{
    "version": "https:\/\/jsonfeed.org\/version\/1",
    "title": "Блог об аналитике, визуализации данных, data science и BI, заметки с тегом: looker",
    "home_page_url": "http:\/\/test.leftjoin.ru\/tags\/looker\/",
    "feed_url": "http:\/\/test.leftjoin.ru\/tags\/looker\/json\/",
    "icon": "http:\/\/test.leftjoin.ru\/user\/userpic@2x.jpg",
    "author": {
        "name": "Николай Валиотти",
        "url": "http:\/\/test.leftjoin.ru\/",
        "avatar": "http:\/\/test.leftjoin.ru\/user\/userpic@2x.jpg"
    },
    "items": [
        {
            "id": "96",
            "url": "http:\/\/test.leftjoin.ru\/all\/looker-bi\/",
            "title": "Обзор Looker",
            "content_html": "<p>Looker — BI-инструмент класса self-service. Это подразумевает, что все отчёты и быструю аналитику пользователь делает самостоятельно без привлечения специалиста в области данных (последний заранее настраивает необходимые модели данных).<\/p>\n<p>Looker особенно популярен в США: в 2019 году Google купил стартап за $2,6 млрд. Тем не менее, далеко не каждый российский аналитик с ним знаком. В рунете ещё не было обзора на Looker, так что заложим фундамент для последующих публикаций.<\/p>\n<p>В сегодняшнем обзоре BI-систем мы изучим интерфейс Looker, погрузимся в терминологию инструмента, взглянем на готовые приложения в Marketplace, разберёмся с построением Look ML моделей и посмотрим на итоговый дашборд по датасету SuperStore.<\/p>\n<p class=\"note\">Подробнее об инструменте можно почитать в материале <a href=\"http:\/\/test.leftjoin.ru\/all\/looker-overview\/\" class=\"nu\">«<u>Обзор Looker<\/u>»<\/a><\/p>\n<div class=\"e2-text-video\">\n<iframe src=\"https:\/\/www.youtube.com\/embed\/cSJDtLKN-Hg\" frameborder=\"0\" allowfullscreen><\/iframe><\/div>\n<h2>Публикация дашборда<\/h2>\n<p class=\"note\">При публикации дашборда таким методом он может некорректно отображаться в браузерах Safari и Internet Explorer<\/p>\n<p>Для публикации мы использовали подход, описанный в <a href=\"https:\/\/docs.looker.com\/reference\/embedding\/sso-embed\">документации Looker<\/a>. Генерация ссылки происходит как в <a href=\"https:\/\/github.com\/looker\/looker_embed_sso_examples\/blob\/master\/python_example.py\">примере с GitHub<\/a>.<\/p>\n<p>Предварительно выполняем создание нового пользователя в настройках админ-панели Looker с соответствующими просмотру дашборда доступами, чтобы любой незарегистрированной пользователь мог войти под этой учётной записью в одной сессии. Для вывода дашборда на веб-страницу используется фреймворк Flask, а сама сгенерированная ссылка вставляется как источник в тег iframe в html-файле. Весь код деплоим на Heroku, чтобы иметь постоянный URL для доступа к дашборду.<\/p>\n<p>Так как ссылка для SSO генерируется для одной сессии, нужно настроить Heroku Scheduler и прописать выполнение <a href=\"https:\/\/gist.github.com\/mattheworiordan\/f052b7693aacd025f025537418fa5708\">скрипта такого вида<\/a> соответственно длине одной сессии. Например, если сессия длится 10 минут, то и выполнение должно происходить каждые 10 минут.<\/p>\n<h2>Оценки<\/h2>\n<p>Внутри команды мы оценили дашборд и получили следующие средние оценки (1 — худшая оценка, 10 — лучшая):<br \/>\n1) Отвечает ли заданным вопросам — 8,8<br \/>\n2) Порог входа в инструмент — 7<br \/>\n3) Функциональность инструмента — 7,4<br \/>\n4) Удобство пользования — 7,2<br \/>\n5) Соответствие результата макету — 7,8<br \/>\n6) Визуальная составляющая — 8,6<br \/>\nИтог: дашборд в Looker получает 7,8 баллов из 10.<\/p>\n<p><a href=\"https:\/\/valiotti-analytics-looker.herokuapp.com\/\">Посмотрите на полученный результат<\/a>.<\/p>\n",
