> For the complete documentation index, see [llms.txt](https://navixy.com/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer.md). # Capa de transformación La capa de Transformación reestructura los datos brutos de IoT Query en entidades listas para análisis. Explore las transformaciones prediseñadas y comprenda cómo se procesan los datos {% hint style="info" %} #### ¡Próximamente! La arquitectura de la capa de transformación descrita en esta página está actualmente en desarrollo. Si bien las capacidades principales de transformación ya están operativas, los detalles de implementación pueden evolucionar antes del lanzamiento final. Si está interesado en acceso anticipado o tiene preguntas, contacte . {% endhint %} ## Qué hace la capa de transformación El **Capa de transformación** procesa los Datos brutos de la **Capa de Datos brutos** en entidades analíticas normalizadas y listas para consulta. Mientras que la capa de Datos brutos contiene todo lo capturado de dispositivos y sistemas (puntos individuales, eventos y valores de campo útiles para la verificación y la solución de problemas), la capa de transformación convierte esos datos brutos en objetos significativos como Viajes, visitas a zonas y estados operativos. {% hint style="info" icon="lightbulb-exclamation" %} Capa de transformación, en resumen: la capa de Datos brutos es todo lo recopilado, la capa de transformación es con lo que usted puede trabajar. {% endhint %} Esta capa intermedia elimina la preparación manual repetitiva de datos y deja sus datos listos para análisis prácticos. Los operadores de la Flota pueden responder preguntas operativas comunes sin un procesamiento extenso de datos, y los integradores obtienen una base estable para crear soluciones escalables de reportes y BI. Las transformaciones pueden diseñarse y configurarse mediante el [**Transformation Builder**](/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md), una herramienta visual que le permite crear entidades analíticas personalizadas mediante una interfaz de flujo de trabajo de arrastrar y soltar. Para obtener detalles sobre cómo crear y administrar transformaciones, consulte la documentación de Transformation Builder. Navixy proporciona un conjunto de transformaciones comunes listas para usar que se ejecutan automáticamente y completan el `processed_common_data` esquema sin ninguna configuración de su parte. Puede consultar estos datos inmediatamente después de conectarse a IoT Query. Cada transformación común también incluye una plantilla de flujo de trabajo que puede cargar en Transformation Builder para inspeccionar la lógica de procesamiento o adaptarla a su escenario específico. Consulte [Transformaciones comunes](/docs/analytics/es/iot-query/schema-overview/transformation-layer/common-transformations.md) las entidades disponibles y sus esquemas de salida. ## Cómo se organizan los datos La capa de transformación utiliza un enfoque de esquema dinámico en el que las estructuras de base de datos se forman automáticamente según las transformaciones activas. A diferencia de la capa de Datos brutos con sus definiciones de esquema fijas, la capa de transformación contiene solo las tablas que corresponden a las transformaciones que están activas actualmente. Las tablas disponibles y sus estructuras dependen de cuáles transformaciones estén configuradas en su **IoT Query** instancia. Los datos de la capa de transformación se organizan en dos esquemas de PostgreSQL: `processed_common_data` y `processed_custom_data`. ### processed\_common\_data El `processed_common_data` el esquema contiene transformaciones desarrolladas y mantenidas por Navixy. Este esquema se comparte entre todos los clientes y proporciona entidades analíticas estandarizadas que cubren casos de uso comunes de telemática. Las tablas aparecen en este esquema a medida que Navixy implementa nuevas transformaciones para satisfacer requisitos analíticos de amplia aplicación. {% hint style="warning" %} El `processed_common_data` es **de solo lectura para clientes externos**. Puede consultar los datos libremente, pero no puede modificar tablas, insertar registros ni alterar estructuras en este esquema. Para crear sus propias entidades analíticas, use el `processed_custom_data` esquema a través del [Transformation Builder](/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md). {% endhint %} ### processed\_custom\_data El `processed_custom_data` el esquema contiene transformaciones específicas del cliente creadas para atender requisitos empresariales únicos. Cada cliente tiene una instancia aislada de este esquema, por lo que sus datos no son visibles para otras organizaciones. Las tablas de este esquema corresponden a las transformaciones que usted configura y administra a