> 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/iot-query/schema-overview/transformation-layer.md).

# Capa de transformación

La capa de transformación reestructura los datos brutos de IoT Query en entidades listas para el análisis. Explore las transformaciones prediseñadas y comprenda cómo se procesan los datos

{% hint style="info" %}

#### ¡Próximamente!

La arquitectura de la capa de transformación descrita en esta página está actualmente en desarrollo. Aunque las capacidades principales de transformación están operativas, los detalles de implementación pueden evolucionar antes del lanzamiento final. Si le interesa el acceso anticipado o tiene preguntas, póngase en contacto con <iotquery@navixy.com>.
{% endhint %}

## Qué hace la capa de transformación

El **Capa de transformación** procesa los datos brutos de la **Capa de datos brutos** en entidades analíticas normalizadas, listas para consulta. Donde la capa de datos brutos contiene todo lo capturado por dispositivos y sistemas (puntos individuales, eventos y valores de campo útiles para la verificación y la resolución de problemas), la capa de transformación convierte esos datos brutos en objetos significativos como recorridos, visitas a zonas y estados operativos.

{% hint style="info" icon="lightbulb-exclamation" %}
La capa de transformación, en resumen: la capa de datos brutos es todo lo recopilado, la capa de transformación es con lo que usted puede trabajar.
{% endhint %}

Esta capa intermedia elimina la preparación manual repetitiva de datos y deja sus datos listos para análisis prácticos. Los operadores de flota pueden responder preguntas operativas comunes sin un procesamiento de datos extenso, y los integradores obtienen una base estable para crear soluciones escalables de reportes y BI.

Las transformaciones pueden diseñarse y configurarse usando el [**Transformation Builder**](https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md), una herramienta visual que le permite crear entidades analíticas personalizadas mediante una interfaz de flujo de trabajo de arrastrar y soltar. Para obtener detalles sobre cómo crear y administrar transformaciones, consulte la documentación de Transformation Builder.

Navixy proporciona un conjunto de transformaciones comunes prediseñadas que se ejecutan automáticamente y llenan el `datos comunes procesados` esquema sin ninguna configuración por su parte. Puede consultar estos datos inmediatamente después de conectarse a IoT Query. Cada transformación común también viene con una plantilla de flujo de trabajo que puede cargar en Transformation Builder para inspeccionar la lógica de procesamiento o adaptarla a su escenario específico. Vea [Transformaciones comunes](https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer/common-transformations.md) para ver las entidades disponibles y sus esquemas de salida.

## Cómo se organizan los datos

La capa de transformación usa un enfoque de esquema dinámico en el que las estructuras de base de datos se generan automáticamente según las transformaciones activas. A diferencia de la capa de datos brutos, con sus definiciones de esquema fijas, la capa de transformación contiene solo las tablas que corresponden a las transformaciones que están actualmente activas. Las tablas disponibles y sus estructuras dependen de qué transformaciones estén configuradas en su **IoT Query** instancia.

Los datos de la capa de transformación se organizan en dos esquemas de PostgreSQL: `datos comunes procesados` y `datos personalizados procesados`.

### datos comunes procesados

El `datos comunes procesados` El esquema contiene transformaciones desarrolladas y mantenidas por Navixy. Este esquema se comparte entre todos los clientes y proporciona entidades analíticas estandarizadas que cubren casos de uso telemáticos comunes. Las tablas aparecen en este esquema a medida que Navixy implementa nuevas transformaciones para atender requisitos analíticos de amplia aplicación.

{% hint style="warning" %}
El `datos comunes procesados` es **de solo lectura para clientes externos**. Puede consultar los datos libremente, pero no puede modificar tablas, insertar registros ni alterar estructuras en este esquema. Para crear sus propias entidades analíticas, use el `datos personalizados procesados` esquema mediante el [Transformation Builder](https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md).
{% endhint %}

### datos personalizados procesados

El `datos personalizados procesados` El esquema contiene transformaciones específicas del cliente creadas para atender requisitos de negocio únicos. Cada cliente tiene una instancia aislada de este esquema, por lo que sus datos no son visibles para otras organizaciones. Las tablas de este esquema corresponden a las transformaciones que usted configura y administra mediante el [Transformation Builder](https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md).

