Looker 生態系：從 BigQuery 到 Explore

理解 BigQuery、LookML、Explore、積木（Blocks）四層架構的關係，
以及如何從零開始建立自己的 Looker 專案。

〇 總覽：四層架構

一 BigQuery — 資料住在這裡

BigQuery 是 Google Cloud 的資料倉庫服務。你的交易紀錄、會員資料、行為事件等結構化資料都存在 BigQuery 的 tables 裡。

Looker 本身不存資料。它透過 Connection（連線設定）連到 BigQuery，每次有人在 Explore 拖拉欄位，Looker 就自動產生 SQL 去 BQ 執行，把結果拿回來顯示。

每個 Connection 會綁定一個 GCP billing project。查詢的費用（BigQuery on-demand 計價）會計入這個 project。因此一個組織可能有多個 Connection，分別綁不同的 billing project。

二 LookML — 語意翻譯層

LookML 是 Looker 專屬的設定語言（不是 SQL，但裡面會嵌入 SQL 片段）。它做的事情是：

• 告訴 Looker「這張 BQ table 有哪些欄位值得看」
• 把技術欄位名翻譯成業務語言（member_id → 「會員編號」）
• 定義計算指標（營收、客單價、回購率⋯⋯）
• 設定 table 之間的 join 關係

LookML 有三個核心概念，由下往上分別是：

View — 描述一張表

一個 View 對應一張 BQ table（或一段 derived SQL）。你在 view 裡定義 dimensions（維度，用來分群、篩選）和 measures（指標，用來聚合計算）。

view: order_items {
  sql_table_name: `my-gcp-project.ecommerce.order_items` ;;

  dimension: order_id {
    type: number
    sql: ${TABLE}.order_id ;;
    primary_key: yes
  }

  dimension_group: created {
    type: time
    timeframes: [date, week, month, year]
    sql: ${TABLE}.created_at ;;
  }

  dimension: sale_price {
    type: number
    sql: ${TABLE}.sale_price ;;
    value_format_name: decimal_0
  }

  measure: total_revenue {
    label: "總營收"
    type: sum
    sql: ${sale_price} ;;
    value_format_name: decimal_0
  }

  measure: order_count {
    label: "訂單數"
    type: count_distinct
    sql: ${order_id} ;;
  }

  measure: average_order_value {
    label: "客單價"
    type: number
    sql: ${total_revenue} / NULLIF(${order_count}, 0) ;;
    value_format_name: decimal_0
  }
}

Explore — 組合多張表

把一個或多個 view 組合起來，定義 join 關係。這決定了使用者在 Explore 介面能看到哪些欄位、能怎麼交叉分析。

include: "/views/*.view.lkml"

explore: order_items {
  label: "訂單分析"
  description: "訂單明細與營收分析，可交叉會員屬性"

  join: members {
    type: left_outer
    sql_on: ${order_items.member_id} = ${members.member_id} ;;
    relationship: many_to_one
  }
}

Model — 最頂層容器

一個 Model 綁定一個 Connection，並 include 所有 view 和 explore 檔案。它是整個 LookML 專案的入口。

connection: "my-bq-connection"

include: "/views/*.view.lkml"
include: "/explores/*.explore.lkml"

三 Looker Explore — 使用者的互動介面

Explore 是 Looker 的核心功能，業務人員在這裡自助分析資料：

• 左側欄 — 選維度和指標（這些就是你在 LookML view 裡定義的 dimension / measure）
• 篩選列 — 加條件（日期區間、城市、商品分類⋯⋯）
• 結果區 — 看表格，一鍵切換成各種圖表
• 儲存 — 滿意了就 Save to Dashboard，變成固定報表

重點：Explore 裡每一個可以拖拉的欄位，都是你在 LookML 裡寫過的 dimension 或 measure。沒定義的欄位，使用者看不到。這就是 LookML 的核心價值 — 你控制業務人員能看到什麼、數字怎麼算。

Explore 背後發生的事

當使用者在 Explore 裡選了「月份」和「總營收」，Looker 會：

1. 讀取 LookML，找到對應的 dimension 和 measure 定義
2. 自動產生 SQL：SELECT month, SUM(sale_price) FROM ... GROUP BY month
3. 透過 Connection 送去 BigQuery 執行
4. 把結果拉回來，顯示成表格或圖表

使用者不需要會 SQL，但你（Developer）要透過 LookML 確保 SQL 邏輯正確。

四 Looker 積木（Blocks）— 預建模組

Looker Blocks 是 Google 官方或社群維護的預建 LookML 專案。它們針對常見資料源提供現成的 view、explore、dashboard。

常見的積木

積木的三種用法

• 直接安裝 — 如果你的資料源完全匹配（例如標準 GA4 BigQuery Export），裝上去改個 connection 就能用
• 當範本參考 — 看別人怎麼建模，借用 dimension/measure 定義邏輯，改成自己的 table 結構
• 用 extends / refinements 擴充 — 在積木的 view 上加自訂欄位，不改原始碼，保留未來升級能力

四者對照表

標準 LookML 專案結構

一個典型的 LookML 專案在 Git repo 裡的結構長這樣：

開發者在本地或 Looker IDE 裡編輯這些 .lkml 檔案，commit 到 Git repo 後，在 Looker 裡 deploy 就會生效。

開發流程

Step 1 — 確認 BQ table 結構

在 BigQuery console 看你要做的表有哪些欄位、資料型別、數據量。確認 table 的完整路徑（project.dataset.table）。

Step 2 — 寫 View

在 views/ 目錄新增 .view.lkml 檔案。定義有意義的 dimensions 和 measures。好的 view 不是把所有欄位都列出來，而是只暴露業務需要的欄位，加上清楚的 label 和適當的格式化。

Step 3 — 寫 Explore

在 explores/ 目錄新增 .explore.lkml。如果只有一張表，explore 很簡單；多張表就需要定義 join 條件。

Step 4 — Deploy & 驗證

Git commit & push 後，在 Looker IDE 點 Deploy to Production。然後去 Explore 介面實際操作，確認：

• 欄位都出現了，label 正確
• 數字算出來是對的（跟你的 SQL 對照）
• 篩選和排序正常運作

常見新手陷阱

• 忘記設 primary_key — 沒有 primary_key 的 view 做 join 時 Looker 不會警告，但 count 等 measure 可能重複計算
• 把所有欄位都加進 view — 欄位太多反而讓使用者找不到重點。分批加，先做核心欄位
• Measure 定義在錯的 view — 「總營收」應該在訂單 view，不是會員 view。跟著資料的歸屬走
• 沒有驗證數字 — deploy 後一定要用已知的 SQL 查詢結果交叉比對 Explore 的數字