> 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/pt-br/explorer-for-iotquery/custom-analysis-sql-configurator.md).
# Análise personalizada e configurador de SQL
A **Custom Analysis & SQL Configurator** permite acesso direto ao banco de dados para análise personalizada da frota além dos relatórios padrão. Escreva consultas SQL, explore seu conjunto de dados completo e crie visualizações interativas em uma única interface integrada.
## Visão geral da interface
O ambiente de trabalho de **SQL Configurator** é composto por 3 seções principais:
1. **Navegador do esquema do banco de dados** - Veja as estruturas das tabelas e clique nos esquemas para explorar interativamente os relacionamentos em dbdiagram.io
2. **Painel de execução de consultas SQL** - Escreva consultas PostgreSQL e veja os resultados com feedback imediato
3. **Interface interativa de visualização** - Transforme os resultados das consultas em gráficos usando a funcionalidade de arrastar e soltar
## Sua estrutura de dados
{% hint style="info" %}
**Impacto da configuração**: Seu sistema processa diferentes categorias de dados com base nas configurações de definição. Se as tabelas esperadas parecerem indisponíveis, verifique as configurações da sua categoria de dados em [configuração do sistema](/docs/analytics/pt-br/explorer-for-iotquery/settings-and-configuration.md).
{% endhint %}
Seus dados PTL aparecem por meio de dois esquemas principais organizados por origem e finalidade:
| **raw\_business\_data** | **raw\_telematics\_data** |
| ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
|
Informações organizacionais e operacionais.
- Entidades principais: usuários, dispositivos, objetos, veículos, funcionários - Dados operacionais: tarefas, formulários, zonas, locais, garagens - Dados de referência: modelos, entidades, informações de status - Tabelas de relacionamento: atribuições veículo-motorista, mapeamentos usuário-zona
|
Rastreamento GPS em tempo real, leituras de sensores e status do dispositivo
- tracking\_data\_core: coordenadas GPS, velocidade, altitude, dados de eventos - inputs: leituras de sensores (combustível, temperatura, tensão) - states: indicadores de status do dispositivo (ignição, portas, modos operacionais)
|
{% hint style="info" %}
Para obter detalhes sobre os esquemas de dados disponíveis em seu **IoT Query**, consulte [Visão geral do esquema](/docs/analytics/pt-br/iot-query/schema-overview.md).
{% endhint %}
## Criando visualizações a partir dos resultados da consulta
Transforme os resultados de suas consultas SQL em visualizações interativas por meio de um fluxo de trabalho estruturado:
{% stepper %}
{% step %}
Verifique a configuração dos dados
Confira se todas as categorias de dados necessárias estão habilitadas nas configurações do sistema:
1. Navegue até **Configuração do PTL** na barra lateral esquerda
2. Verifique se as categorias de dados necessárias (**Dados de rastreamento**, **Entradas**, **Estados**) estão habilitadas para seus requisitos de análise
3. Se forem necessárias alterações, atualize a configuração e considere executar o carregamento de dados históricos para aplicação retroativa
{% endstep %}
{% step %}
Desenvolva e execute sua consulta
No **Painel de execução de consultas SQL**:
1. Escreva sua consulta de análise usando a sintaxe PostgreSQL e os requisitos de formatação acima
2. Inclua nomes de campos adequados, conversões de dados e filtros para suas necessidades de visualização
3. Clique **Executar** para executar sua consulta e gerar o conjunto de dados
4. Revise os resultados para garantir a qualidade dos dados e o formato de saída esperado
{% endstep %}
{% step %}
Acesse a interface de visualização
Depois que sua consulta for executada com sucesso:
1. Altere para a guia **Visualização** que aparece acima dos resultados da sua consulta
2. Os resultados da sua consulta tornam-se automaticamente disponíveis como campos de dados na interface de visualização
3. O construtor interativo de gráficos é carregado com seu conjunto de dados pronto para a criação de visualizações por arrastar e soltar
{% endstep %}
{% step %}
Crie visualizações interativas
Use a interface de visualização para criar gráficos:
1. Arraste os campos dos resultados da consulta para as áreas de configuração do gráfico (eixo X, eixo Y, filtros, cores)
2. Escolha os tipos de visualização adequados com base nas características dos seus dados e nos objetivos da análise
3. Aplique filtros e estilos para refinar sua apresentação visual
4. Exporte as visualizações concluídas em vários formatos (PNG, SVG, CSV, base64) para compartilhamento e relatórios\\
{% endstep %}
{% endstepper %}
{% hint style="info" %}
**Guia detalhado de visualização**: As instruções completas passo a passo para a criação de gráficos são abordadas em [Criar visualizações personalizadas](/docs/analytics/pt-br/explorer-for-iotquery/custom-analysis-sql-configurator/creating-custom-visualizations.md).
