Analisis kustom & Pengonfigurasi SQL

Jarak Haversine Custom Analysis & SQL Configurator mengaktifkan akses basis data langsung untuk analisis armada kustom di luar laporan standar. Tulis kueri SQL, jelajahi seluruh dataset Anda, dan buat visualisasi interaktif dalam satu antarmuka terpadu.

Ikhtisar antarmuka

Ruang kerja SQL Configurator terdiri dari 3 bagian utama:

1. Penjelajah skema basis data - Lihat struktur tabel dan klik pada skema untuk eksplorasi hubungan interaktif di dbdiagram.io

2. Panel Eksekusi Kueri SQL - Tulis kueri PostgreSQL dan lihat hasil dengan umpan balik langsung

3. Antarmuka visualisasi interaktif - Ubah hasil kueri menjadi grafik menggunakan fungsionalitas seret-dan-letakkan

Struktur data Anda

Dampak konfigurasi: Sistem Anda memproses kategori data yang berbeda berdasarkan pengaturan konfigurasi. Jika tabel yang diharapkan tampak tidak tersedia, verifikasikan pengaturan kategori data Anda di konfigurasi sistem.

Data PTL Anda muncul melalui dua skema utama yang diorganisir berdasarkan sumber dan tujuan:

raw_business_data	raw_telematics_data
Informasi organisasi dan operasional. - Entitas inti: users, devices, objects, vehicles, employees - Data operasional: tasks, forms, zones, places, garages - Data referensi: models, entities, status information - Tabel relasi: vehicle-driver assignments, user-zone mappings	Pelacakan GPS real-time, pembacaan sensor, dan status perangkat - tracking_data_core: Koordinat GPS, kecepatan, ketinggian, data kejadian - inputs: Pembacaan sensor (bahan bakar, suhu, tegangan) - states: Indikator status perangkat (kontak, pintu, mode operasi)

Untuk detail tentang skema data yang tersedia di IoT Query, lihat Ikhtisar Skema.

Membuat visualisasi dari hasil kueri

Ubah hasil kueri SQL Anda menjadi visualisasi interaktif melalui alur kerja terstruktur:

1

Verifikasi konfigurasi data

Periksa bahwa semua kategori data yang diperlukan diaktifkan dalam pengaturan sistem Anda:

1. Arahkan ke Konfigurasi PTL di bilah sisi kiri

2. Verifikasi bahwa kategori data yang dibutuhkan (Data Pelacakan, Input, Status) diaktifkan sesuai kebutuhan analisis Anda

3. Jika diperlukan perubahan, perbarui konfigurasi dan pertimbangkan menjalankan pemuatan data historis untuk penerapan secara retroaktif

2

Kembangkan dan jalankan kueri Anda

Di Panel Eksekusi Kueri SQL:

1. Tulis kueri analisis Anda menggunakan sintaks PostgreSQL dan persyaratan pemformatan di atas

2. Sertakan nama field yang sesuai, konversi data, dan penyaringan untuk kebutuhan visualisasi Anda

3. Klik Eksekusi untuk menjalankan kueri Anda dan menghasilkan dataset

4. Tinjau hasil untuk memastikan kualitas data dan format keluaran yang diharapkan

3

Akses antarmuka visualisasi

Setelah kueri Anda dieksekusi dengan sukses:

1. Beralih ke Visualisasi tab yang muncul di atas hasil kueri Anda

2. Hasil kueri Anda otomatis tersedia sebagai field data di antarmuka visualisasi

3. Pembuat grafik interaktif dimuat dengan dataset Anda siap untuk pembuatan visualisasi seret-dan-letakkan

4

Buat visualisasi interaktif

Gunakan antarmuka visualisasi untuk membangun grafik:

1. Seret field dari hasil kueri Anda ke area konfigurasi grafik (sumbu X, sumbu Y, filter, warna)

2. Pilih jenis visualisasi yang sesuai berdasarkan karakteristik data dan tujuan analisis Anda

3. Terapkan filter dan gaya untuk menyempurnakan presentasi visual Anda

4. Ekspor visualisasi yang selesai dalam berbagai format (PNG, SVG, CSV, base64) untuk berbagi dan pelaporan\

Panduan visualisasi terperinci: Petunjuk langkah-demi-langkah lengkap untuk pembuatan grafik dibahas di Buat visualisasi kustom.