            "date_published": "2021-02-17T15:41:51+03:00",
            "date_modified": "2021-02-17T15:38:19+03:00",
            "image": "http:\/\/test.leftjoin.ru\/pictures\/remote\/youtube-cSJDtLKN-Hg-cover.jpg",
            "_date_published_rfc2822": "Wed, 17 Feb 2021 15:41:51 +0300",
            "_rss_guid_is_permalink": "false",
            "_rss_guid": "96",
            "_e2_data": {
                "is_favourite": false,
                "links_required": [],
                "og_images": [
                    "http:\/\/test.leftjoin.ru\/pictures\/remote\/youtube-cSJDtLKN-Hg-cover.jpg"
                ]
            }
        },
        {
            "id": "57",
            "url": "http:\/\/test.leftjoin.ru\/all\/modern-bi-systems\/",
            "title": "Гайд по современным BI-системам",
            "content_html": "<p>В новой серии постов постараемся подробно изучить различные BI-системы на популярной группе датасетов <a href=\"https:\/\/github.com\/PacktPublishing\/Tableau-10-Best-Practices\/blob\/master\/Chapter%205\/Sample%20-%20Superstore%20Sales%20(Excel).xls\">SuperStore Sales<\/a>. В основе данных — продажи и прибыль сетевого ритейлера в долларах.<\/p>\n<p>В следующем посте обсудим постановку реальной задачи, которая могла бы стоять при подготовке дашборда на основе датасета и спроектируем макет эффективного дашборда, отвечающего на поставленные вопросы. В рамках описания задачи укажем желаемую цветовую гамму для того, чтобы сравнение дашбордов было максимально консистентным.<\/p>\n<p>Затем, используя каждый инструмент, построим дашборд, который позволит принимать эффективные управленческие решения на основе данных. При подготовке дашборда постараемся подключать экспертов индустрии и учтём их комментарии.<\/p>\n<p>Ниже перечислен перечень BI-систем и инструментов для работы, с данными, которые хотелось бы опробовать и описать опыт построения дашборда. Приглашаю тех, кто желает поучаствовать в решении данной задачи написать мне в Telegram — <a href=\"https:\/\/t.me\/valiotti\">@valiotti<\/a>. Разумеется, авторство дашборда будет указано. Проект некоммерческий, но полезный для сравнения современных систем для аналитики независимо от квадрантов Gartner.<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/1@2x.jpeg\" width=\"651\" height=\"463.5\" alt=\"\" \/>\n<\/div>\n<p>Сейчас в планах подготовить материалы о следующих инструментах:<\/p>\n<p><b>Бесплатные  (Open source):<\/b><\/p>\n<ul>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/metabase-bi-guide\/\">Metabase<\/a>: 8 баллов из 10<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/obzor-dashborda-v-redash\/\">Redash<\/a>: 6,5 баллов из 10<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/superset-bi-guide\/\">Apache Superset<\/a>: 7,7 баллов из 10<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/dash-bi-guide\/\">Dash \/ Plotly<\/a>: 8,05 баллов из 10<\/li>\n<\/ul>\n<p><b>Бесплатные (cloud):<\/b><\/p>\n<ul>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/datastudio-bi-guide\/\">Google Data Studio<\/a>: 7,7 баллов из 10<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/yandex-datalens-guide\/\">Yandex Datalens<\/a>: 8 баллов из 10<\/li>\n<\/ul>\n<p><b> Платные (cloud):<\/b><\/p>\n<ul>\n<li>Mode<\/li>\n<li>Cluvio<\/li>\n<li>Holistic<\/li>\n<li>Chartio<\/li>\n<li>Periscope<\/li>\n<li>DeltaDNA<\/li>\n<li>Klipfolio<\/li>\n<li>Count.co<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/sap-bi-guide\/\">SAP