> 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/id/iot-query/schema-overview/transformation-layer.md). # Lapisan transformasi Lapisan transformasi mengubah data mentah IoT Query menjadi entitas siap analitik. Telusuri transformasi bawaan dan pahami cara data diproses {% hint style="info" %} #### Segera hadir! Arsitektur lapisan transformasi yang dijelaskan di halaman ini saat ini masih dalam pengembangan. Meskipun kemampuan transformasi inti sudah beroperasi, detail implementasi dapat berkembang sebelum rilis final. Jika Anda tertarik pada akses awal atau memiliki pertanyaan, hubungi . {% endhint %} ## Apa yang dilakukan lapisan transformasi Ini **Lapisan transformasi** memproses data mentah dari **Lapisan data mentah** menjadi entitas analitis yang dinormalisasi dan siap untuk kueri. Sementara lapisan data mentah berisi semua yang ditangkap dari perangkat dan sistem (titik individual, peristiwa, dan nilai bidang yang berguna untuk verifikasi dan pemecahan masalah), lapisan transformasi mengubah data mentah itu menjadi objek bermakna seperti Perjalanan, kunjungan zona, dan status operasional. {% hint style="info" icon="lightbulb-exclamation" %} Ringkasnya lapisan transformasi: lapisan data mentah adalah semua yang dikumpulkan, lapisan transformasi adalah yang dapat Anda gunakan. {% endhint %} Lapisan perantara ini menghilangkan persiapan data manual yang berulang dan membuat data Anda siap untuk analitik praktis. Operator armada dapat menjawab pertanyaan operasional umum tanpa pemrosesan data yang ekstensif, dan integrator memperoleh fondasi yang stabil untuk membangun solusi pelaporan dan BI yang skalabel. Transformasi dapat dirancang dan dikonfigurasi menggunakan [**Builder transformasi**](/docs/analytics/id/iot-query/schema-overview/transformation-layer/transformation-builder.md), alat visual yang memungkinkan Anda membuat entitas analitis kustom melalui antarmuka alur kerja seret dan lepas. Untuk detail tentang cara membuat dan mengelola transformasi, lihat dokumentasi Transformation Builder. Navixy menyediakan serangkaian transformasi umum siap pakai yang berjalan otomatis dan mengisi `processed_common_data` skema tanpa konfigurasi apa pun dari Anda. Anda dapat melakukan kueri data ini segera setelah tersambung ke IoT Query. Setiap transformasi umum juga dilengkapi templat alur kerja yang dapat Anda muat ke Transformation Builder untuk memeriksa logika pemrosesan atau menyesuaikannya dengan skenario spesifik Anda. Lihat [Transformasi umum](/docs/analytics/id/iot-query/schema-overview/transformation-layer/common-transformations.md) untuk entitas yang tersedia dan skema keluarannya. ## Bagaimana data diatur Lapisan transformasi menggunakan pendekatan skema dinamis, di mana struktur basis data terbentuk otomatis berdasarkan transformasi yang aktif. Tidak seperti lapisan data mentah dengan definisi skema tetapnya, lapisan transformasi hanya berisi tabel yang sesuai dengan transformasi yang saat ini aktif. Tabel yang tersedia dan strukturnya bergantung pada transformasi mana yang dikonfigurasi di **IoT Query** instans Anda. Data lapisan transformasi diatur ke dalam dua skema PostgreSQL: `processed_common_data` dan `processed_custom_data`. ### processed\_common\_data Ini `processed_common_data` Skema berisi transformasi yang dikembangkan dan dipelihara oleh Navixy. Skema ini dibagikan ke semua klien dan menyediakan entitas analitis terstandar yang menjawab kasus penggunaan telematika umum. Tabel muncul dalam skema ini saat Navixy menerapkan transformasi baru untuk memenuhi kebutuhan analitis yang berlaku luas. {% hint style="warning" %} Ini `processed_common_data` skema ini adalah **hanya-baca bagi klien eksternal**. Anda dapat melakukan kueri data dengan bebas, tetapi Anda tidak dapat mengubah tabel, menyisipkan catatan, atau mengubah struktur dalam skema ini. Untuk membangun entitas analitis Anda sendiri, gunakan `processed_custom_data` skema melalui [Builder transformasi](/docs/analytics/id/iot-query/schema-overview/transformation-layer/transformation-builder.md). {% endhint %} ### processed\_custom\_data Ini `processed_custom_data` Skema berisi transformasi khusus klien yang dibuat untuk memenuhi kebutuhan bisnis yang unik. Setiap klien memiliki instance terisolasi dari skema ini, sehingga data Anda tidak terlihat oleh organisasi lain. Tabel dalam skema ini sesuai dengan transformasi yang Anda konfigurasi dan kelola melalui [Builder transformasi](/docs/analytics/id/iot-query/schema-overview/transformation-layer/transformation-builder.md). Anda