> 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/explorer-for-iotquery/custom-analysis-sql-configurator.md).
# Análisis personalizado y configurador de SQL
La **Custom Analysis & SQL Configurator** permite el acceso directo a la base de datos para el análisis personalizado de la flota más allá de los informes estándar. Escriba consultas SQL, explore su conjunto de datos completo y cree visualizaciones interactivas en una única interfaz integrada.
## Descripción general de la interfaz
El espacio de trabajo de **Configurador SQL** consta de 3 secciones principales:
1. **Explorador del esquema de la base de datos** - Vea las estructuras de las tablas y haga clic en los esquemas para explorar de forma interactiva las relaciones en dbdiagram.io
2. **Panel de ejecución de consultas SQL** - Escriba consultas PostgreSQL y vea los resultados con retroalimentación inmediata
3. **Interfaz de visualización interactiva** - Transforme los resultados de las consultas en gráficos usando la funcionalidad de arrastrar y soltar
## La estructura de sus datos
{% hint style="info" %}
**Impacto de la configuración**: Su sistema procesa distintas categorías de datos según los ajustes de configuración. Si las tablas esperadas no están disponibles, verifique los ajustes de su categoría de datos en [configuración del sistema](/docs/analytics/es/explorer-for-iotquery/settings-and-configuration.md).
{% endhint %}
Sus datos PTL aparecen a través de dos esquemas principales organizados por origen y propósito:
| **raw\_business\_data** | **raw\_telematics\_data** |
| ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
|
Información organizativa y operativa.
- Entidades principales: usuarios, dispositivos, objetos, vehículos, empleados - Datos operativos: tareas, formularios, zonas, lugares, garajes - Datos de referencia: modelos, entidades, información de estado - Tablas de relación: asignaciones vehículo-conductor, mapeos usuario-zona
|
Seguimiento GPS en tiempo real, lecturas de sensores y estado del dispositivo
- tracking\_data\_core: coordenadas GPS, velocidad, altitud, datos de eventos - inputs: Lecturas de sensores (combustible, temperatura, voltaje) - states: Indicadores de estado del dispositivo (encendido, puertas, modos de operación)
|
{% hint style="info" %}
Para obtener detalles sobre los esquemas de datos disponibles en su **Consulta IoT**, consulte [Resumen del esquema](/docs/analytics/es/iot-query/schema-overview.md).
{% endhint %}
## Creación de visualizaciones a partir de resultados de consultas
Transforme los resultados de sus consultas SQL en visualizaciones interactivas mediante un flujo de trabajo estructurado:
{% stepper %}
{% step %}
Verifique la configuración de los datos
Compruebe que todas las categorías de datos requeridas estén habilitadas en la configuración de su sistema:
1. Vaya a **Configuración PTL** en la barra lateral izquierda
2. Verifique que las categorías de datos necesarias (**Datos de seguimiento**, **Entradas**, **Estados**) estén habilitadas para sus requisitos de análisis
3. Si se necesitan cambios, actualice la configuración y considere ejecutar la carga histórica de datos para una aplicación retroactiva
{% endstep %}
{% step %}
Desarrolle y ejecute su consulta
En el **Panel de ejecución de consultas SQL**:
1. Escriba su consulta de análisis usando la sintaxis PostgreSQL y los requisitos de formato indicados arriba
2. Incluya los nombres de campos, las conversiones de datos y los filtros adecuados para sus necesidades de visualización
3. Haga clic **Execute** para ejecutar su consulta y generar el conjunto de datos
4. Revise los resultados para asegurar la calidad de los datos y el formato de salida esperado
{% endstep %}
{% step %}
Acceda a la interfaz de visualización
Una vez que su consulta se ejecute correctamente:
1. Cambie a la pestaña **Visualización** que aparece encima de los resultados de su consulta
2. Los resultados de su consulta se convierten automáticamente en campos de datos disponibles en la interfaz de visualización
3. El generador interactivo de gráficos se carga con su conjunto de datos listo para crear visualizaciones mediante arrastrar y soltar
{% endstep %}
{% step %}
Cree visualizaciones interactivas
Use la interfaz de visualización para crear gráficos:
1. Arrastre campos desde los resultados de su consulta a las áreas de configuración del gráfico (eje X, eje Y, filtros, colores)
2. Elija los tipos de visualización adecuados según las características de sus datos y los objetivos del análisis
3. Aplique filtros y estilos para refinar su presentación visual
4. Exporte las visualizaciones completadas en múltiples formatos (PNG, SVG, CSV, base64) para compartirlas e informar\\
{% endstep %}
{% endstepper %}
{% hint style="info" %}
**Guía detallada de visualización**: Las instrucciones completas paso a paso para crear gráficos se cubren en [Crear visualizaciones personalizadas](/docs/analytics/es/explorer-for-iotquery/custom-analysis-sql-configurator/creating-custom-visualizations.md).
