> 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/transformation-layer.md). # Camada de transformação {% hint style="info" %} #### Em breve! A arquitetura da camada de Transformação descrita nesta página está atualmente em desenvolvimento. Embora os recursos principais de transformação estejam operacionais, os detalhes de implementação podem evoluir antes do lançamento final. Se você estiver interessado em acesso antecipado ou tiver dúvidas, entre em contato com . {% endhint %} ## O que a camada de Transformação faz A **camada de transformação** processa dados brutos da **Camada de dados brutos** em entidades analíticas normalizadas e prontas para consulta. Enquanto a camada de dados brutos contém tudo o que é capturado dos dispositivos e sistemas (pontos individuais, eventos e valores de campos úteis para verificação e solução de problemas), a camada de Transformação converte esses dados brutos em objetos significativos, como viagens, visitas a zonas e estados operacionais. {% hint style="info" icon="lightbulb-exclamation" %} Camada de Transformação em resumo: a camada de dados brutos é tudo o que é coletado; a camada de Transformação é o que você pode usar. {% endhint %} Essa camada intermediária elimina a preparação manual repetitiva de dados e deixa seus dados prontos para análises práticas. Os operadores de frotas podem responder a perguntas operacionais comuns sem processamento extensivo de dados, e os integradores ganham uma base estável para criar soluções escaláveis de relatórios e BI. As transformações podem ser projetadas e configuradas usando o [**Transformation Builder**](/docs/analytics/pt-br/iot-query/schema-overview/transformation-layer/transformation-builder.md), uma ferramenta visual que permite criar entidades analíticas personalizadas por meio de uma interface de fluxo de trabalho com arrastar e soltar. Para obter detalhes sobre como criar e gerenciar transformações, consulte a documentação do Transformation Builder. A Navixy fornece um conjunto de transformações comuns prontas para uso que são executadas automaticamente e preenchem o `processed_common_data` esquema sem necessidade de qualquer configuração da sua parte. Você pode consultar esses dados imediatamente após conectar-se ao IoT Query. Cada transformação comum também vem com um modelo de fluxo de trabalho que você pode carregar no Transformation Builder para inspecionar a lógica de processamento ou adaptá-la ao seu cenário específico. Consulte [Transformações comuns](/docs/analytics/pt-br/iot-query/schema-overview/transformation-layer/common-transformations.md) para ver as entidades disponíveis e seus esquemas de saída. ## Como os dados são organizados A camada de Transformação usa uma abordagem de esquema dinâmico, na qual as estruturas do banco de dados são formadas automaticamente com base nas transformações ativas. Ao contrário da camada de dados brutos, com suas definições de esquema fixo, a camada de Transformação contém apenas as tabelas que correspondem às transformações que estão ativamente em uso. As tabelas disponíveis e suas estruturas dependem de quais transformações estão configuradas em sua **IoT Query** da sua organização. Os dados da camada de Transformação são organizados em dois esquemas do PostgreSQL: `processed_common_data` e `processed_custom_data`. ### processed\_common\_data A `processed_common_data` esquema contém transformações desenvolvidas e mantidas pela Navixy. Esse esquema é compartilhado entre todos os clientes e fornece entidades analíticas padronizadas que atendem a casos de uso comuns de telemetria. As tabelas aparecem neste esquema à medida que a Navixy implanta novas transformações para atender a requisitos analíticos amplamente aplicáveis. {% hint style="warning" %} A `processed_common_data` esquema é **somente leitura para clientes externos**. Você pode consultar os dados livremente, mas não pode modificar tabelas, inserir registros ou alterar estruturas neste esquema. Para criar suas próprias entidades analíticas, use o `processed_custom_data` esquema por meio do [Transformation Builder](/docs/analytics/pt-br/iot-query/schema-overview/transformation-layer/transformation-builder.md). {% endhint %} ### processed\_custom\_data A `processed_custom_data` esquema contém transformações específicas do cliente, criadas para atender a requisitos de negócio exclusivos. Cada cliente tem uma instância isolada deste esquema, portanto seus dados não ficam visíveis para outras organizações. As tabelas neste esquema correspondem às transformações que você configura e gerencia por meio do [Transformation Builder](/docs/analytics/pt-br/iot-query/schema-overview/transformation-layer/transformation-builder.md). Você