memiliki kepemilikan penuh atas skema ini: Anda memutuskan transformasi mana yang akan dibuat, bagaimana transformasi memproses data, dan kapan transformasi berjalan. Transformation Builder menghasilkan konfigurasi dan SQL yang diperlukan untuk menghasilkan entitas analitis kustom Anda. #### Apa yang terjadi saat transformasi berubah Saat Anda mengaktifkan transformasi, sistem otomatis membuat struktur tabel yang sesuai di skema yang tepat. Saat transformasi dinonaktifkan atau dihapus, tabelnya dapat diarsipkan atau dihapus berdasarkan kebijakan retensi data. Pembentukan dinamis inilah alasan lapisan transformasi tidak menyediakan deskripsi skema tetap seperti yang dilakukan lapisan data mentah. Tabel yang tersedia dan strukturnya mencerminkan transformasi spesifik yang dikonfigurasi untuk instans IoT Query Anda. ## Karakteristik pemrosesan data Entitas lapisan transformasi dipelihara secara otomatis melalui proses terjadwal. Saat Anda melakukan kueri data ini, pertimbangkan karakteristik pemrosesan berikut. * **Pembaruan terjadwal.** Setiap transformasi memproses catatan baru lapisan data mentah sesuai dengan jadwal yang dikonfigurasikan. Pembaruan biasanya terjadi setiap jam atau setiap beberapa jam, tergantung pada kompleksitas dan konfigurasi transformasi. * **Jendela pemrosesan.** Transformasi beroperasi pada segmen berbasis waktu untuk memproses bagian data yang mudah dikelola secara efisien, alih-alih memindai seluruh kumpulan data. Pendekatan ini menyeimbangkan kinerja pemrosesan dengan keterkinian data. * **Perilaku penghitungan ulang.** Saat perubahan konfigurasi memicu penghitungan ulang, data terbaru mungkin menunjukkan ketidakkonsistenan singkat selama jendela pemrosesan aktif. Ketidakkonsistenan ini terselesaikan secara otomatis setelah siklus pemrosesan selesai. * **Perilaku khusus skema.** Transformasi dalam `processed_common_data` diperbarui secara bersamaan untuk semua klien yang berbagi skema tersebut, karena Navixy mengelola jadwal secara terpusat. Transformasi dalam `processed_custom_data` dijalankan secara independen per klien, memungkinkan Anda menyesuaikan Penjadwalan dan logika pemrosesan untuk kebutuhan spesifik Anda. ## Hal yang perlu dipertimbangkan saat melakukan kueri Saat menulis kueri SQL terhadap data lapisan transformasi, ingat poin-poin berikut: * **Gunakan format skema.tabel lengkap.** Selalu rujuk tabel dengan prefiks skema-nya untuk menghindari ambiguitas: ```sql SELECT * FROM processed_common_data.table_name WHERE device_time >= CURRENT_DATE - INTERVAL '7 days'; ``` * **Sertakan filter rentang waktu.** Tambahkan kondisi berbasis waktu dalam `WHERE` klausa Anda untuk membatasi volume data yang dipindai. Ini meningkatkan performa kueri dan mengurangi waktu eksekusi. * **Periksa jadwal transformasi.** Data dalam tabel lapisan transformasi mencerminkan siklus pemrosesan yang paling baru selesai. Jika Anda memerlukan data yang baru berumur beberapa menit, lapisan data mentah mungkin lebih sesuai sampai siklus transformasi berikutnya berjalan. * **Ingat bahwa `processed_common_data` bersifat hanya-baca.** Gunakan skema ini untuk melakukan kueri terhadap entitas terstandar yang dipelihara oleh Navixy. Untuk membuat entitas analitis Anda sendiri, konfigurasikan transformasi di `processed_custom_data` skema melalui [Builder transformasi](/docs/analytics/id/iot-query/schema-overview/transformation-layer/transformation-builder.md). ## Langkah berikutnya * [**Builder transformasi**](/docs/analytics/id/iot-query/schema-overview/transformation-layer/transformation-builder.md): Rancang entitas analitis kustom menggunakan antarmuka alur kerja visual. * [**Lapisan data mentah**](/docs/analytics/id/iot-query/schema-overview/bronze-layer.md): Jelajahi skema sumber (`raw_telematics_data` dan `raw_business_data`) yang menjadi sumber input transformasi. * [**Buku resep SQL**](/docs/analytics/id/example-queries.md): Pelajari pola kueri dan praktik terbaik untuk bekerja dengan tabel lapisan transformasi di Dashboard Studio. * [**Transformasi umum**](/docs/analytics/id/iot-query/schema-overview/transformation-layer/common-transformations.md): Jelajahi entitas analitis siap pakai yang tersedia di `processed_common_data`, termasuk skema keluaran, contoh kueri, dan templat 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 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/id/iot-query/schema-overview/transformation-layer.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.