166. Looker / Looker Studio — LookML 시맨틱 레이어 BI

핵심 인사이트 (3줄 요약)

본질: Looker는 LookML (Look Markup Language)이라는 시맨틱 레이어를 통해 비즈니스 로직을 코드로 한 번 정의하면 전사 모든 분석에서 일관되게 재사용되는 거버넌스 중심 BI 플랫폼으로, Tableau/Power BI의 "데이터 복사 후 분석"과 달리 소스 DB를 직접 쿼리한다.
가치: "활성 사용자"의 비즈니스 정의를 LookML에 한 번 정의하면 모든 팀의 모든 대시보드가 동일한 정의를 사용하게 되어 지표 불일치(Metric Sprawl) 문제를 근본적으로 해결한다.
판단 포인트: Looker Studio(구 Google Data Studio)는 무료지만 LookML 거버넌스 없이 800개 이상의 커넥터로 빠른 시각화에 최적화되어 있어, 두 제품은 동일 브랜드이지만 완전히 다른 사용 사례와 기술 수준을 가진다.

Ⅰ. 개요 및 필요성

지표 불일치(Metric Sprawl) 문제

현대 기업에서 "전환율"이라는 단순한 지표도 팀마다 다르게 계산된다:

마케팅팀: 클릭 대비 가입 완료
영업팀: 상담 신청 대비 계약 체결
제품팀: 방문 대비 핵심 기능 사용
경영진: 방문 대비 유료 전환

데이터가 분산되고 각 팀이 자체 SQL을 작성하면 이 불일치가 심화된다. Looker의 LookML 시맨틱 레이어는 이 문제를 "비즈니스 정의를 코드로 관리"하여 해결한다.

📢 섹션 요약 비유: LookML 시맨틱 레이어는 **표준 사전(Standard Dictionary)**이다. 모든 사람이 같은 사전을 사용하면 단어(지표)의 의미가 통일된다. 각 팀이 자기 사전을 만들면 같은 단어도 다른 의미가 된다.

Ⅱ. 아키텍처 및 핵심 원리

Looker 아키텍처

┌─────────────────────────────────────────────────────────────┐
│                    Looker 아키텍처                           │
├──────────────────────────────────────────────────────────────┤
│  비즈니스 사용자                                             │
│  ┌──────────────────────────────────────────────────────┐   │
│  │  Explore UI: 드래그앤드롭 (SQL 없이 분석)             │   │
│  │  Dashboard: 공유 대시보드                             │   │
│  │  Look: 저장된 분석 쿼리                               │   │
│  └──────────────────────────────────────────────────────┘   │
│                          │                                   │
│  LookML 시맨틱 레이어                                        │
│  ┌──────────────────────────────────────────────────────┐   │
│  │  models/: 데이터베이스 연결 + Explore 정의            │   │
│  │  views/: 테이블/뷰 + 비즈니스 로직 정의               │   │
│  │    - dimensions: 필터 가능한 속성                     │   │
│  │    - measures: 집계 지표 (매출, 사용자 수)            │   │
│  │    - derived_table: LookML 기반 계산 테이블           │   │
│  └──────────────────────────────────────────────────────┘   │
│                          │ SQL 자동 생성                     │
│  데이터 소스 (항상 Live)                                     │
│  ┌──────────────────────────────────────────────────────┐   │
│  │  BigQuery / Snowflake / Redshift / PostgreSQL        │   │
│  │  (데이터 복사 없음 — 원본 직접 쿼리)                  │   │
│  └──────────────────────────────────────────────────────┘   │
└─────────────────────────────────────────────────────────────┘

LookML 핵심 구조

# views/orders.view.lkml
view: orders {
  sql_table_name: "public"."orders" ;;  # 원본 테이블 매핑

  # Dimension: 필터·그룹화 가능한 속성
  dimension: order_id {
    type: number
    sql: ${TABLE}.order_id ;;
    primary_key: yes
  }

  dimension: status {
    type: string
    sql: ${TABLE}.status ;;
  }

  # Measure: 집계 지표 (비즈니스 정의가 여기에)
  measure: total_revenue {
    type: sum
    sql: ${TABLE}.amount ;;
    value_format_name: usd
    description: "완료된 주문의 총 매출 (취소·환불 제외)"
    filters: [status: "completed"]  # 비즈니스 로직 내장
  }

  measure: average_order_value {
    type: average
    sql: ${TABLE}.amount ;;
  }
}

Looker vs Looker Studio 비교

차원	Looker	Looker Studio
가격	엔터프라이즈 (고가)	무료
시맨틱 레이어	LookML (강력한 거버넌스)	없음
SQL 사용	LookML이 자동 생성	사용자 정의 SQL 가능
데이터 소스	주요 데이터베이스	800+ 커넥터
주요 사용자	데이터 팀 + 비즈니스	비기술 사용자
복잡도	높음 (LookML 학습 필요)	낮음 (드래그앤드롭)

📢 섹션 요약 비유: Looker와 Looker Studio는 전문 DSLR vs 스마트폰 카메라와 같다. DSLR(Looker)은 전문가용으로 더 정밀하고 많은 기능을 제공하지만 학습이 필요하고 비싸다. 스마트폰 카메라(Looker Studio)는 무료로 누구나 빠르게 쓸 수 있지만 기능이 제한적이다.

