GCP300LOOKERDEEPDIVE

Plongée en profondeur pour les développeurs Looker

LookML ne sert pas seulement de base aux ressources de visualisation dans Looker, mais il est également capable de gérer des agrégations dynamiques, des tables dérivées persistantes actualisées de manière incrémentielle, et plus encore. Dans ce cours, vous pratiquerez les compétences nécessaires pour devenir un développeur Looker avancé à travers des cours magistraux guidés et des exercices indépendants utilisant des données exemples.

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

Ce que vous allez apprendre

  • Personnaliser et actualiser de manière incrémentielle les tables SQL et les tables dérivées natives
  • Intégrer Liquid pour le SQL dynamique, le formatage, les filtres basés sur des modèles et les paramètres dans Looker
  • Utiliser les extensions et les raffinements dans Looker pour modulariser et organiser votre LookML
  • Dépanner le code LookML et améliorer les performances
  • Appliquer les meilleures pratiques de Looker à vos projets LookML
  • Gérer les déploiements de Looker en utilisant les pratiques DevOps
  • Intégrer le contenu Looker dans des applications web

Prérequis

  • Avoir suivi le cours "Developing Data Models with LookML" ou posséder 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
  • Passer en revue les concepts clés du développement Looker et LookML
  • Décrire les rôles et les attributs utilisateur dans Looker
  • Expliquer comment connecter votre instance Looker à une base de données
Sujets abordés
  • Revue de Looker
  • Rôles et attributs utilisateur
  • Connexion à une base de données
  • Revue de LookML
Activités

Atelier : Nettoyage initial de LookML

Objectifs
  • Définir les tables dérivées et les avantages des tables dérivées natives
  • Maintenir les tables dérivées dans Looker
  • Décrire les implications sur les performances des différentes options de PDT
Sujets abordés
  • Comprendre les tables dérivées
  • Ajouter la persistance
  • Actualisation incrémentielle
  • PDT et performance
Activités

Atelier : Étendre LookML avec des PDT et des tables d'agrégation

Objectifs
  • Concepts fondamentaux et syntaxe de Liquid
  • Liens personnalisés, explorations et formatage
  • Filtres basés sur des modèles, paramètres et SQL dynamique
Sujets abordés
  • Concepts fondamentaux et syntaxe de Liquid
  • Liens personnalisés, explorations et formatage
  • Filtres basés sur des modèles, paramètres et SQL dynamique
Activités

Atelier : Améliorer la flexibilité de LookML avec Liquid

Objectifs
  • Utiliser les extensions et les raffinements dans Looker pour modulariser et organiser votre LookML
  • Implémenter la localisation dans vos modèles LookML
Sujets abordés
  • Extensions
  • Raffinements
  • Manifestes et localisation
Activités

Atelier : Modulariser votre LookML

Objectifs
  • Utiliser l'IDE de 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 meilleures pratiques DevOps dans Looker
Sujets abordés
  • Tirer parti de votre IDE
  • Débogage et erreurs courantes
  • Tests de données
  • Looker et DevOps
Activités

Atelier : Test et débogage de LookML

Objectifs
  • Comprendre les meilleures pratiques de Looker
  • Mettre en œuvre les meilleures pratiques dans LookML pour améliorer les performances
Sujets abordés
  • Meilleures pratiques de Looker
  • Amélioration des performances
Activités

Atelier : Mise en œuvre des meilleures pratiques de LookML

Objectifs
  • Explorer les options pour intégrer le contenu de Looker
  • Comprendre comment utiliser l'intégration privée et SSO
Sujets abordés
  • Explorer les options d'intégration de Looker
  • Utilisation de l'intégration privée et SSO

Formations associées

SFEIR Institute
Best

dbt

Apprenez à transformer vos données avec dbt, l'outil de référence du Modern Data Stack. Vous commencerez par comprendre l'évolution des architectures data et la différence entre ETL et ELT. Vous installerez dbt, créerez votre premier projet et le connecterez à vos sources de données. Vous apprendrez ensuite à construire des modèles de données structurés, à choisir les bonnes options de matérialisation (table, view, incremental) et à organiser vos métadonnées avec les tags. Vous découvrirez comment référencer vos sources et gérer les dépendances entre modèles. Vous explorerez les fonctionnalités avancées : seeds pour initialiser vos données de référence, snapshots pour suivre l'historique et gérer les dimensions à évolution lente, macros Jinja et variables pour automatiser vos transformations. Enfin, vous mettrez en place des tests automatisés pour garantir la qualité de vos données, documenterez vos modèles avec le lineage, et découvrirez les packages de la communauté dbt. Formation pratique avec 60% de labs.

2 j
Fondamental
Google Cloud

Introduction à l'Analyse de Données sur Google Cloud

Ce cours est une introduction à l'analyse de données sur Google Cloud. Il est conçu pour les apprenants qui n'ont aucune expérience préalable de l'analyse de données ou de Google Cloud. Le cours couvre les bases de l'analyse de données, y compris la collecte, le stockage, l'exploration, la visualisation et le partage. Il présente également aux apprenants les outils et services d'analyse de données de Google Cloud. À travers des conférences vidéo, des démos, des quiz et des travaux pratiques, le cours montre comment passer des données brutes à des visualisations et des tableaux de bord percutants.

1 j
Fondamental

Prochaines sessions

5 mars 2026
Distanciel • Français
S'inscrire
4 juin 2026
Distanciel • Français
S'inscrire
3 septembre 2026
Distanciel • Français
S'inscrire
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