Analytics Cloud<\/a>: 8,7 баллов из 10<\/li>\n<\/ul>\n<p><b>Платные:<\/b><\/p>\n<ul>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/powerbi-guide\/\">PowerBI<\/a>: 8,0 балла из 10<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/superstore-tableau\/\">Tableau<\/a>: 8,8 баллов из 10<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/looker-bi\/\">Looker<\/a>: 7,7 балла из 10<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/excel-bi-guide\/\">Excel<\/a>: 7,5 балла из 10<\/li>\n<li>Alteryx<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/obzor-dashborda-qliksense\/\">Qlik Sense<\/a>: 8,4 балла из 10<\/li>\n<\/ul>\n<p>Итоговая цель — оценить системы по нескольким внутренним критериям:<\/p>\n<ul>\n<li>порог входа в инструмент (1 — супер сложно, 10 — легко)<\/li>\n<li>функциональность инструмента (1 — очень бедный функционал, 10 — сложно что-то добавить)<\/li>\n<li>удобство пользования (1 — очень неудобно, 10 — супер удобно)<\/li>\n<li>соответствие результата задаче (1 — совсем не попали в желаемый макет, 10 — очень близко к описанию и макету)<\/li>\n<li>визуальная составляющая (1 — выглядит непривлекательно, 10 — визуально привлекательный дашборд)<\/li>\n<\/ul>\n<p>На основе полученных внутренних оценок будет рассчитана интегральная взвешенная оценка для инструмента.<\/p>\n<p>Параллельно, результаты работы будут представлены в Telegram-канале <a href=\"https:\/\/t.me\/leftjoin\">@leftjoin<\/a>, и подписчики также смогут высказать свое мнение относительно полученного результата.<br \/>\nВ итоге каждый инструмент будет описан точкой на плоскости, а сама плоскость будет поделена на 4 части.<\/p>\n<p>По мере написания новых материалов в цикле этот пост будет обновляться: будут добавляться ссылки на посты и оценки.<\/p>\n",
            "date_published": "2020-09-25T13:42:00+03:00",
            "date_modified": "2022-05-16T10:47:45+03:00",
            "image": "http:\/\/test.leftjoin.ru\/pictures\/1@2x.jpeg",
            "_date_published_rfc2822": "Fri, 25 Sep 2020 13:42:00 +0300",
            "_rss_guid_is_permalink": "false",
            "_rss_guid": "57",
            "_e2_data": {
                "is_favourite": false,
                "links_required": [],
                "og_images": [
                    "http:\/\/test.leftjoin.ru\/pictures\/1@2x.jpeg"
                ]
            }
        },
        {
            "id": "16",
            "url": "http:\/\/test.leftjoin.ru\/all\/looker-overview\/",
            "title": "Обзор Looker",
            "content_html": "<p>Сегодня поговорим о BI-платформе Looker, над которой мне удалось поработать в течение 2019-го года.<\/p>\n<p>Представляю краткое содержание статьи для удобной и быстрой навигации:<\/p>\n<ol start=\"1\">\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/looker-overview\/#part1\">Что такое Looker?<\/a><\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/looker-overview\/#part2\">Как и к каким СУБД можно подключиться через Looker?<\/a><\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/looker-overview\/#part3\">Построение Looker ML модели данных<\/a><\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/looker-overview\/#part4\">Режим Explore (исследование данных на построенной модели<\/a>)<\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/looker-overview\/#part5\">Построение отчетов и сохранение их в Look<\/a><\/li>\n<li><a href=\"http:\/\/test.leftjoin.ru\/all\/looker-overview\/#part6\">Примеры дашбордов в Looker<\/a><\/li>\n<\/ol>\n<h2><a id=\"part1\"><\/a>Что такое Looker?