ทุกวันนี้มีเครื่องมือ Business Intelligence (BI) เพิ่มขึ้นในตลาดเป็นจำนวนมาก การเลือกแพลตฟอร์มให้เหมาะสมกับงบประมาณ วัตถุประสงค์ทางธุรกิจ และความเชี่ยวชาญด้านเทคนิคของทีมของคุณจะยากขึ้น เนื่องจากแต่ละแบรนด์นำเสนอคุณค่าและคุณสมบัติที่แตกต่างกัน ทำให้กระบวนการตัดสินใจยุ่งยาก เครื่องมือ BI ใช้สำหรับการรวมและการแสดงข้อมูล และโดยปกติแล้วจะใช้โดยแผนกต่างๆ และผู้มีส่วนได้ส่วนเสียทั่วทั้งบริษัท ดังนั้นแพลตฟอร์ม BI ที่คุณเลือกจึงต้องเหมาะสมที่จะใช้ในทีมต่างๆ ในองค์กร เพื่อช่วยตอบคำถามทางธุรกิจและวัด KPI ของพวกเขา
ในบทความนี้ เราจะโฟกัสที่ “Looker กับ Data Studio (หรือชื่อใหม่คือ Looker Studio)” และเปรียบเทียบสองเครื่องมือนี้ โดยใช้ 6 เกณฑ์หลัก เพื่อให้คุณสามารถตัดสินใจได้ดีขึ้นว่าเครื่องมือ BI ใดเหมาะสมกว่าในการบรรลุวัตถุประสงค์ทางธุรกิจของคุณ การเปรียบเทียบจะประกอบไปด้วยเกณฑ์ต่างๆ ดังต่อไปนี้:
- ราคา
- การรวมแหล่งข้อมูล
- การปรับใช้
- การสร้างแบบจำลองข้อมูล
- ความสามารถในการวิเคราะห์
- การนำข้อมูลไปใช้
สุดท้ายนี้ เราจะปิดท้ายบทความนี้ด้วยข้อสรุป ก่อนที่เราจะพูดถึงรายละเอียดการเปรียบเทียบ ก่อนอื่นเรามาทำความรู้จักกับ Data Studio และ Looker กันก่อนเพราะผู้อ่านบางคนอาจไม่คุ้นเคยกัน
เลือกอ่านหัวข้อที่คุณสนใจ
รู้จักกับ Data Studio (Looker Studio) และ Looker
Google Data Studio เป็นหนึ่งในเครื่องมือจาก Google Marketing Platform (GMP) ที่อนุญาตให้ผู้ใช้เชื่อมต่อกับแหล่งข้อมูลและสร้างแดชบอร์ดที่สามารถแชร์ได้ และรายงานที่ช่วยให้แบรนด์สามารถตัดสินใจได้ดียิ่งขึ้น
ส่วน Looker คือ BI หรือ เครื่องมือสร้างแผนภาพระดับองค์กรที่เพิ่งถูก Google ซื้อไป ซึ่งมีความในการปรับแต่งการแสดงผล การร่วมกันทำงานบนแดชบอร์ด และการวิเคราะห์ขั้นสูง
ก่อนที่เราจะลงรายละเอียด มาดูตารางด้านล่างเพื่อเปรียบเทียบฟีเจอร์ระดับสูงระหว่าง Data Studio กับ Looker
1) ราคา
Data Studio (Looker Studio)
ณ เวลานี้ Google Data Studio ให้บริการฟรีสำหรับผู้ใช้ทุกคน สิ่งที่คุณต้องมีคือบัญชี Google เพียงไปที่ datastudio.google.com คุณก็สามารถเริ่มสร้างแดชบอร์ดแรกได้ในทันที
Looker