tem total propriedade deste esquema: você decide quais transformações criar, como elas processam os dados e quando são executadas. O Transformation Builder gera a configuração e o SQL necessários para produzir suas entidades analíticas personalizadas. #### O que acontece quando as transformações mudam Quando você ativa uma transformação, o sistema cria automaticamente a estrutura de tabela correspondente no esquema apropriado. Quando as transformações são desativadas ou removidas, suas tabelas podem ser arquivadas ou excluídas com base nas políticas de retenção de dados. Essa formação dinâmica é o motivo pelo qual a camada de Transformação não fornece descrições fixas de esquema como a camada de dados brutos fornece. As tabelas disponíveis e suas estruturas refletem as transformações específicas configuradas para sua instância do IoT Query. ## Características do processamento de dados As entidades da camada de Transformação são mantidas automaticamente por meio de processos agendados. Ao consultar esses dados, considere as seguintes características de processamento. * **Atualizações agendadas.** Cada transformação processa novos registros da camada de dados brutos de acordo com seu agendamento configurado. As atualizações normalmente ocorrem de hora em hora ou a cada poucas horas, dependendo da complexidade e da configuração da transformação. * **Janelas de processamento.** As transformações operam em segmentos baseados em tempo para processar com eficiência porções manejáveis de dados, em vez de analisar conjuntos de dados inteiros. Essa abordagem equilibra o desempenho do processamento com a atualidade dos dados. * **Comportamento de recálculo.** Quando alterações de configuração acionam um recálculo, dados recentes podem apresentar breves inconsistências durante janelas de processamento ativas. Essas inconsistências são resolvidas automaticamente assim que o ciclo de processamento é concluído. * **Comportamento específico do esquema.** As transformações em `processed_common_data` são atualizadas simultaneamente para todos os clientes que compartilham esse esquema, pois a Navixy gerencia o agendamento centralmente. As transformações em `processed_custom_data` são executadas de forma independente por cliente, permitindo que você personalize o agendamento e a lógica de processamento conforme suas necessidades específicas. ## O que considerar ao consultar Ao escrever consultas SQL nos dados da camada de Transformação, tenha estes pontos em mente: * **Use o formato completo schema.table.** Sempre referencie as tabelas com seu prefixo de esquema para evitar ambiguidades: ```sql SELECT * FROM processed_common_data.table_name WHERE device_time >= CURRENT_DATE - INTERVAL '7 days'; ``` * **Inclua filtros de intervalo de tempo.** Adicione condições baseadas em tempo em suas `WHERE` cláusulas para limitar o volume de dados analisados. Isso melhora o desempenho da consulta e reduz o tempo de execução. * **Verifique os agendamentos das transformações.** Os dados nas tabelas da camada de Transformação refletem o ciclo de processamento concluído mais recente. Se você precisar de dados com apenas alguns minutos de atualização, a camada de dados brutos pode ser mais apropriada até a próxima execução do ciclo de transformação. * **Lembre-se de que `processed_common_data` é somente leitura.** Use este esquema para consultar entidades padronizadas mantidas pela Navixy. Para criar suas próprias entidades analíticas, configure transformações no `processed_custom_data` esquema por meio do [Transformation Builder](/docs/analytics/pt-br/iot-query/schema-overview/transformation-layer/transformation-builder.md). ## Próximos passos * [**Transformation Builder**](/docs/analytics/pt-br/iot-query/schema-overview/transformation-layer/transformation-builder.md): Projete entidades analíticas personalizadas usando a interface visual de fluxo de trabalho. * [**Camada de dados brutos**](/docs/analytics/pt-br/iot-query/schema-overview/bronze-layer.md): Explore os schemas de origem (`raw_telematics_data` e `raw_business_data`) que alimentam as transformações. * [**Recipe Book de SQL**](/docs/analytics/pt-br/example-queries.md): Aprenda padrões de consulta e práticas recomendadas para trabalhar com tabelas da camada de Transformação no Dashboard Studio. * [**Transformações comuns**](/docs/analytics/pt-br/iot-query/schema-overview/transformation-layer/common-transformations.md): Explore as entidades analíticas prontas disponíveis no `processed_common_data`, incluindo esquemas de saída, exemplos de consulta e modelos do 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/pt-br/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.