{% endhint %}
## Dicas de desenvolvimento de consultas
Expanda as seções abaixo para descobrir práticas recomendadas para trabalhar com consultas em **SQL Configurator**.
Requisitos de formato de dados para análise de telemetria
Seus dados de telemetria usam armazenamento de inteiros escalonados que requer conversão:
| **Tipo de dado** | **Formato de armazenamento** | **Conversão necessária** |
| ------------------------- | ---------------------------- | ------------------------------------------------------------------ |
| **Coordenadas GPS** | Inteiros escalonados | Divida por 10.000.000 para graus decimais |
| **Valores de velocidade** | Formato inteiro | Divida por 100 para km/h |
| **Carimbos de data/hora** | Duas variantes | Use `device_time` para eventos, `platform_time` para processamento |
Otimização de desempenho e qualidade dos dados
**Práticas essenciais para análise confiável:**
* **Aplique filtragem baseada em tempo**: Reduz o tamanho do conjunto de dados e melhora os tempos de resposta com `WHERE device_time > now() - INTERVAL '7 days'`
* **Use campos indexados**: Inclua `device_id` e `device_time` nas cláusulas WHERE para desempenho ideal da consulta
* **Valide intervalos de dados**: Filtre os limites de coordenadas e velocidade para identificar leituras anômalas
* **Verifique os relacionamentos**: Faça a correlação cruzada dos relacionamentos dos dados de negócio para garantir que os joins produzam os resultados esperados
* **Gerencie os conjuntos de resultados**: Adicione cláusulas LIMIT adequadas para consultas exploratórias a fim de evitar problemas de desempenho
* **Trate lacunas de dados**: Espere variações normais, como lacunas de conectividade durante condições de sinal ruim
{% hint style="info" %}
**Características esperadas dos dados**: As leituras dos sensores exigem validação periódica de calibração, e os dados recentes ainda podem estar sendo processados durante a análise em tempo real.
{% endhint %}
Padrões de análise entre esquemas
**Combine dados organizacionais e de rastreamento para obter insights abrangentes:**
* **Integração negócio-telemetria**: Faça o join usando `device_id` como chave principal de relacionamento entre esquemas
* **Correlação funcionário-veículo**: Conecte-se por meio dos relacionamentos da tabela objects para análise de produtividade
* **Interpretação de sensores**: Use a tabela de referência description\_parameters para traduzir valores codificados em rótulos legíveis
* **Análise geográfica**: Combine coordenadas de rastreamento com definições de zona para obter insights operacionais
**Exemplo: Visão geral completa da frota com LEFT JOIN**
Ao analisar as operações da frota, muitas vezes é necessário ver todos os veículos, independentemente do status atual de atividade. Este exemplo demonstra como `LEFT JOIN` preserva os registros completos dos veículos mesmo quando os dados de rastreamento ou as atribuições de motoristas estiverem ausentes.
```sql
-- Mostra todos os veículos com atribuições de motoristas e a atividade mais recente
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;
```
**Insight principal**: LEFT JOIN garante que todos os veículos apareçam nos resultados, mesmo sem rastreamento recente ou atribuições de motoristas.
{% hint style="info" %}
**Exemplos de consulta**: Padrões completos específicos de casos de uso estão disponíveis em [Recipe Book de SQL](/docs/analytics/pt-br/example-queries.md).
{% endhint %}
## Próximos passos
* [Criar visualizações personalizadas](/docs/analytics/pt-br/explorer-for-iotquery/custom-analysis-sql-configurator/creating-custom-visualizations.md) - Processo completo para criar gráficos e análise visual
* [Recipe Book de SQL](/docs/analytics/pt-br/example-queries.md) - Padrões avançados de consulta organizados por cenário analítico
* [Documentação da camada Bronze](/docs/analytics/pt-br/iot-query/schema-overview/bronze-layer.md) - Referência completa do esquema do banco de dados e definições de campos
{% hint style="info" %}
**Análise de produção**: Para relatórios e painéis em escala corporativa, considere ferramentas de BI dedicadas que se conectem diretamente à sua instância PTL para recursos aprimorados de escalabilidade e colaboração. Saiba mais em [Seleção de ferramentas de BI](/docs/analytics/pt-br/iot-query/connection-setup/selecting-bi-tools.md).
{% endhint %}
---
# 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/pt-br/explorer-for-iotquery/custom-analysis-sql-configurator.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.