Looker เป็นโซลูชันระดับองค์กรที่ราคาค่อนข้างสูง ถูกออกแบบมาสำหรับองค์กรที่มีข้อกำหนดด้านข้อมูลขั้นสูง ค่าใช้จ่ายของ Looker จะเป็นค่าใช้จ่ายแบบรายเดือน สำหรับผู้ใช้ 10 ราย ซึ่งข้อมูลที่กล่าวมาเป็นเพียงการประมาณการเนื่องจาก Looker จะมีการเสนอราคาที่แตกต่างออกไปตามความต้องการขององค์กร
2) การรวมแหล่งข้อมูล
การรวบรวมข้อมูลใน Data Studio (Looker Studio) ทำงานอย่างไร
- ตามที่มาของแหล่งข้อมูล
เนื่องจาก Data Studio เป็นหนึ่งในผลิตภัณฑ์ของ Google จึงมีการผสานรวมข้อมูลกับแหล่งอื่นๆ เช่น Google Analytics, Google Ads, Google Sheet, BigQuery, Cloud Storage และอื่นๆ อีกมากมาย นอกจากนี้ยังมีข้อมูลจาก Partner อื่นๆอีกกว่า 400 รายการที่ช่วยให้คุณสามารถเชื่อมต่อกับแหล่งข้อมูล เช่น Adobe Analytics, JASON และ Facebook
นอกจากนี้ Data studio สามารถสร้างตัวเชื่อมตัวแบบกำหนดเองได้ ในกรณีที่คุณไม่พบตัวเชื่อมต่อข้อมูลที่เหมาะสม และยังมีความสามารถในการเชื่อมต่อแหล่งข้อมูลแบบ Nosql และ SQL แตกต่างจากเครื่องมือ BI ตัวอื่นที่สามารถเชื่อมได้เฉพาะแหล่งข้อมูลแบบ SQL ได้เท่านั้น
- การรวมข้อมูลเข้าด้วยกัน
Data Studio มีตัวเลือกที่เรียกว่าการผสมผสานข้อมูล (Data Blending) ที่ทำให้คุณสามารถสร้างแผนภาพที่ต้องการ ด้วยการรวมไฟล์จากแหล่งข้อมูลที่แตกต่างกัน โดยใช้ Primary Key ในการรวมข้อมูลแต่ล่ะชุดเข้าด้วยกัน แต่ข้อมูลเหล่านี้จะปรากฎเฉพาะในรายงานที่คุณสร้างเท่านั้น ไม่สามารถเห็นได้จากเมนู Data source ที่หน้าหลักของ Data Studio
การรวบรวมข้อมูลใน Looker ทำงานอย่างไร
- ประเภทของแหล่งข้อมูล
Looker มีความสามารถในการรองรับข้อมูลในรูปแบบ SQL เท่านั้น หากคุณมีฐานข้อมูลประเภทอื่น อย่างเช่น NoSQL Database คุณจะต้องทำการแปลงให้อยู่ในรูปแบบของ SQL ก่อนนำไปใช้งานบน Looker
ปัจจุบัน Looker รองรับฐานข้อมูลมากกว่า 50 ฐานข้อมูล รวมถึง Google BigQuery, Amazon Redshift และ Snowflake
- การรวมข้อมูลเข้าด้วยกัน
Looker ใช้เมนูที่เรียกว่า Explores ในการรวมแหล่งข้อมูลเข้าด้วยกัน ซึ่งเมนูนี้เป็นจุดเริ่มต้นในการดึงข้อมูลจากแหล่งข้อมูลต่างๆ การใช้ฟีเจอร์นี้ทำให้คุณสามารถรวบรวมข้อมูลจากหลายแหล่งที่มา และข้อมูลที่ถูกรวบรวมแล้วจะแสดงผลในรูปแบบของตาราง คุณสามารถตรวจสอบข้อมูล สรุปผลข้อมูลตามเงื่อนไขที่กำหนด (Pivot fields) และสร้าง Visualization ได้ต่อไป
