ASDF - stock.adobe.com

Avec Modeler, Google découple la modélisation sémantique de Looker

Google a dévoilé mercredi Looker Modeler, un nouveau service standalone qui permettra aux clients de n’importe quel outil BI d’utiliser les capacités de modélisation sémantique de Looker, pour définir et stocker des métriques.

Le service sera disponible en préversion privée au cours du deuxième trimestre, la disponibilité générale étant prévue pour la fin de l’année 2023.

Google a acquis Looker pour 2,6 milliards de dollars en 2019 afin d’ajouter des capacités de modélisation sémantique et de business intelligence à sa plateforme BigQuery.

Depuis, le géant du cloud a intégré Looker avec d’autres services Google Cloud, et a également fait de Looker la marque ombrelle de ses produits BI.

Lorsque Looker a lancé sa plateforme analytique il y a 10 ans, l’une des façons de se démarquer de la concurrence, notamment de Tableau et de Qlik, était d’inclure une couche de modélisation sémantique.

Les couches sémantiques permettent aux administrateurs de définir des mesures clés et de normaliser la signification des termes au sein de leur organisation afin de créer une cohérence et d’éviter la duplication des données. Cela permet ensuite aux utilisateurs en libre-service de trouver et de partager des données sans avoir à connaître le code ou la manière d’interroger et de joindre plusieurs tables ou sources.

Modeler, la couche sémantique de Looker sans la BI

Modeler reprend les capacités sémantiques de Looker, mais les sépare du reste de la plateforme pour la rendre compatible avec d’autres outils analytiques. Google Cloud évoque déjà une compatibilité avec les Connected Sheets, Looker Studio Pro, mais aussi Thoughspot. Les intégrations avec Tableau et Power BI suivront.

Selon Doug Henschen, analyste chez Constellation Research, cette interopérabilité avec les plateformes tierces fait de Looker Modeler une fonctionnalité importante.

« Modeler exploite les points forts du produit tout en ouvrant la voie à l’utilisation de produits tiers », avance-t-il.

« Google a pris des mesures évidentes pour ajouter des intégrations avec BigQuery et d’autres services Google Data Cloud, mais j’apprécie le fait qu’il ait maintenu la compatibilité de Looker avec une myriade de plateformes de données en cloud tierces », rappelle-t-il.

De même, Mike Leone, analyste chez Enterprise Stratagy Group (ESG, propriété de Techtarget, également propriétaire du MagIT), note l’intérêt de cette ouverture.

« L’ouverture a toujours été un pilier du message de Google Cloud, et l’interopérabilité de Looker Modeler continue sur cette voie avec la prise en charge de tous les principaux outils BI », confirme-t-il. « Que l’on utilise Looker pour la BI et la visualisation de données ou un autre outil, Looker Modeler peut servir de fondation [à une architecture de données] ».

Outre le fait d’encourager une prise de décision collaborative en modélisant l’ensemble des éléments clés d’une organisation, une telle fonctionnalité garantirait une meilleure gouvernance des données et permettrait, in fine, d’obtenir de meilleures données.

« Lorsque la modélisation des données est bien faite, la qualité des données s’en trouve considérablement améliorée », note l’analyste.

« Maintenant, avec Looker Modeler, les clients peuvent n’utiliser que le service de modélisation, et le connecter aux outils de BI de leur choix ».
Gerrit KazmaierVP et directeur général data, analytics et Looker chez Google Cloud

Google a développé Looker Modeler à la demande de ses clients, selon Gerrit Kazmaier, vice-président et directeur général data, analytics et Looker chez Google Cloud.

Ceux-ci font appel à de nombreuses plateformes et solutions analytiques tierces, mais n’arrivent pas forcément à maintenir la cohérence des données entre ces différents systèmes.

« Nos clients nous ont toujours dit qu’il était difficile d’assurer la cohérence de leurs [métriques] », affirme Gerrit Kazmaier. « Il est difficile d’aligner les chiffres d’une réunion à l’autre, et ils ont vraiment vu l’avantage de Looker d’avoir des données fiables et gouvernées. Maintenant, avec Looker Modeler, les clients peuvent n’utiliser que le service de modélisation, et le connecter aux outils de BI de leur choix ».

L’analytique augmentée, pas le point fort de Looker selon Constellation Research 

Si la couche sémantique de Looker continue de la différencier de ses pairs, les capacités d’analyse augmentée de la plateforme ne sont pas à la hauteur de celles de ses concurrents, selon Doug Henschen.

Ask Looker, un outil d’interrogation en langage naturel, est en cours de développement. Mais de nombreux éditeurs, dont Tableau, ThoughtSpot et Amazon QuickSight proposent déjà des fonctions similaires.

Par ailleurs, alors que Looker développe des intégrations avec des outils tiers qui ont le potentiel d’ajouter des fonctionnalités analytiques augmentées, il faut garder à l’esprit que tous les clients de Looker ne sont pas clients des autres outils de Google. Par exemple, Looker peut tirer parti de BigQuery AutoML, selon l’analyste de Constellation Research.

Mais plutôt que de s’intégrer à une multitude d’autres outils d’intelligence augmentée et de machine learning de Google – qui ne sont pas disponibles pour les clients de Looker n’étant pas également abonnés à d’autres produits Google –, Looker serait mieux servi s’il intégrait directement des outils d’intelligence augmentée et d’apprentissage automatique.

« Dans Looker, l’analytique augmentée est un chantier loin d’être terminé », signale Doug Henschen.

Pour approfondir sur Outils décisionnels et analytiques

Close