> 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/pt-br/iot-query/schema-overview.md).

# Visão geral do esquema

Os dados do IoT Query estão organizados em Camadas Raw, Transformation e Insight. Navegue pelos esquemas disponíveis, pelas estruturas de tabelas e aprenda como referenciá-los em SQL

Esta seção fornece uma Visão geral da **IoT Query** estrutura dos esquemas de dados, ajudando você a entender como os dados são organizados e como acessá-los de forma eficaz. O armazém de dados foi projetado para lhe dar acesso completo e flexível aos dados da sua Plataforma por meio de um sistema de banco de dados estruturado.

**O que você vai aprender:**

* Como os dados são estruturados em camadas e esquemas
* Tabelas-chave em cada esquema e o que elas contêm
* Como as tabelas de dados se relacionam entre si
* Como acessar dados usando consultas SQL
* Como a validação de dados funciona
* Melhorias futuras na estrutura de dados

{% hint style="info" %}
**Termos-chave:**

* **Camada**: Um nível em um armazém de dados que representa uma etapa de processamento, organização ou acesso aos dados, cada um com uma função distinta.
* **Esquema**: Um agrupamento lógico de objetos de banco de dados (tabelas, visões etc.)
  {% endhint %}

## Estrutura de dados

O **IoT Query** usa uma arquitetura de armazenamento em várias camadas para organizar seus dados. Essa arquitetura oferece confiabilidade, desempenho e escalabilidade, ao mesmo tempo em que garante o isolamento adequado dos dados entre clientes.

### Camadas de dados

O sistema segue um modelo de três camadas para organização de dados:

#### [**Camada de dados brutos**](/docs/analytics/pt-br/iot-query/schema-overview/bronze-layer.md)

* Dados brutos com transformação mínima
* Ingestão direta de fontes de dados de negócio e telemática
* Estrutura original dos dados com convenções de nomenclatura consistentes
* Medallion - Bronze

#### [**Camada de transformação**](/docs/analytics/pt-br/iot-query/schema-overview/transformation-layer.md)

* Dados já processados com validação e enriquecimento
* Estruturas transformadas para melhor análise
* Controle de qualidade dos dados e aplicação de regras de negócio
* Medallion - Prata

#### **Camada de insights**

* Conjuntos de dados prontos para o negócio otimizados para relatórios
* Métricas pré-agregadas e estruturas desnormalizadas
* Visões curadas alinhadas a processos específicos de relatórios de negócio
* Medallion - Ouro

Mais adiante nesta seção da documentação, você encontrará esquemas de dados mais detalhados para cada camada.

### Arquitetura de banco de dados

Cada cliente tem uma instância de banco de dados dedicada para garantir isolamento e segurança dos dados. Dentro desse banco de dados:

<table><thead><tr><th width="189.9090576171875">Esquema</th><th width="225.3636474609375">Descrição</th><th>Conteúdo</th></tr></thead><tbody><tr><td><a href="/docs/analytics/pt-br/iot-query/schema-overview/bronze-layer/raw-business-data.md"><strong><code>raw_business_data</code></strong></a></td><td>Entidades de negócio e dados operacionais</td><td>Tabelas de entidades principais, dados operacionais, dados de referência, dados históricos, tabelas de relacionamento</td></tr><tr><td><a href="/docs/analytics/pt-br/iot-query/schema-overview/bronze-layer/raw-telematics-data.md"><strong><code>raw_telematics_data</code></strong></a></td><td>Dados de rastreamento de dispositivos e sensores</td><td>Dados principais de rastreamento, dados de entrada, dados de estado</td></tr><tr><td><a href="/docs/analytics/pt-br/iot-query/schema-overview/bronze-layer/bdr.md"><strong>BDR</strong></a></td><td>Gerenciamento de ativos e inventário</td><td>Definições de tipos de ativos, Campos customizados, instâncias de ativos, relacionamentos entre ativos, hierarquias de inventário, dados geoespaciais</td></tr><tr><td><strong>Metadados</strong></td><td>Dados de referência do sistema</td><td>tabela description_parameters</td></tr></tbody></table>

Ao consultar dados, você deve especificar tanto o esquema (por exemplo, `raw_business_data`) quanto o nome da tabela (por exemplo, `objetos`):

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

### Metadados do cliente e isolamento de dados

O sistema usa tabelas de metadados para permitir o isolamento adequado dos dados e o suporte a múltiplos clientes:

* **Metadados do revendedor** rastreia as relações entre revendedor e cliente e os parâmetros da infraestrutura
* **Metadados do cliente** mapeia dados de negócio e telemáticos entre esquemas
* **Mapeamento cliente-dispositivo** garante que os dados telemáticos sejam associados corretamente ao cliente certo

Essa camada de metadados garante que:

* Cada cliente só pode acessar seus próprios dados
* Dados telemáticos e de negócio podem ser corretamente combinados
* As operações em nível de sistema são devidamente segmentadas por cliente


---

# 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/pt-br/iot-query/schema-overview.md?ask=<question>&goal=<endgoal>
```

`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.