Looker สามารถปรับแต่ง Dimension และ Metric ของข้อมูลได้รับมาจากแหล่งข้อมูล ก่อนที่จะนำไปสร้างเป็น Model สำหรับการทำ Visualization ในรูปแบบต่าง ๆ
3) การปรับใช้
Data Studio (Looker Studio) มีตัวเลือกในการปรับใช้อะไรบ้าง
ในตอนนี้ Data Studio สามารถเข้าถึงได้ผ่านเบราว์เซอร์เท่านั้น โดยข้อมูลทั้งหมดจะถูกเก็บอยู่บนคลาวด์ ซึ่งหมายความว่าคุณจำเป็นต้องเชื่อมต่ออินเทอร์เน็ตและเปิด Data Studio ด้วยบัญชี Google แดชบอร์ดที่คุณสร้างจะถูกบันทึกไว้และสามารถเข้าถึงได้ทุกครั้งที่คุณออนไลน์
Looker มีตัวเลือกในการปรับใช้อะไรบ้าง
Looker เป็นเครื่องมือ BI ที่ทำงานบน Cloud Platform และเข้าถึงได้จากบราวเซอร์ นั่นหมายความว่าผู้ใช้งานไม่จำเป็นต้องทำการติดตั้ง กำหนดค่า หรือบำรุงรักษาตัวแอปพลิเคชัน Looker
อย่างไรก็ตาม หากบริษัทมีความกังวลเรื่องมาตรฐานความปลอดภัยและการติดตั้ง Cloud Platform Looker Instance สามารถถูกสร้างได้โดยใช้ Server ของบริษัทแทนการใช้ Cloud Platform ได้เช่นกัน
4) การสร้างแบบจำลองข้อมูล
การสร้างแบบจำลองข้อมูลคืออะไร
การสร้างแบบจำลองข้อมูล คือ กระบวนการของการวิเคราะห์และกำหนดข้อมูลต่างๆทั้งหมดที่ธุรกิจของคุณเก็บรวบรวมและสร้างขึ้น รวมถึงการกำหนดความสัมพันธ์ระหว่างแต่ละส่วนของข้อมูลเหล่านั้นด้วย โมเดลข้อมูลมี 3 ประเภทหลักๆ คือ
1) ข้อมูลเชิงแนวคิด (Conceptual) เช่น มีข้อมูลลูกค้าและข้อมูลสินค้า ซึ่งทั้งสองข้อมูลจะมีความสัมพันธ์ระหว่างกันเมื่อลูกค้าซื้อสินค้า
2) ข้อมูลเชิงตรรกะ (Logical) เช่น การกำหนดโครงสร้างและชนิดของข้อมูลในชุดข้อมูลโดยไม่ขึ้นอยู่กับรูปแบบของฐานข้อมูล
3) ข้อมูลเชิงกายภาพ (Physical) เช่น ชุดข้อมูลลูกค้าที่มีรหัสสินค้าที่ลูกค้าแต่ละคนซื้อไป จะไปเชื่อมกับชุดข้อมูลสินค้าด้วยตัวรหัสสินค้านั้นๆ ซึ่งก็เป็นการกำหนัดค่า key ของข้อมูลในแต่ละชุดข้อมูล โดยข้อมูลเหล่านั้นก็จะมีชนิดของข้อมูลกำกับอยู่
การสร้างแบบจำลองข้อมูลมีความสำคัญอย่างไร
การสร้างแบบจำลองข้อมูลมีความสำคัญเพราะเป็นขั้นตอนการเตรียมข้อมูลที่จะเป็นพื้นฐานสำหรับการวิเคราะห์ต่อไป
ในขั้นตอนการสร้างแบบจำลองข้อมูล คุณจะต้องกำหนดความสัมพันธ์ระหว่างชุดข้อมูลแต่ละชุด เพื่อให้คุณสามารถใช้ชุดข้อมูลต่างๆ ร่วมกันเมื่อทำการวิเคราะห์ นอกจากนี้ คุณสามารถสร้างชุดข้อมูลใหม่ภายใต้ชุดข้อมูลที่มีอยู่แล้ว เพื่อใช้ในการแสดงแผนภาพและการวิเคราะห์ของคุณ เพื่อปรับปรุงข้อมูลเชิงลึกและเพิ่มโอกาสในการพัฒนากระบวนการทางธุรกิจ
