Looker 评测
Looker 评测:官网未公开报价、需按年联系 Google Cloud 销售,核心是把指标口径写进 LookML 代码的语义层,适合有专职数据工程师的中大型公司;二十人以下团队自建成本偏高,中文支持也弱。
已有专职数据工程师、指标口径经常被业务质疑、需要把 BI 嵌进自家产品对外收费的 SaaS 与中大型企业
只有两三个运营想看销售报表、没有人力维护 LookML 模型仓库的小团队
优点
- LookML 把维度、度量、表关联写成可版本管理的代码,同一个「活跃用户」定义全公司只能有一份,不会出现两个部门算出两个数
- 持久化派生表(PDT)可以把重查询的结果写回数仓,配合 datagroup 做增量刷新,几十亿行的明细也能撑住看板响应
- 行级权限用 access_filter 写在模型层,同一张看板发给华东和华南销售,各自只能看到自己辖区的订单
- 嵌入能力成熟,Signed Embedding 与 Embed SDK 能把看板直接放进自家 SaaS 后台,按嵌入用户单独计价
缺点
- 没有 LookML 开发就没有一切,业务人员不能自己拖字段建模,改一个口径要走代码评审
- 国内访问 Google Cloud 控制台和登录流程需要企业级网络条件,断线时看板打不开
- 界面只有英文,官方文档、培训课程、工单全在英文体系里,团队要有人能读 LookML 文档
- 报价不公开,采购周期通常按月计算,想先小范围试用的团队很难拿到低价入口
结论先行
推荐,总分 8.0,官网未公开报价、需按年联系 Google Cloud 销售。 适合已经有数据工程师、并且被「同一个指标两个部门算出两个数」折磨过的公司。Looker 卖的不是画图工具,是一套把指标定义写成代码的建模层,口径一旦落进 LookML,后面所有看板、探索、嵌入报表都从这一份定义出数。
只有两三个运营看订单的团队不必考虑它,买回来就是一套等人维护的模型仓库,试用还得走销售。
这篇评测基于什么数据
- 官网:2026-11 核对 looker.com 与 Google Cloud 的 Looker 页面,确认 Standard、Enterprise、Embed 三类版本,三档均导向「联系销售」,页面没有金额。
- 官方文档:查阅 LookML 参考手册中 view、explore、measure、access_filter 的写法,以及 PDT 与 datagroup 的调度说明。
- 公开交易信息:Google 于 2019 年以 26 亿美元收购 Looker,这是它深度绑定 BigQuery 的背景。
核心功能
LookML:把指标定义写成代码
Looker 和其他 BI 最不一样的地方,是所有数据关系都不在界面里点出来,而是写在一个叫 LookML 的文件里。一个 view 描述一张表有哪些字段、哪些能当维度、哪些能当度量;一个 explore 描述这张表怎么和另外几张 join、基数是一对一还是一对多。文件存在 Git 仓库里,改口径就是提一个合并请求,谁在什么时候把「退款金额」从含运费改成不含运费,记录清清楚楚。
好处在半年后显现。三个团队各做一张营收看板、数字对不上,传统 BI 只能逐个打开看公式;Looker 里大家引用同一个 measure,对不上就说明有人绕开模型写了 SQL。
PDT 与 datagroup:把重活推回数仓
看板慢的常见原因是每次都从明细表现算。持久化派生表允许你把一段 SQL 的产物写成数仓里的实体表,再用 datagroup 决定何时重建:按小时、按天,或挂到「上游表更新后」的触发条件。
这套机制对几十亿行的事实表很关键。第一次构建慢,后面查的都是小结果集,看板响应能稳在秒级。代价是数据有延迟,而且要盯 PDT 的失败告警,否则会出现看板停在前天而没人发现。
行级权限与审计
access_filter 写在 explore 层,把用户属性塞进 where 条件。用户登录时带上「所属大区」,同一个 explore 自动只返回本大区数据,不需要为每个大区复制一份看板。配合 sql_always_where 还能强制加时间范围,防止有人拉全量明细把数仓打爆。
审计日志记录谁在什么时候跑了哪条查询、看了哪张看板、导出了多少行。对数据敏感行业,这份日志在合规检查时比看板本身更重要。
嵌入与调度
对外提供数据的 SaaS 公司看重 Signed Embedding:后端用密钥给每个终端用户签一个带属性的 URL,iframe 打开就是只属于这个用户的数据视图,用户不需要有 Looker 账号。Embed 版本按嵌入用户计价,与内部席位分开算。
内部使用靠调度:看板定时生成 PDF 或 CSV 推到邮箱与 Slack,适合只看早报的管理层。
评分明细
功能完整度:8.3/10
建模、权限、调度、嵌入、审计五件事都是生产级实现。扣分在自助探索上限偏低,业务人员离开预置 explore 就寸步难行,图表样式也不如 Tableau 丰富。
易用性:7.1/10
分两种人看。会写 SQL 的分析师学 LookML 两三天能上手;不懂 SQL 的运营第一次打开会被一堆 explore 和字段选择器绕晕,全英文界面又抬高了门槛。
数据质量:8.6/10
数据一致性是最强的一环:指标只有一份定义,口径变更可追溯,行级权限在模型层收口。但它自己不存业务数据,数仓里的脏数据它救不了,ETL 该做的清洗一步都省不掉。
性价比:6.8/10
按年签约、按席位计价,再加嵌入用户费用,总价通常落在五位数美元,小团队不划算。同样的钱可以买很多年的 Power BI 席位,它的价值要在口径混乱带来的决策成本上才收得回来。
客户支持:8.1/10
