> 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/ru/explorer-for-iotquery/custom-analysis-sql-configurator.md).
# Пользовательский анализ и конфигуратор SQL
Узел **Настраиваемый анализ и SQL-конфигуратор** обеспечивает прямой доступ к базе данных для пользовательского анализа автопарка сверх стандартных отчетов. Пишите SQL-запросы, исследуйте весь набор данных и создавайте интерактивные визуализации в едином интегрированном интерфейсе.
## Обзор интерфейса
Рабочая область **SQL Configurator** состоит из 3 основных разделов:
1. **Обозреватель схемы базы данных** - Просматривайте структуры таблиц и нажимайте на схемы для интерактивного исследования связей на dbdiagram.io
2. **Панель выполнения SQL-запросов** - Пишите PostgreSQL-запросы и просматривайте результаты с немедленной обратной связью
3. **Интерактивный интерфейс визуализации** - Преобразуйте результаты запроса в диаграммы с помощью функции перетаскивания
## Структура ваших данных
{% hint style="info" %}
**Влияние конфигурации**: Ваша система обрабатывает различные категории данных в зависимости от настроек конфигурации. Если ожидаемые таблицы недоступны, проверьте настройки категории данных в [системной конфигурации](/docs/analytics/ru/explorer-for-iotquery/settings-and-configuration.md).
{% endhint %}
Ваши данные PTL отображаются через две основные схемы, организованные по источнику и назначению:
| **raw\_business\_data** | **raw\_telematics\_data** |
| ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
Организационная и операционная информация.
- Основные сущности: пользователи, устройства, объекты, транспортные средства, сотрудники - Операционные данные: задачи, формы, зоны, места, гаражи - Справочные данные: модели, сущности, информация о статусах - Таблицы связей: назначения транспортных средств водителям, сопоставления пользователей и зон
|
Отслеживание GPS в реальном времени, показания датчиков и статус устройства
- tracking\_data\_core: GPS-координаты, скорость, высота, данные событий - inputs: Показания датчиков (топливо, температура, напряжение) - states: Индикаторы состояния устройства (зажигание, двери, режимы работы)
|
{% hint style="info" %}
Подробности о схемах данных, доступных в вашем **IoT Query**, см. [Обзор схемы](/docs/analytics/ru/iot-query/schema-overview.md).
{% endhint %}
## Создание визуализаций из результатов запроса
Преобразуйте результаты SQL-запросов в интерактивные визуализации с помощью структурированного рабочего процесса:
{% stepper %}
{% step %}
Проверьте конфигурацию данных
Убедитесь, что все необходимые категории данных включены в настройках вашей системы:
1. Перейдите в **Конфигурация PTL** в левой боковой панели
2. Проверьте, что необходимые категории данных (**Данные трекинга**, **Входы**, **Состояния**) включены для ваших аналитических задач
3. Если требуются изменения, обновите конфигурацию и при необходимости выполните загрузку исторических данных для ретроактивного применения
{% endstep %}
{% step %}
Разработайте и выполните ваш запрос
В **Панель выполнения SQL-запросов**:
1. Напишите аналитический запрос, используя синтаксис PostgreSQL и указанные выше требования к форматированию
2. Укажите соответствующие имена полей, преобразования данных и фильтрацию в соответствии с вашими потребностями визуализации
3. Нажмите **Execute** чтобы выполнить запрос и сформировать набор данных
4. Проверьте результаты, чтобы убедиться в качестве данных и ожидаемом формате вывода
{% endstep %}
{% step %}
Откройте интерфейс визуализации
После успешного выполнения вашего запроса:
1. Переключитесь на вкладку **Визуализация** которая появится над результатами вашего запроса
2. Результаты вашего запроса автоматически становятся доступны как поля данных в интерфейсе визуализации
3. Интерактивный конструктор диаграмм загружается вместе с вашим набором данных, готовым к созданию визуализаций перетаскиванием
{% endstep %}
{% step %}
Создавайте интерактивные визуализации
Используйте интерфейс визуализации для построения диаграмм:
1. Перетаскивайте поля из результатов запроса в области настройки диаграммы (ось X, ось Y, фильтры, цвета)
2. Выбирайте подходящие типы визуализаций на основе характеристик данных и целей анализа
3. Применяйте фильтры и стилизацию для уточнения визуального представления
4. Экспортируйте готовые визуализации в нескольких форматах (PNG, SVG, CSV, base64) для обмена и отчетности\\
{% endstep %}
{% endstepper %}
{% hint style="info" %}
**Подробное руководство по визуализации**: Полные пошаговые инструкции по созданию диаграмм приведены в [Создавайте пользовательские визуализации](/docs/analytics/ru/explorer-for-iotquery/custom-analysis-sql-configurator/creating-custom-visualizations.md).
