No mundo da tecnologia, se há uma afirmação em que se pode ter consenso absoluto é de que ela está em constante transformação. A visão do fato da tecnologia ser crucial para o sucesso dos negócios que, outrora fora uma constatação limitada a um grupo seleto de grandes e avançadas corporações, hoje é enxergada como fato cotidiano mesmo para médias e pequenas empresas que consideram em seus processos de planejamento estratégico e orçamentário a aquisição, atualização, ampliação e manutenção de seu parque tecnológico. No entanto, em função da inerente constante transformação, como os Executivos de TI podem garantir aos acionistas o Retorno dos Investimentos (ROI) e a melhor relação entre Custo Total de Propriedade (TCO) e o alinhamento com a missão estratégica da companhia?
O Looker foi criado justamente em resposta a este questionamento sob a perspectiva de sistemas de suporte à tomada de decisão, mais especificamente do BI. A visão da plataforma foi construída tendo em mente não apenas a evolução da tecnologia, mas também o movimento de interdependência crescente dos negócios com inovação e do aumento dos custos de modernização de parque tecnológico que os negócios passaram a demandar.
O Looker nasceu em 2012 criado por Lloyd Tabb e Ben Porterfield em meio a uma das principais mudanças de paradigma da tecnologia moderna, uma conjectura envolvendo transformação de sistemas de Bancos de Dados e do modelo de Infraestrutura de on-premises para nuvem junto de uma forte onda de exploração em larga escala de APIs e do início da manipulação e automação customizada de ambientes convencionais de repositório, gestão e processamento de dados.
API first
Uma das primeiras coisas que pensamos quando falamos de BI é a capacidade de materializar inteligência de negócios por meio dos dados em visuais que por sua vez remetem a interfaces gráficas a partir de onde analistas conseguem navegar, fazer descobertas, construir e consumir relatórios etc. Contudo, por meio de APIs é possível proporcionar uma infinidade de possibilidades de manipulação destes mesmos sistemas e seus recursos sem utilizar suas interfaces gráficas. Quando este segundo método é pensado e arquitetado para ser o principal ou em alguns casos o único então é estabelecida a estratégia conhecida como API first.
Com APIs que abrangem 110% da plataforma, SDKs oficiais em Ruby, Python, Typescript & Javascript e a possibilidade de geração de SDK em outras linguagens, o Looker é uma plataforma que adota em sua concepção a estratégia API first e permite acesso e controle de forma programática para todos os recursos da plataforma e com isso, oferece suporte a maior variedade de casos de uso e customização em soluções de BI no mercado.
Multi Cloud
Duas palavras importantes quando se trata de estratégia de TI são a Agilidade e a Flexibilidade. Complexidade de negócios, desafios inerentes a certas indústrias, grandes corporações compostas por diversas empresas que podem ser vendidas enquanto outras são adquiridas e integradas a um grupo ou holding, relações de custo e ofertas distintas de provedores de serviços na nuvem, dentre outros fatores e circunstâncias podem representar desafios às organizações fazendo com que estas encontrem vantagens e oportunidades em estratégias de Multi Cloud ou seja, estratégias de contratação de mais de um provedor de cloud enquanto tem suas demandas cada vez maiores por flexibilidade e agilidade satisfatoriamente atendidas.
O Looker é uma plataforma 100% web e nativa em nuvem e acompanha o cenário Multi Cloud integrando-se perfeitamente às principais nuvens da indústria de tecnologia. Este fator representa uma grande vantagem competitiva pois oferece às organizações um excelente horizonte estratégico para escalabilidade permitindo que cresçam exponencialmente usando uma única plataforma corporativa de BI.
Performance
De certa forma, pode-se dizer que a história do Looker é o reflexo da jornada dos sistemas de informação em busca de performance. Mais especificamente daquele que pode ser considerado como um dos maiores saltos em capacidade de processamento de grandes volumes de dados. Para entendermos melhor tal relação, daremos um passo atrás aqui para esclarecer um pouco este fenômeno e o próprio conceito e arquitetura do Looker.
Curiosamente, a Google que notadamente se mantém por pelo menos duas décadas como uma das maiores gigantes da Tecnologia e que, por tanto tempo tem sido uma das empresas que mais organiza e processa dados no mundo, foi sozinha a pioneira em soluções de armazenamento e processamento de altíssimos volumes de dados em formatos variados sendo gerados e trafegados em alta velocidade pela rede mundial de computadores ou internet, como conhecemos.
