridad y disponibilidad de los datos y recursos. La monitorización y alertas para detectar problemas antes de que se conviertan en desastres es clave en esta estrategia. Looker brinda un modelo de Actividad del Sistema donde se almacena toda la información de usuarios, desempeño de la instancia, conexiones, uso de los datos, alertas, y más. Estas prácticas conjuntas aseguran un control efectivo de versiones y una preparación sólida ante eventos inesperados.

Monetización de datos

La monetización de datos se refiere a la práctica de generar valor a partir de los datos que se almacenan y gestionan. Looker, al ser no sólo una herramienta de inteligencia de negocios, sino una plataforma de datos, se posiciona de manera única para potenciar la monetización de datos.

Looker permite crear paneles y reportes personalizados, que ofrecen información valiosa a los clientes o socios comerciales. Estos paneles pueden ser empotrados en aplicaciones comerciales o internas. Además, Looker permite el acceso y consumo de la capa semántica y de los datos modelados, no solo a través de reportes empotrados, sino a través de un potente API, y de numerosos SDKs en los lenguajes de programación más populares. El límite de usuarios que pueden consumir este contenido, depende del desempeño de la instancia de Looker y no de la cantidad de licencias compradas, a diferencia de otras plataformas de BI conocidas. Esto hace que Looker sea económico en escenarios con altos volúmenes de usuarios.

Conclusión

Este artículo es parte de una serie donde iremos profundizando las ventajas de adoptar Looker como parte de una plataforma de datos empresarial, así como en algunos desafíos tecnológicos que conlleva su implementación exitosa. Espero que hayan disfrutado esta breve introducción a los principales diferenciadores de Looker. Si eres un entusiasta de Looker, o quisieras aprender más de esta increíble plataforma, no dudes en contactarnos!