<\/h2>\n<p>Создатели <a href=\"https:\/\/looker.com\/\">Looker<\/a> позиционируют его как программное обеспечение класса business intelligence и платформу big data аналитики, которая помогает исследовать, анализировать и делиться аналитикой бизнеса в режиме реального времени.<br \/>\nLooker — это действительно удобный инструмент и один из немногих продуктов класса BI, который позволяет в режиме онлайн работать с преднастроенными кубами данных (на самом деле, реляционными таблицами, которые описаны в Look ML-модели).<br \/>\nИнженеру, работающему над Looker, требуется описать модель данных на языке Look ML (что-то среднее между CSS и SQL), опубликовать эту модель данных и далее настроить отчетность и дашборды.<br \/>\nСам Look ML достаточно прост, взаимосвязи между объектами данных задаются data-инженером, что впоследствии позволяет использовать данные без знания языка SQL (если быть точным: движок Looker сам за пользователя генерирует код на языке SQL).<\/p>\n<p>Буквально недавно, в июне 2019-го года Google <a href=\"https:\/\/cloud.google.com\/blog\/topics\/inside-google-cloud\/expanding-our-platform-for-business-intelligence-and-embedded-analytics\">объявил<\/a> о покупке платформы Looker за $2.6 млрд.<\/p>\n<h2><a id=\"part2\"><\/a>Как и к каким СУБД можно подключиться через Looker?<\/h2>\n<p>Выбор СУБД, с которыми работает Looker довольно богатый. На скриншоте ниже перечислены всевозможные подключения на Октябрь 2019 г.:<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/db-list@2x.png\" width=\"418\" height=\"852\" alt=\"\" \/>\n<div class=\"e2-text-caption\">Доступные СУБД для подключения<\/div>\n<\/div>\n<p>Настроить подключение к базе данных несложно через веб-интерфейс:<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/connection-setting@2x.png.jpg\" width=\"2560\" height=\"1460\" alt=\"\" \/>\n<div class=\"e2-text-caption\">Веб-интерфейс подключения к СУБД<\/div>\n<\/div>\n<p>В вопросе соединений с базами данных отдельно хочется отметить два факта: к сожалению, на текущий момент и в ближайшем будущем отсутствует поддержка Clickhouse от Яндекса. Скорее всего поддержка не появится, учитывая тот факт, что Looker был приобретен конкурирующей компанией Google.<br \/>\nВторой досадный факт состоит в том, что построить одну модель данных, которая бы обращалась в разные СУБД нельзя. В Looker нет встроенного хранилища, которое могло бы объединять результаты запроса (кстати, в отличии даже от того же Redash).<br \/>\nЭто означает, что аналитическая архитектура данных должна быть построена в рамках одной СУБД (желательно с высоким быстродействием или на агрегированных данных).<\/p>\n<h2><a id=\"part3\"><\/a>Построение Looker ML модели данных<\/h2>\n<p>Для того чтобы построить отчет или дашборд в Looker, предварительно необходимо настроить модель данных. Синтаксис языка Look ML достаточно подробно <a href=\"https:\/\/docs.looker.com\/data-modeling\/learning-lookml\/what-is-lookml\">описан в документации<\/a>. От себя могу добавить, что описание модели не требует долгого погружения для специалиста со знанием SQL. Скорее, необходимо перестроить подход к подготовке модели данных. Язык Look ML очень похож на CSS:<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/lookml@2x.jpg\" width=\"1280\" height=\"703.5\" alt=\"\" \/>\n<div class=\"e2-text-caption\">Консоль создания Look ML модели<\/div>\n<\/div>\n<p>В модели данных прописываются связи с таблицами, ключи, гранулярность, информация о том, какие поля являются фактами, какие измерениями. Для фактов прописывается агрегация. Разумеется, при создании модели можно использовать различные IF \/ CASE выражения.