# Vue d'ensemble du schéma

Cette section fournit un aperçu de la **Requête IoT** structure des schémas de données, vous aidant à comprendre comment les données sont organisées et comment y accéder efficacement. L’entrepôt est conçu pour vous offrir un accès complet et flexible aux données de votre Plateforme via un système de base de données structuré.

**Ce que vous apprendrez :**

* Comment les données sont structurées en couches et en schémas
* Les tables clés dans chaque schéma et leur contenu
* Comment les tables de données sont reliées entre elles
* Comment accéder aux données à l’aide de requêtes SQL
* Comment fonctionne la validation des données
* Améliorations à venir de la structure des données

{% hint style="info" %}
**Termes clés :**

* **Couche**: Un niveau dans un entrepôt de données qui représente une étape du traitement, de l’organisation ou de l’accès aux données, chacun ayant une fonction distincte.
* **Schéma**: Un regroupement logique d’objets de base de données (tables, vues, etc.)
  {% endhint %}

## Structure des données

La **Requête IoT** utilise une architecture de stockage à plusieurs couches pour organiser vos données. Cette architecture offre fiabilité, performance et évolutivité tout en assurant une isolation appropriée des données entre les clients.

### Couches de données

Le système suit un modèle à trois couches pour l’organisation des données :

#### [**Couche de données brutes**](/docs/analytics/fr/iot-query/schema-overview/bronze-layer.md)

* Données brutes avec une transformation minimale
* Ingestion directe à partir de sources de données métier et télématiques
* Structure de données d’origine avec des conventions de nommage cohérentes
* Medallion - Bronze

#### [**couche de transformation**](/docs/analytics/fr/iot-query/schema-overview/transformation-layer.md)

* Données déjà traitées avec validation et enrichissement
* Structures transformées pour une meilleure analytique
* Contrôle de la qualité des données et application des règles métier introduits
* Medallion - Argent

#### **Couche Insight**

* Jeux de données prêts pour l’activité, optimisés pour le reporting
* Métriques préagrégées et structures dénormalisées
* Vues sélectionnées alignées sur des processus spécifiques de reporting métier
* Medallion - Or

Plus loin dans cette section de la documentation, vous trouverez des schémas de données plus détaillés pour chaque couche.

### Architecture de la base de données

Chaque client dispose d’une instance de base de données dédiée afin de garantir l’isolation et la sécurité des données. Dans cette base de données :

<table><thead><tr><th width="189.9090576171875">Schéma</th><th width="225.3636474609375">Description</th><th>Contenu</th></tr></thead><tbody><tr><td><a href="/pages/32c3a02e7c15bd7b21f4e4f8b6cae22aa5e6ea14#raw_business_data-structure"><strong><code>raw_business_data</code></strong></a></td><td>Entités métier et données opérationnelles</td><td>Tables d’entités principales, données opérationnelles, données de référence, données d’historique, tables de relations</td></tr><tr><td><a href="/pages/32c3a02e7c15bd7b21f4e4f8b6cae22aa5e6ea14#raw_telematics_data-structure"><strong><code>raw_telematics_data</code></strong></a></td><td>Suivi des appareils et données des capteurs</td><td>Données de suivi principales, données d’entrée, données d’état</td></tr><tr><td><a href="/pages/32c3a02e7c15bd7b21f4e4f8b6cae22aa5e6ea14#repo-data-structure"><strong><code>repo</code></strong></a></td><td>Gestion des actifs et des stocks</td><td>Définitions des types d’actifs, champs personnalisés, instances d’actifs, relations entre actifs, hiérarchies d’inventaire, données géospatiales</td></tr><tr><td><strong>Métadonnées</strong></td><td>Données de référence du système</td><td>table description_parameters</td></tr></tbody></table>

Lors de l’interrogation des données, vous devez spécifier à la fois le schéma (par ex. `raw_business_data`) et la table (par ex. `objects`) :

```sql
SELECT * FROM raw_business_data.objects;
```

### Métadonnées client et isolation des données

Le système utilise des tables de métadonnées pour permettre une isolation correcte des données et la prise en charge du multi-tenant :

* **Métadonnées du revendeur** suit les relations revendeur-client et les paramètres d’infrastructure
* **Métadonnées client** associe les données métier et télématiques à travers les schémas
* **Mappage client-appareil** garantit que les données télématiques sont correctement associées au bon client

Cette couche de métadonnées garantit que :

* Chaque client ne peut accéder qu’à ses propres données
* Les données télématiques et métier peuvent être correctement jointes
* Les opérations au niveau du système sont correctement segmentées par client


---

# Agent Instructions: 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:

```
GET https://navixy.com/docs/analytics/fr/iot-query/schema-overview.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
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.