Google Cloud 的支持体系完整,有技术支持经理和季度业务回顾,文档与培训认证成体系。短板是中文支持薄弱,工单要用英文描述,紧急故障的响应时间取决于合同档位。
定价说明
| 版本 | 价格 | 说明 |
|---|---|---|
| Standard | 官网未公开报价,需联系销售 | 面向内部使用,含 LookML 建模、看板与调度,按席位与实例规格签年度合同 |
| Enterprise | 官网未公开报价,需联系销售 | 增加高可用部署、审计与更细的权限管理,适合多子公司或强合规场景 |
| Embed | 官网未公开报价,需联系销售 | 对外嵌入计价,按嵌入终端用户数结算,与内部席位分开 |
2026-11 打开官网时,三个版本都指向同一个销售表单,没有金额、没有档位表,也没有试用入口,因为价格随席位、数据量与合同年限浮动。
要预算时向销售说明三件事:多少人登录后台、是否嵌入对外产品、峰值在线人数,这三个数字基本决定合同量级。另外问清楚 PDT 的存储与计算是否走你的 BigQuery 账单,那部分常被漏掉。
和竞品对比
| 维度 | Looker | Looker Studio | Power BI |
|---|---|---|---|
| 定位 | 代码化建模的企业 BI | 免费自助看板工具 | 桌面加云端通用 BI |
| 起步价 | 未公开,按年签约 | 免费,Pro 版本另计 | 桌面免费,Pro 按席位月付 |
| 建模方式 | LookML 代码,需工程师维护 | 报告内计算字段,无统一语义层 | 桌面建模型,可发布复用 |
| 权限粒度 | 模型层行级与列级 | 报告级共享,粒度粗 | 行级安全角色,配置在桌面端 |
| 适用规模 | 百人以上、口径复杂 | 十人以内、数据在 Google 系 | 中小团队,Office 用户多 |
怎么选:指标口径经常打架、有工程师能维护模型仓库、还要把报表嵌进自家产品,选 Looker;预算为零、数据在 GA4 或 BigQuery、今天就想把看板发出去,选 Looker Studio;公司已在用 Microsoft 365、财务和销售都习惯 Excel,选 Power BI 的迁移阻力最小。
FAQ
Q: Looker 和 Looker Studio 名字这么像,是同一个产品吗?
A: 不是。Looker 是 2019 年被 Google 收购的付费 BI 平台,核心是 LookML 建模,按年签合同;Looker Studio 是原来叫 Data Studio 的免费看板工具,登录 Google 账号就能用。两者同属 Google Cloud 的数据分析产品线,但代码库、计价方式、能力边界都不同,采购时别把报价单上的名字看混。
Q: 团队没有数据工程师,只有两个会写 SQL 的运营,能自己上 Looker 吗?
A: 短期能跑,长期会卡住。写第一个 explore 不难,难的是三个月后业务加新口径、数仓换表、PDT 重建报错,这些都要有人负责模型仓库。这个人不存在,模型会逐渐失修,大家又回到各自写 SQL 的老路。人手不足时先用 Looker Studio 或 Metabase,等有了专职角色再谈。
Q: 为什么销售问不出具体价格,预算该怎么估?
A: 官方不挂价目表,销售先问席位数量、是否需要嵌入、合同签几年,再给打包价。做预算可以按「内部席位数 × 单人年费 + 嵌入用户数 × 单价 + 数仓侧新增的存储与计算」三项拆开估,其中第三项最容易超支,因为 PDT 会把结果物化进你的 BigQuery 或 Snowflake,那笔账单走云厂商,不在 Looker 合同里。
评测方法说明
元析评测围绕功能完整度、易用性、数据质量、性价比、客户支持五个维度打分,每项满分 10 分,取均值后按实际体验微调为总分。本文涉及的版本划分、LookML 能力与权限机制,于 2026-11 对照 looker.com 及 Google Cloud 官方文档核对;官网未公开金额,文中不给出具体报价,实际合同以销售报价单为准。功能表现基于文档与公开资料,未做统一环境实测。
最后更新:2026-11-16
定价补充
官网未公开报价,需联系销售,2026-11 核对。Google 按 Standard、Enterprise、Embed 三类版本签年度合同,费用与席位数量、实例规格、是否嵌入对外产品挂钩,没有可以自助下单的价目表。
价格核对于 2026-11-16,以厂商官网结算页为准。
还能对比这几款
Power BI
数据分析微软 · 更新 2026-10-28
Power BI 评测:桌面版免费,Pro 协作版每用户每月 10 美元。与 Excel 同源的 Power Query 和 DAX 引擎让它的性价比在同档 BI 里很高,适合已经采购 Microsoft 365 的企业;Mac 用户无法直接安装桌面端,只能走虚拟机或网页版。
Tableau
数据分析Salesforce · 更新 2026-10-27
Tableau 评测:Creator 年付 $75/用户/月起,图表自由度、LOD 表达式与 Hyper 内存引擎仍是商业智能标杆,适合有专职分析师的中大型企业;仅需看表的普通员工也按人头收费,百人以上团队软件预算偏高。
Mixpanel
数据分析Mixpanel · 更新 2026-09-03
Mixpanel 评测:Free 免费版每月赠送高达 2000 万事件配额,Growth 按事件量阶梯计费($24/月起),漏斗转化、留存队列与用户行为路径分析快且准,适合移动 App 与 SaaS 产品团队;不支持国内本地私有化机房部署。