GCP300LOOKERDEEPDIVE

Plongée approfondie dans le développement Looker

LookML ne constitue pas seulement le socle des ressources de visualisation dans Looker : il permet également des agrégations dynamiques, des tables dérivées persistantes à rafraîchissement incrémentiel, et bien plus encore. Dans ce cours, vous mettez en pratique les compétences d'un développeur Looker avancé au travers de sessions guidées et d'exercices autonomes s'appuyant sur des données d'exemple.

Google Cloud
Formation officielle Google CloudNiveau Avancé⏱️ 2 jours (14h)

Ce que vous allez apprendre

  • Personnaliser et rafraîchir de manière incrémentielle les tables dérivées SQL et natives
  • Intégrer Liquid pour le SQL dynamique, la mise en forme, les filtres basés sur des modèles et les paramètres dans Looker
  • Utiliser les extensions et les affinements dans Looker pour modulariser et organiser votre LookML
  • Résoudre les problèmes de code LookML et améliorer les performances
  • Appliquer les bonnes pratiques Looker à vos projets LookML
  • Gérer les déploiements Looker à l'aide des pratiques DevOps
  • Intégrer du contenu Looker dans des applications web

Prérequis

  • Avoir suivi le cours « Developing Data Models with LookML » ou disposer d'une expérience équivalente dans l'utilisation de LookML pour le développement dans Looker.

Public cible

  • Clients

Programme de la Formation

7 modules pour maîtriser les fondamentaux

Objectifs
  • Revoir les concepts clés de Looker et du développement LookML
  • Décrire les rôles et les attributs utilisateur dans Looker
  • Expliquer comment connecter votre instance Looker à une base de données
Sujets abordés
  • Présentation de Looker
  • Rôles et attributs utilisateur
  • Connexion à une base de données
  • Présentation de LookML
Objectifs
  • Définir les tables dérivées et les avantages des tables dérivées natives
  • Gérer les tables dérivées dans Looker
  • Décrire les implications de performance des différentes options de PDT
Sujets abordés
  • Comprendre les tables dérivées
  • Ajouter de la persistance
  • Rafraîchir de manière incrémentielle
  • PDT et performances
Activités

Lab: Extending LookML with PDTs and Aggregate Table

Objectifs
  • Décrire les concepts et la syntaxe de base des modèles Liquid dans LookML
  • Configurer des liens personnalisés, des drills externes et la mise en forme dynamique des champs
  • Mettre en œuvre des filtres basés sur des modèles et des paramètres interactifs pour générer du SQL dynamique
Sujets abordés
  • Concepts et syntaxe de base de Liquid
  • Liens personnalisés, drills et mise en forme
  • Filtres basés sur des modèles, paramètres et SQL dynamique
Objectifs
  • Utiliser les extensions et les affinements dans Looker pour modulariser et organiser votre LookML
  • Mettre en œuvre la localisation dans vos modèles LookML
Sujets abordés
  • Extensions
  • Affinements
  • Manifestes et localisation
Objectifs
  • Utiliser l'IDE Looker pour faciliter le développement et le débogage de LookML.
  • Écrire des tests de données pour garantir la validité de vos tableaux de bord Looker
  • Comprendre les bonnes pratiques DevOps dans Looker
Sujets abordés
  • Exploiter votre IDE
  • Débogage et erreurs courantes
  • Tests de données
  • Looker et DevOps
Objectifs
  • Comprendre les bonnes pratiques Looker
  • Mettre en œuvre les bonnes pratiques LookML pour améliorer les performances
Sujets abordés
  • Bonnes pratiques Looker
  • Améliorer les performances
Objectifs
  • Explorer les options d'intégration de contenu Looker
  • Comprendre comment utiliser l'intégration privée et via SSO
Sujets abordés
  • Explorer les options d'intégration de Looker
  • Utiliser l'intégration privée et via SSO

Formations associées

Google Cloud

Intégration de données avec Cloud Data Fusion

Ce cours de 2 jours présente aux apprenants la capacité d'intégration de données de Google Cloud à l'aide de Cloud Data Fusion. Dans ce cours, nous discutons des défis liés à l'intégration de données et de la nécessité d'une plateforme d'intégration de données (middleware). Nous discutons ensuite de la manière dont Cloud Data Fusion peut aider à intégrer efficacement les données provenant d'une variété de sources et de formats et à générer des informations. Nous examinons les principaux composants de Cloud Data Fusion et leur fonctionnement, comment traiter les données par lots et les données en streaming en temps réel avec une conception de pipeline visuelle, un suivi riche des métadonnées et de la lignée des données, et comment déployer des pipelines de données sur divers moteurs d'exécution.

2 j
Intermédiaire
Google Cloud

Orchestration de workflow avec Cloud Composer

Cloud Composer est un service d'orchestration de workflow entièrement géré, basé sur Apache Airflow. Composer vous permet de créer, planifier, surveiller et gérer des pipelines de workflow qui s'étendent sur plusieurs clouds et centres de données sur site. Dans ce cours, vous découvrirez Apache Airflow et son implémentation via Cloud Composer. Vous apprendrez à provisionner des instances Composer, à créer et gérer des DAGs Airflow sur Composer, et à effectuer des tâches telles que le test, le débogage et la surveillance des DAGs Airflow.

1 j
Intermédiaire

Prochaines sessions

3 décembre 2026
Distanciel • Français
S'inscrire

Processus Qualité

L'engagement de SFEIR Institute : une démarche d'excellence pour garantir la qualité et la réussite de toutes nos formations. En savoir plus sur notre démarche qualité

Méthodes pédagogiques mobilisées
  • Lectures / Apports théoriques (Slides)Présentation de concepts via des supports visuels (PowerPoint, PDF).
  • Démonstration technique (Démos)Le formateur réalise une manipulation ou une procédure devant les apprenants.
  • Laboratoires dirigés (Labs)Mise en pratique guidée sur logiciel, machine ou environnement technique.
  • Quiz / QCMTest rapide de connaissances (format papier ou numérique type Kahoot/Klaxoon).
Dispositif d'évaluation et de suivi

L'atteinte des objectifs de la formation est évaluée à plusieurs niveaux pour garantir la qualité de la prestation :

  • Évaluation continue des acquis : Vérification des connaissances tout au long de la formation via des méthodes participatives (en fonction de la formation: quiz, exercices pratiques, mises en situation) sous la supervision du formateur.
  • Mesure de la progression : Dispositif d'auto-évaluation comparatif comprenant un diagnostic initial pour situer le niveau de départ, suivi d'une évaluation finale pour valider l'évolution des compétences.
  • Évaluation de la qualité : Questionnaire de satisfaction en fin de session pour mesurer la pertinence et l'efficacité de la formation ressentie par les participants.

1 580€ HT

par apprenant