<\/p>\n<h2><a id=\"part4\"><\/a>Режим Explore<\/h2>\n<p>Наверное, это самая главная киллер-фича Looker, поскольку позволяет любым бизнес-поздразделениям самостоятельно получать данные без привлечения аналитиков \/ инженеров данных. И, видимо, поэтому использование аккаунтов с использованием режиме Explore тарифицируется отдельно.<\/p>\n<p>Фактически, режим Explore это интерфейс, который позволяет использовать настроенную Look ML модель данных, выбрать необходимые метрики и измерения и построить кастомный отчет \/ визуализацию.<br \/>\nК примеру, мы хотим понять сколько каких действий в интерфейсе Лукера было совершено на прошлой неделе. Для этого, используя режим Explore, мы выберем поле Date и поставим на него фильтр: прошлая неделя (Looker в этом смысле достаточно умный и в фильтре будет достаточно написать ‘Last week’), затем из измерений выберем «Категорию» и в качестве метрики — Количество. После нажатия кнопки <i>Run<\/i> сформируется готовый отчет.<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/explore-tab@2x.png.jpg\" width=\"2560\" height=\"1012\" alt=\"\" \/>\n<div class=\"e2-text-caption\">Построение отчета в Looker<\/div>\n<\/div>\n<p>Затем, используя полученные данные в табличной форме можно настроить визуализацию любого вида. Например, Pie chart:<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/vis@2x.png\" width=\"1081\" height=\"566\" alt=\"\" \/>\n<div class=\"e2-text-caption\">Применение визуализации к отчету<\/div>\n<\/div>\n<h2><a id=\"part5\"><\/a>Построение отчетов и сохранение их в Look<\/h2>\n<p>Полученный набор данных \/ визуализацию в режиме Explore иногда хочется сохранить и поделиться с коллегами, для этого в Looker существует отдельная сущность —  Look. Это готовый построенный отчет с выбранными фильтрами \/ измерениями \/ фактами.<\/p>\n<div class=\"e2-text-picture\">\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/look@2x.png.jpg\" width=\"2560\" height=\"1457\" alt=\"\" \/>\n<div class=\"e2-text-caption\">Пример сохраненного Look<\/div>\n<\/div>\n<h2><a id=\"part6\"><\/a>Примеры дашбордов в Looker<\/h2>\n<p>Систематизируя склад созданных Look зачастую хочется получить готовую композицию \/ overview ключевых метрик, которые было бы видно на одном листе.<br \/>\nДля этих целей отлично подходит создание дашборда. Дашборд создается либо на лету, либо используя ранее созданные Look. Одной из «фишек» дашборда является установка параметров, которые меняются на всем дашборде и могут быть применены ко всем Look сразу.<\/p>\n<div class=\"e2-text-picture\">\n<div class=\"fotorama\" data-width=\"2560\" data-ratio=\"1.8591140159768\">\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/dashboard@2x.png.jpg\" width=\"2560\" height=\"1377\" alt=\"\" \/>\n<img src=\"http:\/\/test.leftjoin.ru\/pictures\/dashboard_v2@2x.png.jpg\" width=\"2560\" height=\"1456\" alt=\"\" \/>\n<\/div>\n<\/div>\n<h2>Интересные фишки одной строкой<\/h2>\n<ul>\n<li>В Looker можно ссылаться на другие отчеты и, используя данных функционал, можно создать динамический параметр, который передается по ссылке.