{% endhint %}
## Consejos para el desarrollo de consultas
Amplíe las secciones siguientes para descubrir prácticas recomendadas para trabajar con consultas en **Configurador SQL**.
Requisitos de formato de datos para el análisis telemático
Sus datos telemáticos utilizan almacenamiento de enteros escalados que requiere conversión:
| **Tipo de dato** | **Formato de almacenamiento** | **Conversión requerida** |
| ------------------------ | ----------------------------- | ------------------------------------------------------------------ |
| **Coordenadas GPS** | Enteros escalados | Dividir por 10.000.000 para grados decimales |
| **Valores de velocidad** | Formato entero | Dividir por 100 para km/h |
| **Marcas de tiempo** | Dos variantes | Use `device_time` para eventos, `platform_time` para procesamiento |
Optimización del rendimiento y de la calidad de los datos
**Prácticas esenciales para un análisis fiable:**
* **Aplique filtrado basado en el tiempo**: Reduce el tamaño del conjunto de datos y mejora los tiempos de respuesta con `WHERE device_time > now() - INTERVAL '7 days'`
* **Use campos indexados**: Incluya `device_id` y `device_time` en las cláusulas WHERE para un rendimiento óptimo de la consulta
* **Valide los rangos de datos**: Filtre los límites de coordenadas y velocidad para identificar lecturas anómalas
* **Verifique las relaciones**: Contraste las relaciones de datos empresariales para asegurar que los joins produzcan los resultados esperados
* **Gestione los conjuntos de resultados**: Añada cláusulas LIMIT adecuadas para las consultas exploratorias y evitar problemas de rendimiento
* **Gestione las lagunas de datos**: Espere variaciones normales, como lagunas de conectividad durante condiciones de señal deficientes
{% hint style="info" %}
**Características esperadas de los datos**: Las lecturas de sensores requieren una validación periódica de calibración y los datos recientes aún pueden estar en procesamiento durante el análisis en tiempo real.
{% endhint %}
Patrones de análisis entre esquemas
**Combine datos organizativos y de seguimiento para obtener información integral:**
* **Integración negocio-telemática**: Únase usando `device_id` como clave principal de relación entre esquemas
* **Correlación empleado-vehículo**: Conéctese mediante relaciones de la tabla objects para el análisis de productividad
* **Interpretación de sensores**: Use la tabla de referencia description\_parameters para traducir valores codificados a etiquetas legibles
* **Análisis geográfico**: Combine coordenadas de seguimiento con definiciones de zonas para obtener información operativa
**Ejemplo: Vista completa de la flota con LEFT JOIN**
Al analizar las operaciones de la flota, a menudo necesita ver todos los vehículos independientemente de su estado actual de actividad. Este ejemplo demuestra cómo `LEFT JOIN` conserva los registros completos de los vehículos incluso cuando faltan datos de seguimiento o asignaciones de conductor.
```sql
-- Mostrar todos los vehículos con asignaciones de conductor y la última actividad
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;
```
**Idea clave**: LEFT JOIN garantiza que todos los vehículos aparezcan en los resultados, incluso sin seguimiento reciente o asignaciones de conductor.
{% hint style="info" %}
**Ejemplos de consultas**: Los patrones completos específicos de cada caso de uso están disponibles en la [SQL Recipe Book](/docs/analytics/es/example-queries.md).
{% endhint %}
## Próximos pasos
* [Crear visualizaciones personalizadas](/docs/analytics/es/explorer-for-iotquery/custom-analysis-sql-configurator/creating-custom-visualizations.md) - Proceso completo para crear gráficos y análisis visual
* [SQL Recipe Book](/docs/analytics/es/example-queries.md) - Patrones de consulta avanzados organizados por escenario analítico
* [Documentación de la capa Bronze](/docs/analytics/es/iot-query/schema-overview/bronze-layer.md) - Referencia completa del esquema de la base de datos y definiciones de campos
{% hint style="info" %}
**Analítica de producción**: Para informes y paneles a escala empresarial, considere herramientas BI dedicadas que se conecten directamente a su instancia PTL para mejorar la escalabilidad y las funciones de colaboración. Obtenga más información en [Selección de herramientas de BI](/docs/analytics/es/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/es/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.