{% endhint %}
## Советы по разработке запросов
Разверните разделы ниже, чтобы узнать рекомендуемые практики работы с запросами в **SQL Configurator**.
Требования к формату данных для телематического анализа
Ваши телематические данные используют хранение целых чисел с масштабированием, которое требует преобразования:
| **Тип данных** | **Формат хранения** | **Требуемое преобразование** |
| --------------------- | ---------------------------- | -------------------------------------------------------------------- |
| **GPS-координаты** | Масштабированные целые числа | Разделите на 10 000 000 для получения десятичных градусов |
| **Значения скорости** | Целочисленный формат | Разделите на 100 для получения км/ч |
| **Метки времени** | Два варианта | Используйте `device_time` для событий, `platform_time` для обработки |
Оптимизация производительности и качества данных
**Основные практики для надежного анализа:**
* **Применяйте фильтрацию по времени**: Уменьшает размер набора данных и улучшает время отклика с помощью `WHERE device_time > now() - INTERVAL '7 days'`
* **Используйте индексированные поля**: Включайте `device_id` : Изучите исходные схемы ( `device_time` в предложения WHERE для оптимальной производительности запроса
* **Проверяйте диапазоны данных**: Фильтруйте пределы координат и скорости, чтобы выявлять аномальные показания
* **Проверяйте связи**: Сопоставляйте бизнес-связи данных, чтобы убедиться, что соединения дают ожидаемые результаты
* **Управляйте наборами результатов**: Добавляйте соответствующие предложения LIMIT для исследовательских запросов, чтобы избежать проблем с производительностью
* **Обрабатывайте пробелы в данных**: Ожидайте нормальные вариации, такие как разрывы связи при плохих условиях сигнала
{% hint style="info" %}
**Ожидаемые характеристики данных**: Показания датчиков требуют периодической проверки калибровки, а последние данные могут еще обрабатываться во время анализа в реальном времени.
{% endhint %}
Шаблоны межсхемного анализа
**Объединяйте организационные и трекинговые данные для получения комплексных выводов:**
* **Интеграция бизнеса и телематики**: Выполняйте соединение, используя `device_id` в качестве основного ключа связи между схемами
* **Сопоставление сотрудника и транспортного средства**: Связывайте через отношения таблицы объектов для анализа продуктивности
* **Интерпретация датчиков**: Используйте справочную таблицу description\_parameters для преобразования кодированных значений в понятные метки
* **Географический анализ**: Объединяйте координаты трекинга с определениями зон для получения операционной аналитики
**Пример: Полный обзор автопарка с LEFT JOIN**
При анализе операций автопарка вам часто нужно видеть все транспортные средства независимо от их текущего статуса активности. В этом примере показано, как `LEFT JOIN` сохраняет полные записи о транспортных средствах, даже если отсутствуют данные трекинга или назначения водителей.
```sql
-- Показывать все транспортные средства с назначениями водителей и последней активностью
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;
```
**Ключевой вывод**: LEFT JOIN гарантирует, что все транспортные средства отображаются в результатах, даже при отсутствии недавнего трекинга или назначений водителей.
{% hint style="info" %}
**Примеры запросов**: Полные шаблоны для конкретных сценариев использования доступны в [SQL Recipe Book](/docs/analytics/ru/example-queries.md).
{% endhint %}
## Обработка потоковых данных не поддерживается.
* [Создавайте пользовательские визуализации](/docs/analytics/ru/explorer-for-iotquery/custom-analysis-sql-configurator/creating-custom-visualizations.md) - Полный процесс создания диаграмм и визуального анализа
* [SQL Recipe Book](/docs/analytics/ru/example-queries.md) - Расширенные шаблоны запросов, организованные по аналитическим сценариям
* [Документация бронзового слоя](/docs/analytics/ru/iot-query/schema-overview/bronze-layer.md) - Полная справка по схеме базы данных и определения полей
{% hint style="info" %}
**Аналитика для промышленной эксплуатации**: Для отчетности и панелей управления корпоративного масштаба рассмотрите специализированные BI-инструменты, которые подключаются напрямую к вашему экземпляру PTL для повышения масштабируемости и возможностей совместной работы. Подробнее см. в [Выбор BI-инструментов](/docs/analytics/ru/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/ru/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.