Vue d'ensemble du schéma

Les données IoT Query sont organisées en couches Raw, Transformation et Insight. Parcourez les schémas disponibles, les structures de tables et apprenez à les référencer en SQL

Cette section fournit une Vue d'ensemble de la IoT Query la 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 grâce à un système de base de données structuré.

Ce que vous apprendrez :

• Comment les données sont structurées en Couches et en schémas

• Les tables clés de chaque schéma et leur contenu

• Comment les tables de données se rapportent les unes aux autres

• Comment accéder aux données à l’aide de requêtes SQL

• Comment fonctionne la validation des données

• Améliorations à venir de la structure des données

Termes clés :

• Couche: Un niveau dans un entrepôt de données qui représente une étape de traitement, d’organisation ou d’accès aux données, chacune ayant une fonction distincte.

• Schéma: Un regroupement logique d’objets de base de données (tables, vues, etc.)

Structure des données

Le IoT Query utilise une architecture de stockage multi-couches pour organiser vos données. Cette architecture offre fiabilité, performances et évolutivité tout en garantissant une bonne isolation 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

• Données brutes avec une transformation minimale

• Ingestion directe depuis les sources de données métier et télématiques

• Structure de données d’origine avec des conventions de nommage cohérentes

• Medallion - Bronze

Couche de transformation

• 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 - Silver

Couche d'insights

• Jeux de données prêts pour l’entreprise, optimisés pour le reporting

• Métriques pré-agrégées et structures dénormalisées

• Vues sélectionnées alignées sur des processus de reporting métier spécifiques

• Medallion - Gold

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

Architecture de base de données

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

Schéma	Description	Contenu
raw_business_data	Entités métier et données opérationnelles	Tables des entités principales, données opérationnelles, données de référence, données d’historique, tables de relations
raw_telematics_data	Suivi des appareils et Données du capteur	Données de suivi principales, données d’entrée, données d’état
BDR	Gestion des Actif et des stocks	Définitions des types d’Actif, Champs personnalisés, instances d’Actif, relations d’Actif, hiérarchies d’inventaire, données géospatiales
Métadonnées	Données de référence du système	table description_parameters

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

SELECT * FROM raw_business_data.objects;

Métadonnées client et isolation des données

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

• Métadonnées du concessionnaire suit les relations concessionnaire-client et les paramètres d’infrastructure

• Métadonnées client mappe les données métier et télématiques à travers les schémas

• Correspondance 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