Ⅲ. 비교 및 연결

Looker Block: 사전 구축 LookML 템플릿

Looker Blocks는 일반적인 플랫폼 데이터를 위한 사전 제작된 LookML 솔루션:

Salesforce Block: CRM 데이터 분석 템플릿
Google Analytics Block: 웹 분석 템플릿
Stripe Block: 결제 데이터 분석
Snowplow Block: 이벤트 추적 데이터

이를 가져와 수정하면 처음부터 LookML을 작성하는 시간을 대폭 절약한다.

Looker + BigQuery BI Engine

BigQuery BI Engine을 사용하면 BigQuery에 저장된 데이터를 인메모리 캐싱으로 서브세컨드 응답으로 Looker에서 조회할 수 있다. Google Cloud 생태계 내에서 Looker + BigQuery + BI Engine의 조합이 성능·거버넌스의 최적 패키지다.

📢 섹션 요약 비유: Looker Blocks는 레고 기본 세트와 같다. 처음부터 모든 레고 조각을 만들 필요 없이, 기본 세트(Blocks)를 구입해서 자신의 집(비즈니스 로직)에 맞게 조립하면 된다.

Ⅳ. 실무 적용 및 기술사 판단

LookML 거버넌스 모범 사례

# 좋은 LookML 패턴: 비즈니스 로직 중앙화
measure: active_users {
  type: count_distinct
  sql: ${TABLE}.user_id ;;
  filters: [
    last_login_date: "30 days"  # "활성"의 정의가 여기에
  ]
  description: "최근 30일 내 1회 이상 로그인한 사용자 수"
  group_label: "사용자 지표"
}

API-First 설계와 임베디드 분석

Looker는 API-First 철학으로 설계되어, 자사 애플리케이션 내에 Looker 대시보드를 **임베딩(Embedded Analytics)**하는 것이 주요 활용 사례다:

iFrame 임베딩: 가장 간단한 방식
Signed Embed: JWT 기반 인증으로 사용자별 필터 적용
Looker API: 프로그래밍 방식으로 데이터·시각화 접근

📢 섹션 요약 비유: Looker의 임베디드 분석은 레스토랑 내 포스(POS) 시스템과 같다. 레스토랑 앱(자사 애플리케이션) 안에 분석 화면(Looker 대시보드)이 내장되어, 외부 서비스로 이동하지 않고도 분석을 볼 수 있다.

Ⅴ. 기대효과 및 결론

Looker 도입 효과

영역	효과
지표 일관성	전사 모든 팀이 동일한 비즈니스 정의 사용
SQL 거버넌스	LookML이 SQL 생성 → SQL 오류·불일치 제거
보안	원본 데이터 복사 없음 → 데이터 유출 위험 감소
확장성	새 팀·프로젝트 온보딩 시 기존 LookML 재사용

결론

Looker는 BI 거버넌스의 미래 표준이다. 데이터가 분산되고 팀이 늘어날수록 지표 불일치 문제가 심화되는데, LookML 시맨틱 레이어는 이를 코드 수준에서 해결한다. 다만 LookML 전문 인력 확보와 초기 모델링 투자가 필요하므로, 조직의 데이터 성숙도와 팀 역량을 고려하여 도입 시점을 결정해야 한다.

📢 섹션 요약 비유: LookML은 회사의 공식 데이터 언어다. 외교적 소통에서 모든 나라가 영어(LookML)를 공통어로 사용하면 오해가 없듯, 모든 팀이 LookML로 정의된 지표를 사용하면 분석 오해가 사라진다.

📌 관련 개념 맵

개념	관계	설명
LookML	핵심 기술	비즈니스 로직 코드화 시맨틱 레이어
Dimension	LookML 구성	필터·그룹화 속성 정의
Measure	LookML 구성	비즈니스 지표 집계 정의 (비즈니스 로직 내장)
Explore	LookML 구성	조인 관계 + 분석 진입점 정의
Looker Studio	관련 제품	무료, 비기술용 빠른 시각화
Metric Sprawl	해결 문제	팀별 다른 지표 정의로 인한 불일치
BigQuery BI Engine	성능 최적화	Looker + BigQuery 인메모리 가속

📈 관련 키워드 및 발전 흐름도

[SQL (SQL)]
    │
    ▼
[LookML (LookML)]
    │
    ▼
[Looker (Looker)]
    │
    ▼
[셀프서비스 BI (Self-Service BI)]

이 흐름도는 SQL에서 LookML과 Looker를 거쳐 셀프서비스 BI로 발전하는 분석 흐름을 보여준다.

👶 어린이를 위한 3줄 비유 설명

Looker의 LookML은 표준 사전이에요: 학교에서 모든 학생이 같은 사전을 쓰면 "사랑"이라는 단어의 의미가 같듯, LookML에 "매출"을 한 번 정의하면 모든 팀이 같은 "매출"을 써요.
Looker Studio는 무료 스케치북이에요: 복잡한 규칙 없이 빠르게 그림(차트)을 그릴 수 있어요 — 정밀도보다 속도가 중요할 때 써요.
Looker의 가장 큰 특징은 "데이터를 복사하지 않는다"는 것이에요 — 원본 데이터베이스에 직접 물어보기 때문에 항상 최신 정보를 볼 수 있어요.