través del [Transformation Builder](/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md). Usted tiene la propiedad total de este esquema: decide qué transformaciones crear, cómo procesan los datos y cuándo se ejecutan. Transformation Builder genera la configuración y el SQL necesarios para producir sus entidades analíticas personalizadas. #### Qué ocurre cuando cambian las transformaciones Cuando activa una transformación, el sistema crea automáticamente la estructura de tabla correspondiente en el esquema apropiado. Cuando las transformaciones se desactivan o se eliminan, sus tablas pueden archivarse o eliminarse según las políticas de retención de datos. Esta formación dinámica es la razón por la que la capa de transformación no proporciona descripciones fijas de esquema como sí lo hace la capa de Datos brutos. Las tablas disponibles y sus estructuras reflejan las transformaciones específicas configuradas para su instancia de IoT Query. ## Características del procesamiento de datos Las entidades de la capa de transformación se mantienen automáticamente mediante procesos programados. Cuando consulte estos datos, tenga en cuenta las siguientes características de procesamiento. * **Actualizaciones programadas.** Cada transformación procesa nuevos registros de la capa de Datos brutos según su programación configurada. Las actualizaciones suelen ocurrir cada hora o cada pocas horas, según la complejidad y la configuración de la transformación. * **Ventanas de procesamiento.** Las transformaciones operan sobre segmentos basados en el tiempo para procesar de manera eficiente porciones manejables de datos, en lugar de analizar conjuntos de datos completos. Este enfoque equilibra el rendimiento del procesamiento con la frescura de los datos. * **Comportamiento del recálculo.** Cuando los cambios de configuración desencadenan un recálculo, los datos recientes pueden mostrar inconsistencias breves durante las ventanas activas de procesamiento. Estas inconsistencias se resuelven automáticamente una vez que el ciclo de procesamiento se completa. * **Comportamiento específico del esquema.** Las transformaciones en `processed_common_data` se actualizan simultáneamente para todos los clientes que comparten ese esquema, ya que Navixy administra la programación de forma centralizada. Las transformaciones en `processed_custom_data` se ejecutan de forma independiente por cliente, lo que le permite personalizar la programación y la lógica de procesamiento según sus necesidades específicas. ## Qué tener en cuenta al consultar Al escribir consultas SQL sobre datos de la capa de transformación, tenga en cuenta estos puntos: * **Use el formato completo esquema.tabla.** Siempre haga referencia a las tablas con su prefijo de esquema para evitar ambigüedades: ```sql SELECT * FROM processed_common_data.table_name WHERE device_time >= CURRENT_DATE - INTERVAL '7 days'; ``` * **Incluya filtros de rango de tiempo.** Agregue condiciones basadas en el tiempo en sus `WHERE` cláusulas para limitar el volumen de datos analizados. Esto mejora el rendimiento de la consulta y reduce el tiempo de ejecución. * **Verifique la programación de las transformaciones.** Los datos de las tablas de la capa de transformación reflejan el ciclo de procesamiento completado más reciente. Si necesita datos con solo unos minutos de antigüedad, la capa de Datos brutos puede ser más apropiada hasta que se ejecute el siguiente ciclo de transformación. * **Recuerde que `processed_common_data` es de solo lectura.** Use este esquema para consultar entidades estandarizadas mantenidas por Navixy. Para crear sus propias entidades analíticas, configure transformaciones en el `processed_custom_data` esquema a través del [Transformation Builder](/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md). ## Próximos pasos * [**Transformation Builder**](/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md): Diseñe entidades analíticas personalizadas usando la interfaz visual de flujo de trabajo. * [**Capa de Datos brutos**](/docs/analytics/es/iot-query/schema-overview/bronze-layer.md): Explore los esquemas de origen (`raw_telematics_data` y `raw_business_data`) que alimentan las transformaciones. * [**Libro de recetas SQL**](/docs/analytics/es/example-queries.md): Aprenda patrones de consulta y buenas prácticas para trabajar con tablas de la capa de transformación en Dashboard Studio. * [**Transformaciones comunes**](/docs/analytics/es/iot-query/schema-overview/transformation-layer/common-transformations.md): Explore las entidades analíticas listas para usar disponibles en `processed_common_data`, incluidos esquemas de salida, ejemplos de consulta y plantillas de Transformation Builder. --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.