
A maioria das equipes de desenvolvimento desperdiça recursos valiosos com desafios de integração de dados telemáticos, enfrentando limitações de taxa de API, construindo scripts de exportação frágeis e lutando com requisitos de conformidade. A camada Bronze do Navixy IoT Query elimina esses gargalos. Continue lendo para explorar as capacidades que a plataforma de análise telemática oferece para seu negócio.
Principais conclusões
- Acesse dados telemáticos brutos com SQL direto, eliminando gargalos de API e acelerando análises empresariais.
- Projete e execute análises de frota personalizadas adaptadas a objetivos operacionais únicos e métricas de desempenho.
- Habilite monitoramento de sensores ao vivo, detecção de anomalias, manutenção preditiva e insights geoespaciais avançados.
- Transforme telemática em um motor escalável para análises preditivas empresariais e decisões mais inteligentes.
O Navixy IoT Query oferece aos desenvolvedores que trabalham com frotas de nível empresarial acesso SQL direto a fluxos de telemática em tempo real, conjuntos de dados históricos e design flexível de esquemas de dados para construir aplicações personalizadas de análise de frota.
Entre em contato com vendas para descobrir os principais benefícios de uma nova abordagem para análise de frota disponível com o Navixy IoT Query.
A plataforma Navixy IoT Query elimina limitações de taxa de API e restrições de acesso a dados, possibilitando construir desde dashboards operacionais ao vivo até motores de análise multidimensionais complexos. Com compatibilidade PostgreSQL e suporte nativo de integração para ferramentas de BI populares, frameworks de ML e pipelines de dados, os desenvolvedores podem aproveitar habilidades e cadeias de ferramentas existentes sem dependência de fornecedor.
A arquitetura subjacente Private Telematics Lakehouse (PTL) expõe quatro padrões principais de processamento de dados através de interfaces SQL padrão:
Esta arquitetura oferece aos desenvolvedores a flexibilidade para implementar lógica de negócios personalizada diretamente em SQL ou extrair dados para processamento em Python, R ou outros ambientes analíticos e ferramentas de BI.
A camada Bronze expõe conjuntos de dados brutos e estruturados que desenvolvedores podem consultar diretamente para aplicações como:
O Navixy IoT Query suporta ingestão em tempo real de dados telemáticos, permitindo que dashboards ao vivo e painéis operacionais exibam valores de sensores como GPS, velocidade, RPM, temperatura ou níveis de combustível com atraso mínimo. Esta capacidade de streaming oferece aos despachantes e gestores visibilidade imediata dos status da frota, possibilitando solução de problemas mais rápida, consciência operacional e tomada de decisões informadas.
Identifique irregularidades como roubo de combustível, mau funcionamento de sensores ou uso não autorizado de veículos através de estruturas de detecção em tempo real. O Navixy IoT Query permite lançar abordagens estatísticas, possibilitando alertas de alta confiança baseados em desvios de normas históricas ou limites comportamentais definidos.
Antecipe falhas de componentes analisando padrões de temperatura, RPMs, códigos de falha e histórico de avarias. Ao treinar modelos de machine learning nestes dados, empresas podem migrar de reparos reativos para agendamento proativo — reduzindo reparos de emergência, melhorando o tempo de atividade dos veículos e otimizando intervalos de serviço.
Analise dados de movimento ao longo do tempo e espaço para descobrir geocercas, otimizar localizações de depósitos ou armazéns e avaliar cobertura geográfica de serviços. Posições de ativos podem ser comparadas com localizações em tempo quase real, enquanto dados telemáticos adicionam insights contextuais para apoiar melhor tomada de decisões.
A camada Bronze do Navixy IoT Query marca o ponto de partida de uma jornada analítica mais profunda, capturando dados brutos e não filtrados em um ambiente estruturado e consultável. É indispensável para construir painéis ou aplicações significativas e abordar desafios operacionais imediatos por meio de monitoramento em tempo real e relatórios históricos.
Você pode recuperar e visualizar dados brutos como estão, ou aplicar lógica para criar novas métricas, KPIs e status personalizados. Vamos examinar exemplos práticos.
