> 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/fr/iot-query/schema-overview.md). # 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 {% hint style="info" %} **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.) {% endhint %} ## 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**](/docs/analytics/fr/iot-query/schema-overview/bronze-layer.md) * 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**](/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 - 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 :
SchémaDescriptionContenu
raw_business_dataEntités métier et données opérationnellesTables des entités principales, données opérationnelles, données de référence, données d’historique, tables de relations
raw_telematics_dataSuivi des appareils et Données du capteurDonnées de suivi principales, données d’entrée, données d’état
BDRGestion des Actif et des stocksDéfinitions des types d’Actif, Champs personnalisés, instances d’Actif, relations d’Actif, hiérarchies d’inventaire, données géospatiales
MétadonnéesDonnées de référence du systèmetable 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 : ```sql 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 --- # 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/fr/iot-query/schema-overview.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.