มากไปกว่านั้น การสร้างแบบจำลองข้อมูลเป็นการสร้างโครงร่างที่ช่วยให้ทีม IT และทีมธุรกิจทำงานร่วมกันได้อย่างมีประสิทธิภาพมากขึ้น นอกจากนี้ยังช่วยลดข้อผิดพลาด (และการป้อนข้อมูลซ้ำซ้อนที่อาจเกิดข้อผิดพลาด) ในขณะที่กำลังปรับปรุงความสมบูรณ์ของข้อมูล
ดังนั้น หากสิ่งที่กล่าวมาข้างต้นเป็นเป็นเป้าหมายที่คุณอยากจะพิชิตด้วยการใช้ข้อมูลที่คุณมีอยู่ สิ่งสำคัญคือต้องเลือกเครื่องมือ BI ที่สามารถรองรับการสร้างแบบจำลองข้อมูลขั้นสูงได้
Data Studio (Looker Studio) รองรับการสร้างแบบจำลองข้อมูลอย่างไร
Data Studio ให้คุณปรับแต่งฟิลด์(Field)ในข้อมูลดิบที่ได้จากแหล่งข้อมูลเพื่อรองรับการใช้งานที่เหมาะสมกับธุรกิจของคุณ เมื่อคุณเชื่อมต่อแหล่งข้อมูลเข้ากับ Data Studio สำเร็จแล้ว คุณจะเห็นลิสของ Fields ต่างๆ อธิบายเพิ่มเติมคือ Field เป็นตัวที่กำหนดว่าจะเก็บเรื่องราวอะไรบ้างไว้ในชุดข้อมูลหนึ่งๆ ซึ่งประกอบด้วยมิติ (Dimensions) และ เมตริก (Metrics) ของข้อมูล แต่ละ Field จะมีชื่อ ชนิดข้อมูล และผลรวมเริ่มต้นที่มาจากชุดข้อมูลพื้นฐาน
(ต่อไปนี้จะเรียกฟิลด์ว่า ข้อมูล)
- เปลี่ยนรายละเอียดข้อมูล
คุณสามารถเปลี่ยนชื่อ ชนิดข้อมูล และประเภทการรวมของข้อมูลเพื่อปรับแต่งให้เหมาะกับวัตถุประสงค์ทางธุรกิจของคุณ ตัวอย่างเช่น คุณสามารถให้มิติข้อมูลแสดงผลเป็นเป็นเมตริกได้
- ข้อมูลที่สร้างขึ้นมาจาก Metric ที่มีอยู่แล้ว
คุณสามารถสร้างข้อมูลใหม่ จากข้อมูลเดิมโดยใช้วิธีการ 2 รูปแบบ
แบบที่หนึ่ง คือการนำตัวเลขมาบวก ลบ คูณหารกันด้วยหลักการทางคณิตศาสตร์ เพื่อให้ได้ตัวเลขใหม่ที่ต้องการ เช่น ราคาสินค้าที่ขายได้ / ค่าโฆษณา = Return on ads spent (ROAS)
แบบที่สอง คือ เปลี่ยนค่าของข้อมูลที่เป็นตัวอักษร ให้อยู่ในรูปแบบที่คุณต้องการ หรือเป็นการจัดกลุ่มข้อมูลจากข้อมูลเดิม เช่น แอปเปิ้ล > ผลไม้ , กล้วย > ผลไม้ , ปากกา > เครื่องเขียน
Looker รองรับการสร้างแบบจำลองข้อมูลอย่างไร
