変更要約: Associate Data Practitioner 第2章を新規作成（ドメイン2「分析と提示」: BigQuery と notebooks で分析＝SQL/Colab Enterprise、Looker でダッシュボード＝Looker/Looker Studio/LookML、機械学習モデルの活用＝BigQuery ML/AutoML/リモート接続での LLM/標準 ML プロジェクト/Model Registry）。
2.2Looker でダッシュボード
ビジネスの問いに答えるダッシュボードの作成・変更・共有、Looker と Looker Studio の使い分け、そしてデータモデルを定義する LookML の基本的なパラメータの操作を理解します。
分析結果は、関係者が見て意思決定できる形に可視化してこそ価値になります。Google Cloud のビジネスインテリジェンス（BI）が Looker です。
2.2.1ダッシュボードと Looker / Looker Studio
Looker はダッシュボードを作成・変更・共有し、ビジネスの問いに答える BI プラットフォームです。よく似た名前の Looker Studio は、より手軽に始められる無料寄りの可視化ツールで、アドホックなレポートや小規模な可視化に向きます。一方 Looker は、LookML による一元的なデータモデルでガバナンスや一貫性を重視する企業利用に向きます。「手軽な可視化＝Looker Studio」「一元モデルで統制された企業 BI＝Looker」と使い分けます。
2.2.2LookML
LookML は Looker でデータモデルを定義する言語です。指標（メジャー）やディメンションを一度定義しておけば、利用者は一貫した定義のもとでダッシュボードを作れます（「売上」の計算が人によってばらつかない）。Associate Data Practitioner では、簡単な LookML パラメータを操作してデータモデルを修正できることが問われます。
「要件 → ツール」が頻出。例：「ダッシュボードで問いに答える/共有」＝Looker、「手軽・アドホックな可視化」＝Looker Studio、「一元的なデータモデルで一貫性/ガバナンス」＝LookML（Looker）、「指標の定義を統一」＝LookML。
混同に注意：
①Looker（一元モデル・企業 BI）とLooker Studio（手軽な可視化）を取り違えない。
②LookML は Looker のデータモデル定義言語。
③可視化は分析（BigQuery）とは別の工程。
2.2.3この節のまとめ
- Looker＝ダッシュボードで問いに答える企業 BI（一元データモデル）。Looker Studio＝手軽な可視化
- LookML＝Looker のデータモデルを定義し、指標を一貫させる
- 用途で Looker / Looker Studio を使い分ける
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. 一元的なデータモデルでガバナンスを重視し、ダッシュボードを企業全体で一貫して共有したい。最適なのはどれですか？
Q2. 手軽に始められる無料寄りの可視化ツールで、アドホックなレポートに向くのはどれですか？
Q3. Looker でデータモデルを定義し、指標の計算を一貫させる言語はどれですか？
Q4. ダッシュボードの主な目的として最も適切なものはどれですか？
Q5. LookML を使う主な利点として最も適切なものはどれですか？
Q6. Looker と Looker Studio の使い分けとして正しいものはどれですか？