Usted tiene control total sobre este esquema: decide qué transformaciones crear, cómo procesan los datos y cuándo se ejecutan. Transformation Builder genera la configuración y el SQL necesarios para producir sus entidades analíticas personalizadas.

#### Qué sucede cuando cambian las transformaciones

Cuando activa una transformación, el sistema crea automáticamente la estructura de tabla correspondiente en el esquema adecuado. Cuando las transformaciones se desactivan o se eliminan, sus tablas pueden archivarse o eliminarse según las políticas de retención de datos.

Esta formación dinámica es la razón por la que la capa de transformación no proporciona descripciones de esquema fijas como sí lo hace la capa de datos brutos. Las tablas disponibles y sus estructuras reflejan las transformaciones específicas configuradas para su instancia de IoT Query.

## Características del procesamiento de datos

Las entidades de la capa de transformación se mantienen automáticamente mediante procesos programados. Cuando consulte estos datos, tenga en cuenta las siguientes características de procesamiento.

* **Actualizaciones programadas.** Cada transformación procesa nuevos registros de la capa de datos brutos según su programación configurada. Las actualizaciones suelen ocurrir cada hora o cada pocas horas, según la complejidad y la configuración de la transformación.
* **Ventanas de procesamiento.** Las transformaciones operan en segmentos basados en tiempo para procesar eficientemente porciones manejables de datos en lugar de examinar conjuntos de datos completos. Este enfoque equilibra el rendimiento del procesamiento con la actualidad de los datos.
* **Comportamiento de recalculación.** Cuando los cambios de configuración desencadenan un recálculo, los datos recientes pueden mostrar breves inconsistencias durante las ventanas de procesamiento activas. Estas inconsistencias se resuelven automáticamente una vez que finaliza el ciclo de procesamiento.
* **Comportamiento específico del esquema.** Las transformaciones en `datos comunes procesados` se actualizan simultáneamente para todos los clientes que comparten ese esquema, ya que Navixy administra la programación de forma centralizada. Las transformaciones en `datos personalizados procesados` se ejecutan de forma independiente por cliente, lo que le permite personalizar la programación y la lógica de procesamiento según sus necesidades específicas.

## Qué considerar al consultar

Cuando escriba consultas SQL sobre datos de la capa de transformación, tenga en cuenta estos puntos:

* **Use el formato completo esquema.tabla.** Haga referencia siempre a las tablas con su prefijo de esquema para evitar ambigüedad:

```sql
SELECT *
FROM processed_common_data.table_name
WHERE device_time >= CURRENT_DATE - INTERVAL '7 days';
```

* **Incluya filtros de rango de tiempo.** Agregue condiciones basadas en tiempo en sus `WHERE` cláusulas para limitar el volumen de datos examinados. Esto mejora el rendimiento de las consultas y reduce el tiempo de ejecución.
* **Verifique las programaciones de transformación.** Los datos de las tablas de la capa de transformación reflejan el ciclo de procesamiento más reciente completado. Si necesita datos que tengan solo unos minutos de antigüedad, la capa de datos brutos puede ser más adecuada hasta que se ejecute el siguiente ciclo de transformación.
* **Recuerde que `datos comunes procesados` es de solo lectura.** Use este esquema para consultar entidades estandarizadas mantenidas por Navixy. Para crear sus propias entidades analíticas, configure transformaciones en el `datos personalizados procesados` esquema mediante el [Transformation Builder](https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md).

## Siguientes pasos

* [**Transformation Builder**](https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer/transformation-builder.md): Diseñe entidades analíticas personalizadas usando la interfaz visual de flujo de trabajo.
* [**Capa de datos brutos**](https://navixy.com/docs/analytics/es/iot-query/schema-overview/bronze-layer.md): Explore los esquemas de origen (`raw_telematics_data` y `raw_business_data`) que alimentan las transformaciones.
* [**Libro de recetas de SQL**](https://navixy.com/docs/analytics/es/example-queries.md): Aprenda patrones de consulta y prácticas recomendadas para trabajar con tablas de la capa de transformación en Dashboard Studio.
* [**Transformaciones comunes**](https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer/common-transformations.md): Explore las entidades analíticas prediseñadas disponibles en `datos comunes procesados`, incluidos los esquemas de salida, ejemplos de consultas y plantillas de Transformation Builder.


---

# 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 by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://navixy.com/docs/analytics/es/iot-query/schema-overview/transformation-layer.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.