Looker มีภาษาของตัวเองสำหรับการสร้างแบบจำลองข้อมูล เรียกว่า LookML ซึ่งเป็นภาษาที่ใช้ในการจัดการรูปแบบและโครงสร้างของข้อมูลที่อยู่ในฐานข้อมูลแบบ SQL ก่อนที่จะนำมาใช้ประมวลผล โดย LookML จะทำหน้าที่จัดค่าประเภทข้อมูลเชิงลักษณะ(Dimension) และข้อมูลเชิงตัวเลข (Measure) นอกจากนี้ยังใช้จัดการข้อมูลที่มีความสัมพันธ์ระหว่างกันและกัน เช่น order_id ที่มีข้อมูล Table A เป็นรายการสินค้าที่ขายได้ และ ข้อมูล Table B ที่มีรหัสลูกค้า จะได้ข้อมูลที่เชื่อมต่อกันระหว่าง 2 Tables
โดยเมื่อคุณเชื่อมต่อ Looker เข้ากับฐานข้อมูลแบบ SQL แล้ว Looker จะสร้างแบบจำลองข้อมูลเริ่มต้นขึ้นมาเอง หลังจากนั้นคุณสามารถปรับแต่ง เชื่อมโยงความสัมพันธ์หรือพัฒนาแบบจำลองข้อมูลได้ตามต้องการ และตัวแบบจำลองข้อมูลนี้เองที่เป็นตัวทำให้ Looker สามารถเขียน SQL ดึงข้อมูลจากฐานข้อมูลได้โดยอัตโนมัติ
5) ความสามารถในการวิเคราะห์
Data Studio (Looker Studio) มีความสามารถด้านการวิเคราะห์อย่างไร
- การคาดการณ์ / การวิเคราะห์ขั้นสูง
ต่างจากเครื่องมือ BI อื่นๆในตลาด Google Data Studio ไม่มีความสามารถในการวิเคราะห์เชิงคาดการณ์ที่โดดเด่น เช่น การจำแนกข้อมูล (Classification), การวิเคราะห์ความถดถอย (Regression) หรือการพยากรณ์อนุกรมเวลา (Time Series Forecast) ในแง่หนึ่งการขาดคุณสมบัตินี้อาจทำให้ Data Studio ไม่ใช่เครื่องมือที่เหมาะสำหรับบริษัทที่มีการใช้งานขั้นสูงซึ่งรวมถึงการคาดการณ์และการพยากรณ์
- การรองรับภาษาที่ใช้เขียนโปรแกรม
Data studio ไม่รองรับภาษาเช่น Python และ R อย่างไรก็ตามก็ยังมีเครื่องมืออื่นอย่างเช่น Panoply ที่อนุญาตให้ผู้ใช้ใช้ R และ Python กับ Data Studio ได้ หรือคุณสามารถใช้ Google Sheet ที่อัปเดตโดยใช้ Python และเชื่อมต่อกับ Data Studio แต่วิธีนี้เหมาะสำหรับชุดข้อมูลขนาดเล็ก ส่วนชุดข้อมูลขนาดใหญ่สามารถใช้ BigQuery แทนได้
- การวิเคราะห์แบบฝัง (Embedded Analytics)
คุณสามารถแสดงผลรายงานบนหน้าเว็บไซต์ด้วยวิธีการคัดลอก Embedded Code ด้วยการกด Share the report ของรายงานนั้น ซึ่งจะได้โค้ดที่เอาไปวางลงที่หน้าเว็บไซต์(HTML) ในลักษณะของ Iframe และสามารถกำหนดตำแหน่งที่ต้องการให้แสดงผลได้ รายงานที่แสดงผลจะไม่สามารถแก้ไขได้ จะทำได้เพียงการดูเท่านั้น
Looker มีความสามารถด้านการวิเคราะห์อย่างไร
- การคาดการณ์ / การวิเคราะห์ขั้นสูง
ใน Looker ผู้ใช้สามารถค้นหาและติดตั้งโมเดลการเรียนรู้ของเครื่อง (Machine Learning Model) ได้จากแพลตฟอร์มของ Looker ที่ชื่อว่า Looker Marketplace ตามจุดประสงค์ของการใช้งาน