Já no início da existência da Google, Larry Page e Sergey Brin criaram o BigFile que foi usado como base para o desenvolvimento do Google File System (GFS ou GoogleFS) chamado em sua última versão de Colosso que era um file system distribuído usado para processamento eficiente e confiável de grandes volumes de dados que, por sua vez serviu como fundação para o desenvolvimento do MapReduce e do Hadoop muito antes do termo Big Data ser conhecido, difundido e muito menos consolidado como é hoje em dia.
Com todo avanço gerado em tecnologias para processamento de grandes volumes de dados, principalmente na internet e com o crescente aumento exponencial na quantidade de dados gerados pelas organizações, em 2010 a Google lança comercialmente o BigQuery, um Data Warehouse serverless desenvolvido para permitir análises de petabytes de dados totalmente gerenciado e altamente escalável; ao mesmo tempo, outras empresas focavam seus esforços em criar e impulsionar soluções direcionadas às corporações também com base em processamento massivo em paralelo (MPP – Massively parallel processing):
Em 2011 o Gartner havia recentemente eleito o Teradata como líder global em bancos de dados de Data Warehouse; a HP impulsionava o Vertica (Vertica Analytics Platform) e em meados de 2012, ano em que Lloyd Tabb and Ben Porterfield fundam a Looker Data Sciences, a Amazon fazia a sua própria tradução de todo acúmulo de avanços em processamento de altos volumes de dados até então materializando este acúmulo em seu produto chamado Redshift que foi desenvolvido como solução comercialmente disponível para organizações de diferentes tamanhos. Nesta mesma época a IBM renomeou o Netezza para IBM PureData for Analytics. Neste contexto o Looker é desenvolvido com base numa premissa simples e duradoura: por uma questão natural de necessidade e oportunidade, as organizações passariam a investir cada vez mais nas tecnologias disponíveis que atendessem às crescentes demandas por capacidade de processamento e portanto, a melhor plataforma de BI seria aquela que ao invés de obrigar as empresas a perpetuar os custosos e redundantes ambientes de BI tradicional, oferecesse uma plataforma que tirasse proveito dos Bancos de Dados modernos e super potentes já licenciados e utilizados nas organizações – Sendo assim, o Looker nasce como uma plataforma de BI moderno com processamento in-database.
O Looker foi criado a partir de uma leitura de conjuntura e de uma visão brilhantemente acertada sobre o futuro. Sua performance é superior por um seleto conjunto de recursos magistralmente arranjados de forma que a plataforma possa satisfazer exigências de performance em um amplo leque de casos de uso. Recursos como Caching, PDTs, Aggregate Awareness, Autotune que, podem ainda ser usados em conjunto com o mais novo BI Engine do BigQuery entregam resultados que impressionam os mais exigentes. Por exemplo, o recurso Aggregate Awareness sozinho permite consultas Ad-hoc de mais de 3 bilhões de registros em menos de 3 segundos.
Embedded Analytics
Empresas têm investido bilhões ao longo de décadas para gerar análises e a partir delas entregar mais lucro para os investidores por meio de decisões bem tomadas. A inteligência de negócios gerada a partir destes esforços pode ser considerada um produto que é consumido pelas próprias empresas e em muitos casos este produto é utilizado pelas empresas para entidades externas como fornecedores, parceiros ou disponibilizados diretamente para clientes e consumidores ao serem incorporados em aplicações web como portais web, áreas restritas em websites corporativos, aplicativos móveis, entre outros. Este tipo de prática é conhecido como Incorporação de Análises ou mais comumente usado mesmo no Brasil como Embedded Analytics.
O uso do Embedded Analytics embora já seja algo bem estabelecido ainda é objeto de debates quanto sua aplicabilidade, limitações, esforço necessário para implementação, custos envolvendo licenciamento, quantidade de acessos simultâneos etc. O Looker se mostra a plataforma perfeita para Embedding Analytics pois conta com os melhores recursos oferecidos pelo mercado com um grande diferencial: sua combinação imbatível de baixíssimo esforço, flexibilidade de customização, nível de controle de segurança e acesso, confiabilidade, alta escalabilidade para acesso a milhões de usuários, conjunto único de recursos incríveis como ações, workflow, alertas e até a possibilidade do usuário customizar relatórios existentes ou criar novos de forma intuitiva diretamente da aplicação onde foi feita a incorporação sem mesmo saber qual tecnologia está sendo usada como base.