Tips pengembangan kueri

Perluas bagian di bawah untuk menemukan praktik yang direkomendasikan saat bekerja dengan kueri di SQL Configurator.

Persyaratan format data untuk analisis telematika

Data telematika Anda menggunakan penyimpanan bilangan bulat yang diskalakan yang memerlukan konversi:

Tipe Data	Format Penyimpanan	Konversi Diperlukan
Koordinat GPS	Bilangan bulat berskala	Bagi dengan 10.000.000 untuk derajat desimal
Nilai kecepatan	Format bilangan bulat	Bagi dengan 100 untuk km/jam
Cap waktu	Dua varian	Gunakan device_time untuk kejadian, platform_time untuk pemrosesan

Optimasi kinerja dan kualitas data

Praktik penting untuk analisis yang andal:

• Terapkan penyaringan berbasis waktu: Mengurangi ukuran dataset dan meningkatkan waktu respons dengan WHERE device_time > now() - INTERVAL '7 days'

• Gunakan field terindeks: Sertakan device_id dan device_time dalam klausa WHERE untuk kinerja kueri yang optimal

• Validasi rentang data: Saring batas koordinat dan kecepatan untuk mengidentifikasi pembacaan anomali

• Verifikasi relasi: Lakukan cross-reference hubungan data bisnis untuk memastikan join menghasilkan hasil yang diharapkan

• Kelola set hasil: Tambahkan klausa LIMIT yang sesuai untuk kueri eksplorasi guna menghindari masalah kinerja

• Tangani celah data: Harapkan variasi normal seperti celah konektivitas selama kondisi sinyal buruk

Karakteristik Data yang Diharapkan: Pembacaan sensor memerlukan validasi kalibrasi berkala, dan data terbaru mungkin masih diproses selama analisis real-time.

Pola analisis lintas-skema

Gabungkan data organisasi dan pelacakan untuk wawasan komprehensif:

• Integrasi bisnis-telematika: Join menggunakan device_id sebagai kunci hubungan utama antar skema

• Korelasi karyawan-kendaraan: Hubungkan melalui relasi tabel objects untuk analisis produktivitas

• Interpretasi sensor: Gunakan tabel referensi description_parameters untuk menerjemahkan nilai berkode ke label yang dapat dibaca

• Analisis geografis: Gabungkan koordinat pelacakan dengan definisi zona untuk wawasan operasional

Contoh: Ikhtisar armada lengkap dengan LEFT JOIN

Saat menganalisis operasi armada, Anda sering perlu melihat semua kendaraan terlepas dari status aktivitas saat ini. Contoh ini menunjukkan bagaimana LEFT JOIN mempertahankan catatan kendaraan lengkap bahkan ketika data pelacakan atau penugasan pengemudi hilang.

-- Tampilkan semua kendaraan dengan penugasan pengemudi dan aktivitas terbaru
SELECT 
    o.object_label as vehicle_name,
    e.first_name || ' ' || e.last_name as assigned_driver,
    MAX(t.device_time) as last_seen,
    COUNT(t.device_id) as tracking_points_7days
FROM raw_business_data.objects o
LEFT JOIN raw_business_data.employees e ON o.object_id = e.object_id  
LEFT JOIN raw_telematics_data.tracking_data_core t ON o.device_id = t.device_id
    AND t.device_time > CURRENT_DATE - INTERVAL '7 days'
GROUP BY o.object_label, e.first_name, e.last_name
ORDER BY last_seen DESC NULLS LAST;

Wawasan kunci: LEFT JOIN memastikan semua kendaraan muncul dalam hasil, bahkan tanpa pelacakan atau penugasan pengemudi terbaru.

Contoh kueri: Pola lengkap untuk kasus penggunaan spesifik tersedia di SQL Recipe Book.

Langkah selanjutnya

• Buat visualisasi kustom - Proses lengkap untuk membuat grafik dan analisis visual

• SQL Recipe Book - Pola kueri lanjutan yang diorganisir berdasarkan skenario analitis

• Dokumentasi lapisan Bronze - Referensi skema basis data lengkap dan definisi field

Analitik produksi: Untuk pelaporan dan dashboard skala perusahaan, pertimbangkan alat BI khusus yang terhubung langsung ke instance PTL Anda untuk skalabilitas dan fitur kolaborasi yang ditingkatkan. Pelajari lebih lanjut di Memilih alat BI.