- การรองรับภาษาที่ใช้เขียนโปรแกรม
Looker รองรับโปรแกรมสำหรับการพัฒนา (SDK) หลากหลายภาษา ที่สามารถทำงานร่วมกันได้กับ APIs ของ Looker โดยตรง เช่น Ruby, Python และ TypeScript ส่วนภาษาอื่นๆ เช่น Kotlin, Swift and R จะถูกสนับสนุนโดย Community ของทางนักพัฒนา Looker
- การวิเคราะห์แบบฝัง (Embedded Analytics)
Looker มีตัวเลือกการวิเคราะห์แบบฝังหลายรูปแบบซึ่งก็เป็นส่วนหนึ่งของผลิตภัณฑ์ SaaS ที่คุณสมัครใช้งาน เมื่อต้องการสร้างวิธีการวิเคราะห์แบบฝังโดยใช้ Looker คุณสามารถใช้แผนได้ตามนี้:
- Looker สามารถสร้างการฝังแบบที่มีการเข้าสู่ระบบด้วย User, Password (Single Sign-on) โดยจะต้องมีการกำหนด Domain ที่อนุญาตแสดงผลได้ รวมถึงการกำหนด Authentication ตามมาตรฐานความปลอดภัย
- Looker สามารถเพิ่มฟังก์ชันการทำงานใหม่และเพิ่มจำนวนผู้ใช้งานตามที่ต้องการให้แสดงผล
- Looker สามารถใช้ API ในการสร้างเว็บไซต์/แอพพลิเคชั่นแบบกำหนดเองได้ตามความต้องการ
6).การนำข้อมูลไปใช้
Data Studio (Looker Studio) กับความสามารถในการนำข้อมูลไปใช้
Data studio สามารถดาวน์โหลดข้อมูลที่ต้องการนำไปสร้างกลุ่มเป้าหมายได้เพียง 1 วิธีเท่านั้น คือการกดดาวน์โหลดข้อมูลออกมาจาก Dashboard ที่ต้องการและนำข้อมูล email ,telephone ไปใช้ในการ สร้างกลุ่มเป้าหมายบนแพลตฟอร์มต่างๆ แบบ Manual
รูปแบบเอกสารที่สามารถดาวน์โหลดได้จะเป็นไฟล์ทั้งแบบ CSV และ Google Sheet โดยจะมีข้อจำกัดคือสามารถดาวน์โหลดข้อมูลจากตารางไม่เกิน 750,000 แถวต่อ 1 ชุดข้อมูล
Looker กับความสามารถในการนำข้อมูลไปใช้
Looker สามารถนำข้อมูลไปใช้ได้หลากหลายวิธีดังต่อไปนี้
1. การเชื่อมต่อกับผู้ให้บริการด้าน Email Marketing ด้วย Looker API เพื่อส่งข้อมูลเฉพาะกลุ่มคนที่กรองไว้บน Look Dashboard และสามารถปรับแต่งข้อมูลแบบที่เป็นรูปภาพ, ตัวอักษร ภายใน Platform ของ Looker ได้ทันที
2. การเชื่อมต่อกับผู้ให้บริการด้าน SMS ผ่าน Looker API เพื่อส่งข้อมูลเฉพาะกลุ่มคนที่กรองไว้บน Look Dashboard และสามารถปรับแต่งข้อมูลแบบที่เป็นตัวอักษร ภายใน Platform ของ Looker ได้ทันที
3. การเชื่อมต่อกับผู้ให้บริการด้านโฆษณา เช่น Google Ads และ Facebook เพื่อสร้างกลุ่มเป้าหมายจากข้อมูลที่ถูกกรองไว้ และจะต้องอาศัยการเชื่อมต่อ API ด้วยรหัสของบัญชีโฆษณาตามรูปแบบที่เอกสารของ Looker ได้จัดทำขึ้นเป็นตัวอย่าง