Monetização
Empresas cujos negócios são focados em geração de inteligência a partir de dados são pioneiras em monetizá-los por estes serem essencialmente o principal produto comercial produzido. No entanto, com o advento e evolução da internet, empresas das mais variadas indústrias que, não tecnologia, começaram a notar oportunidades de monetizar o produto gerado a partir de seus esforços por produzir inteligência de negócio em seus ramos e mercados para seus clientes, fornecedores, parceiros e até outras empresas do ramo.
O cenário atual é marcado por uma busca de dois pólos para se encontrarem: de um lado a criatividade das empresas em monetização e do outro da tecnologia satisfatoriamente disponível. Nesta busca, o ponto onde ambos os pólos se tocam podemos chamar de ponto ótimo de aplicabilidade de modelo de monetização. Ou ainda numa outra ilustração, seria a busca do encontro do “o quê” e o “como”.
O Looker se mostra a plataforma perfeita para monetização de Analytics. Com recursos que permitem moldar a oferta em níveis distintos e grupamentos de funcionalidades e capacidade de forma simples e flexível para que as organizações alcancem o ponto ideal de união entre o que monetizar e de que forma segundo as necessidades de negócio envolvidas, criando assim modelos de monetização robustos coerentes e com alto valor.
Na imagem abaixo podemos ver algumas das opções mais comuns de monetização que são possíveis com o Looker de forma totalmente descomplicada.
Federação de dados
Por sua arquitetura única e forma com que o Looker atua em conjunto com os Bancos de Dados, os clientes podem usar a plataforma para reunir num único Dashboard ou mesmo num único indicador, dados consultados de fontes totalmente apartadas (física e logicamente), todos juntos no poderoso motor de modelagem do Looker chamado LookML. Por esta razão, clientes podem usar o Looker para federar dados que inclusive não podem ser persistidos fora da base original de dados. Isto torna o Looker uma plataforma poderosíssima capaz de sobressair em landscapes complexos em cenários multi-cloud e híbridos.
CI/CD
Segundo a Red Hat, CI/CD (em Português Integração Contínua e Entrega Contínua, respectivamente) são métodos para entregar aplicações com frequência aos clientes por meio da utilização de automação nas etapas de desenvolvimento de aplicações. Ainda segundo a Red Hat:
“Os principais conceitos atribuídos a esse método são integração, entrega e implantação contínuas. Com o CI/CD, é possível solucionar os problemas que a integração de novos códigos pode causar para as equipes de operações e desenvolvimento (o famoso “inferno de integração”).
Especificamente, o CI/CD aplica monitoramento e automação contínuos a todo o ciclo de vida das aplicações, incluindo as etapas de teste e integração, além da entrega e implantação. Juntas, essas práticas relacionadas são muitas vezes chamadas de “pipeline de CI/CD” e são compatíveis com o trabalho conjunto das equipes de operações e desenvolvimento com métodos ágeis. ”
Para o mundo de BI e Analytics o CI/CD embora ainda muito distante da realidade da grande maioria de organizações e projetos, tem se mostrado uma tendência obrigatória para ambientes de larga escala e alta performance de desenvolvimento de modelos de dados, aplicações, relatórios, análises, treinamento de modelos de ML etc.
Principalmente por ser uma plataforma que adota a estratégia de API-First, o Looker pode ser considerado a melhor, mais completa e mais robusta solução para entregar Integração e Entrega contínua. Por meio da vasta extensão de suas APIS, somado à SDKs maduras aliadas ao seu perfeito controle de versão que usa repositórios Git, além de ferramentas exclusivas e dedicadas a manipulação programática de conteúdo e estruturas como o pyLookML que é uma biblioteca desenvolvida no Python exclusivamente para manipulação do LookML, o Looker termina por entregar e executar com maestria a visão audaciosa e que hoje pode ser constatada como altamente precisa que, Lloyd Tabb e Ben Porterfield tiveram em 2012.
Principais diferenciais
Abaixo vemos algumas das formas em que o Looker se mostra determinante em potencializar o valor dos dados ao traduzir toda vantagem tecnológica construída de forma visionária:
Para os times de Dados
Para os Desenvolvedores
Para os usuários e consumidores de dados
Ficou curioso para saber mais sobre como o Looker empodera as organizações para uma transformação digital ampla e contínua? Saiba mais no site oficial https://looker.com/ ou agende uma apresentação em Português com o time da Hvar Consulting enviando um email para hvar@hvarconsulting.com.br.
E se você quer entender como o Looker pode elevar o seu negócio, que tal assistir o nosso Webinar “Revolucione a análise de dados com o Looker”? Clique e conheça todos os benefícios dessa ferramenta conosco!