<br \/>\nНапример, построили отчет с разделениям выручки по странам и в этот отчете можем ссылаться на дашборд по отдельно взятой стране. Переходя по ссылке, пользователь видит дашборд по конкретной стране, на которую перешел<\/li>\n<li>На каждой странице Looker существует чат, в котором оперативно отвечает поддержка<\/li>\n<li>Looker не умеет работать с merge данных на уровне разных СУБД, однако может объединить данные на уровне готовых Look (в нашем случае эта функциональность работает очень странно).<\/li>\n<li>В рамках работы с различными моделями данных, я обнаружил крайне нетривиальное использование SQL для подсчета уникальных значений в ненормализованный таблице данных, Looker называет это <a href=\"https:\/\/help.looker.com\/hc\/en-us\/articles\/360023722974-A-Simple-Explanation-of-Symmetric-Aggregates-or-Why-On-Earth-Does-My-SQL-Look-Like-That-\">симметричными агрегатами<\/a>.<br \/>\nSQL действительно выглядит очень нетривиально:<\/li>\n<\/ul>\n<pre class=\"e2-text-code\"><code>SELECT \r\n order_items.order_id AS &quot;order_items.order_id&quot;,\r\n order_items.sale_price AS &quot;order_items.sale_price&quot;,\r\n (COALESCE(CAST( ( SUM(DISTINCT (CAST(FLOOR(COALESCE(users.age ,0)\r\n *(1000000*1.0)) AS DECIMAL(38,0))) + \r\n CAST(STRTOL(LEFT(MD5(CONVERT(VARCHAR,users.id )),15),16) AS DECIMAL(38,0))\r\n * 1.0e8 + CAST(STRTOL(RIGHT(MD5(CONVERT(VARCHAR,users.id )),15),16) AS DECIMAL(38,0)) ) \r\n - SUM(DISTINCT CAST(STRTOL(LEFT(MD5(CONVERT(VARCHAR,users.id )),15),16) AS DECIMAL(38,0))\r\n * 1.0e8 + CAST(STRTOL(RIGHT(MD5(CONVERT(VARCHAR,users.id )),15),16) AS DECIMAL(38,0))) ) \r\n AS DOUBLE PRECISION) \r\n \/ CAST((1000000*1.0) AS DOUBLE PRECISION), 0) \r\n \/ NULLIF(COUNT(DISTINCT CASE WHEN users.age IS NOT NULL THEN users.id \r\n ELSE NULL END), 0)) AS &quot;users.average_age&quot;\r\nFROM order_items AS order_items\r\nLEFT JOIN users AS users ON order_items.user_id = users.id\r\n\r\nGROUP BY 1,2\r\nORDER BY 3 DESC\r\nLIMIT 500<\/code><\/pre><ul>\n<li>При внедрении Looker к покупке обязателен JumpStart Kit, который стоит не менее $6k, в рамках которого вы получаете поддержку и консультации от Looker при внедрении инструмента.<\/li>\n<\/ul>\n",
            "date_published": "2020-01-08T11:22:02+03:00",
            "date_modified": "2020-06-09T12:04:56+03:00",
            "image": "http:\/\/test.leftjoin.ru\/pictures\/db-list@2x.png",
            "_date_published_rfc2822": "Wed, 08 Jan 2020 11:22:02 +0300",
            "_rss_guid_is_permalink": "false",
            "_rss_guid": "16",
            "_e2_data": {
                "is_favourite": false,
                "links_required": [
                    "system\/library\/fotorama\/fotorama.css",
                    "system\/library\/fotorama\/fotorama.js",
                    "system\/library\/highlight\/highlight.js",
                    "system\/library\/highlight\/highlight.css"
                ],
                "og_images": [
                    "http:\/\/test.leftjoin.ru\/pictures\/db-list@2x.png",
                    "http:\/\/test.leftjoin.ru\/pictures\/connection-setting@2x.png.jpg",
                    "http:\/\/test.leftjoin.ru\/pictures\/lookml@2x.jpg",
                    "http:\/\/test.leftjoin.ru\/pictures\/explore-tab@2x.png.jpg",
                    "http:\/\/test.leftjoin.ru\/pictures\/vis@2x.png",
                    "http:\/\/test.leftjoin.ru\/pictures\/look@2x.png.jpg",
                    "http:\/\/test.leftjoin.ru\/pictures\/dashboard@2x.png.jpg",
                    "http:\/\/test.leftjoin.ru\/pictures\/dashboard_v2@2x.png.jpg"
                ]
            }
        }
    ],
    "_e2_version": 3365,
    "_e2_ua_string": "E2 (v3365; Aegea)"
}