ข้อสรุป
ทั้ง Data Studio (Looker Studio) และ Looker เป็นผลิตภัณฑ์ของ Google และที่สำคัญทั้งคู่มีแดชบอร์ดและการแสดงผลสำหรับการทำงานร่วมกัน Data Studio ตอบสนองความต้องการขั้นพื้นฐานขององค์กรที่ต้องการเพียงแค่เครื่องมือ BI เพื่อสร้างแดชบอร์ดเชิงโต้ตอบ ในขณะที่ Looker ให้มากกว่าความสามารถในการสร้างแดชบอร์ดแบบโต้ตอบ เนื่องจากถูกสร้างขึ้นสำหรับองค์กรที่ต้องการมีแหล่งรวมศูนย์ ที่มีความสามารถในการสร้างโมเดลข้อมูลขั้นสูงและการปรับใช้โมเดลการเรียนรู้ Looker ยังสามารถใช้เป็นแพลตฟอร์มข้อมูลลูกค้า (CDP) ซึ่งเป็นพื้นที่ที่คุณสามารถสร้างโปรไฟล์ที่สมบูรณ์ของลูกค้าโดยใช้ทั้งข้อมูลที่สามารถระบุตัวตน (PII) และที่ข้อมูลที่ไม่ระบุตัวตน (Non-PII) จากแหล่งข้อมูลออฟไลน์และออนไลน์
นอกจากนี้ เนื่องจาก Looker เป็นผลิตภัณฑ์ของ Google ข้อมูลที่ได้รับการจัดการจึงสามารถนำกลับเข้าไปยังแพลตฟอร์มต่างๆ เช่น Google Analytics 360 ซึ่งเป็นเครื่องมือวิเคราะห์เว็บของ Google สำหรับการวิเคราะห์เพิ่มเติมเพื่อกำหนดเป้าหมายการทำโฆษณา ผู้ใช้งาน Looker จำเป็นจะต้องมีความความรู้ค่อนข้างมากเกี่ยวกับ SQL เพื่อให้สามารถใช้ประโยชน์จาก LookML สำหรับการสร้างแบบจำลองข้อมูลและการกำหนดแผนการต่างๆได้
สรุปแล้ว Looker ดีกว่า Google Data Studio (Looker Studio) หรือไม่นั้น ขึ้นอยู่กับจุดประสงค์การใช้งานจริงๆเสียมากกว่า และหากแหล่งที่มาของข้อมูลอยู่ในกลุ่ม Google (เช่น Google Analytics) และต้องการเพียงเครื่องมือ BI ฟรี ที่ทุกคนในองค์กรของคุณสามารถเข้าถึงและสร้างแผนภูมิหรือตารางเชิงโต้ตอบ Google Data Studio (Looker Studio) นั้นเหมาะสำหรับคุณ หากคุณต้องการสิ่งที่ล้ำหน้ากว่านี้เพื่อรองรับการสร้างแบบจำลองข้อมูลที่กำหนดเองและตัวเลือกการแสดงภาพแบบกำหนดเองเพิ่มเติมพร้อมความสามารถในการรองรับการวิเคราะห์เชิงคาดการณ์ Looker ก็ดูจะเป็นตัวเลือกที่เหมาะสมกว่า
หลังจากได้อ่านจนจบแล้ว ทาง Predictive หวังว่าจะเป็นประโยชน์กับใครที่กำลังตัดสินใจว่าจะเลือกใช้เครื่องมือไหนดี ระหว่าง Looker กับ Data Studio และถ้าหากยังตัดสินใจไม่ได้ สามารถติดต่อ Predictive เพื่อสอบถามข้อมูลเพิ่มเติมได้เลย และเรายินดีให้คำปรึกษาเบื้องต้นฟรี