Em uma planta de manufatura, os operadores construíram um painel Grafana para monitorar dados de sensores ao vivo — filtrando por ativo, tipo de sensor ou sensores individuais. Isso ajudou a detectar anomalias precocemente, prevenir paradas não programadas e melhorar a resposta de manutenção.
O painel utilizou consultas SQL em dados brutos, como a seguinte:
select
o.object_label,
lcs.sensor_type,
lcs.device_time,
lcs.value as last_measurement_value
FROM business_data.latest_calibrated_sensors lcs
LEFT JOIN raw_business_data.objects o ON o.device_id = lcs.device_id
WHERE 1=1
and lcs.sensor_id is not null
ORDER BY lcs.device_time DESC
Não foi necessária uma configuração complexa — apenas acesso direto aos dados de entrada e uma ferramenta de visualização conectada ao IoT Query.

Nos setores logísticos, gestores de frota precisavam de painéis que fossem além das categorias padrão de eventos. Utilizando a camada Bronze, eles construíram um painel de "status de movimento" baseado em lógica personalizada — como limites mínimos de velocidade e tempo de inatividade. Aqui está uma versão simplificada da consulta utilizada:
WITH tracking_data_core AS (
SELECT * FROM raw_telematics_data.tracking_data_core tdc
WHERE tdc.device_time >= NOW() - INTERVAL '15 minutes'
AND tdc.event_id IN
(2, 802, 803, 804, 811)
ORDER BY tdc.device_time, tdc.device_id DESC
)
SELECT DISTINCT ON (tdc.device_id)
tdc.device_id,
tdc.event_id, tdc.platform_time,
tdc.speed / 100 AS speed,
tdc.latitude / 1e7 AS latitude,
tdc.longitude / 1e7 AS longitude,
tdc.altitude / 1e7 AS altitude,
tdc.device_time,
CASE
WHEN tdc.speed / 100 > 2
AND EXTRACT(EPOCH FROM (NOW() - tdc.device_time)) / 60 < 3
THEN 'moving'
WHEN EXTRACT(EPOCH FROM (NOW() - tdc.device_time)) / 60 < 3
THEN 'stopped'
ELSE 'parked'
END AS moving_status,
CASE
WHEN EXTRACT(EPOCH FROM (NOW() - tdc.device_time)) / 60 <= 1 THEN 'active'
WHEN EXTRACT(EPOCH FROM (NOW() - tdc.device_time)) / 60 <= 3 THEN 'idle'
ELSE 'offline'
END AS connection_status,
to_char(tdc.device_time, 'YYYY-MM-DD HH24:MI:SS') as last_connect_formatted
FROM tracking_data_core AS tdc
ORDER BY tdc.device_id, tdc.device_time DESC
A força deste modelo está na sua adaptabilidade. Por exemplo, além dos status padrão, os usuários podem definir seus próprios status personalizados, como o status "permanência" — acionado apenas quando um veículo está dentro de uma geocerca de depósito e seu sensor de porta está ativo. A lógica é totalmente configurável via SQL, dando às equipes operacionais controle direto sobre como sua frota é monitorada e reportada. Ou você pode usar Python para construir uma aplicação com seu próprio painel de controle ou relatório, conforme mostrado na tela abaixo.

Esta abordagem oferece aos gestores supervisão em tempo real e a liberdade de evoluir a lógica sem intervenção do fornecedor ou dependência de modelos pré-definidos.
A camada Bronze do IoT Query marca um ponto de partida sólido para obter uma verdadeira compreensão de suas operações. Uma vez estabelecida essa base, as empresas podem ir além da detecção baseada em regras para desenvolver modelos mais avançados.
Neste nível, você pode:
Ao colocar o controle sobre dados e lógica diretamente nas mãos dos tomadores de decisão, o Navixy IoT Query transforma a telemática de painéis estáticos em um poderoso motor de inteligência e automação.
Entre em Contato com Vendas para saber como o aproveitamento da camada Bronze do Navixy IoT Query pode apoiar suas necessidades de análises e relatórios.