Support Document
0 mins to read
Geotab Data Connector Vorlagenhandbuch
Support Document
0 mins to read
Die für den Geotab Data Connector bereitgestellten Vorlagen können entweder aus dem Benutzerhandbuch oder direkt von der Add-In-Seite des Data Connectors heruntergeladen werden. Die Vorlagen wurden entwickelt, um eine sofort einsatzbereite Lösung zu bieten, die zeigt, wie der Data Connector verwendet werden kann, um wichtige Fragen zu Ihrem Fuhrpark zu beantworten. Denken Sie daran, dass Sie Ihr Dashboard nach dem Herunterladen der Vorlagen nach eigenem Ermessen anpassen können, damit es Ihren Bedürfnissen am besten entspricht.
Vorlagenhandbuch und -bestand
EN – CS-CZ – ES-ES – ES-LATAM – FR-CA – FR-FR – IT-IT – JA-JP – KO-KR – NL-NL – PL-PL – PT-BR – SV-SE
August 2023
Inhaltsverzeichnis
Der Geotab Data Connector (GDC) ist ein Tool für Fuhrparkmanager zum Import kuratierter Daten aus zahlreichen Geotab-Datenquellen des eigenen Fuhrparks in ihr bevorzugtes Business-Intelligence- oder Visualisierungstool. Mit dem Data Connector können Fuhrparkmanager in ihrem bevorzugten BI-Tool auf aggregierte Daten zugreifen, ohne MyGeotab-Berichte manuell nutzen zu müssen. Im Gegensatz zum MyGeotab-SDK ermöglicht dieses Tool Fuhrparkmanagern außerdem die Anpassung ihrer Berichte ohne Programmieraufwand. Dieses Dokument enthält Anweisungen zum erstmaligen Herunterladen und Aufrufen der Vorlagen sowie einen Überblick über die darin verfügbaren Informationen.
Stellen Sie zu Beginn sicher, dass der Geotab Data Connector in Ihrer Datenbank aktiviert ist, wie im Abschnitt „Anforderungen“ des Benutzerhandbuchs angegeben.
Im Folgenden finden Sie eine Liste aller zurzeit verfügbaren GDC-Vorlagen. Klicken Sie einfach auf den Link der Vorlage, an der Sie interessiert sind, um sie herunterzuladen. Neu hinzugefügte Vorlagen werden zunächst auf der Community-Seite des Geotab Data Connectors erwähnt. Wir empfehlen daher, die Seite regelmäßig zu überprüfen.
Name/Beschreibung der Vorlage | Tableau | Power BI | Excel | |||
Fahrzeug-KPIs | ||||||
Vorlage Fahrzeug-KPIs: Leerlauf/Kraftstoff/Fahrtdaten (monatlich) | k. A. | k. A. | k. A. | k. A. | k. A. | |
Prädiktive Sicherheit und Benchmarking | ||||||
Wartungsinformationen |
✱ HINWEIS: Beim ersten Öffnen der Vorlage sind alle Blätter leer und es treten Verbindungsfehler auf, da die Zugangsdaten für den Benutzer noch nicht eingegeben wurden.
Benutzername: <MyGeotab-Datenbankbezeichnung>/<MyGeotab-Benutzername>
Passwort: <MyGeotab-Passwort>
✱ HINWEIS: Beim ersten Öffnen der Vorlage sind alle Blätter leer und es treten Verbindungsfehler auf, da die Zugangsdaten für den Benutzer noch nicht eingegeben wurden.
Wenn die Basis-URL für den Zugriff https://odata-connector-1.geotab.com/odata/v4/svc/ lautet, gehen Sie wie folgt vor:
Benutzername: <MyGeotab-Datenbankbezeichnung>/<MyGeotab-Benutzername>
Passwort: <MyGeotab-Passwort>
Wenn Sie über eine andere URL für den Basiszugriff verfügen, gehen Sie wie folgt vor:
✱ HINWEIS: Beim ersten Öffnen der Vorlage sind alle Blätter leer und es treten Verbindungsfehler auf, da die Zugangsdaten für den Benutzer noch nicht eingegeben wurden.
Benutzername: <MyGeotab-Datenbankbezeichnung>/<MyGeotab-Benutzername>
Passwort: <MyGeotab-Passwort>
Vorlagen wurden als sofort einsatzbereite Lösung entwickelt, mit der veranschaulicht wird, wie Sie den Data Connector zur Beantwortung wichtiger Fragen zu Ihrem Fuhrpark verwenden können. Denken Sie daran, dass Sie nach dem Herunterladen der Vorlagen Ihr Dashboard ganz nach Ihrem Bedarf individuell anpassen können.
✱ HINWEIS: Vorlagen für erkenntnisorientierte Datenvisualisierungen sind derzeit für Power BI und Tableau verfügbar. Die Excel-Vorlage enthält nur Beispieldaten für Design- und Testzwecke.
Monatlich aggregierte Kennzahlen mit Schwerpunkt auf GPS-Entfernung und Fahrzeit für die letzten sechs abgeschlossenen Monate.
Kennzahl | Berechnung |
Durchschnittliche monatliche GPS-Entfernung (mi) | Summe von VehicleKpi_Monthly[GPS_Distance_km] multipliziert mit 0,621371 zur Umrechnung von km in mi, dividiert durch die Gesamtzahl der Monate |
GPS-Gesamtentfernung (mi) | Summe von VehicleKpi_Monthly[GPS_Distance_km] multipliziert mit 0,621371 zur Umrechnung von km in mi |
GPS-Entfernung letzter Monat (mi) | Summe von VehicleKpi_Monthly[GPS_Distance_km] multipliziert mit 0,621371 zur Umrechnung von km in mi und gefiltert, sodass nur der letzte abgeschlossene Monat enthalten ist |
Durchschnittliche monatliche Zeit (Std) | Summe von VehicleKpi_Monthly[DriveDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden, geteilt durch die Gesamtzahl der Monate |
Gesamtzeit (Std) | Summe von VehicleKpi_Monthly[DriveDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden |
Zeit letzter Monat (Std) | Summe von VehicleKpi_Monthly[DriveDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden und gefiltert, sodass nur der letzte abgeschlossene Monat enthalten ist |
Monatlich aggregierte Kennzahlen mit Schwerpunkt auf Leerlaufzeiten und Kraftstoffverbrauch im Leerlauf für die letzten sechs abgeschlossenen Monate.
Kennzahl | Berechnung |
Durchschnittlicher monatlicher Kraftstoffverbrauch im Leerlauf (gal) | Summe von VehicleKpi_Monthly[IdleFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen, geteilt durch die Gesamtzahl der Monate |
Kraftstoffverbrauch im Leerlauf insgesamt (gal) | Summe von VehicleKpi_Monthly[IdleFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen |
Kraftstoffverbrauch im Leerlauf letzter Monat (gal) | Summe von VehicleKpi_Monthly[IdleFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen und gefiltert, sodass nur der letzte abgeschlossene Monat enthalten ist |
Durchschnittliche monatliche Leerlaufzeit (Std) | Summe von VehicleKPI_Monthly[IdleDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden, geteilt durch die Gesamtanzahl der Monate |
Gesamte Leerlaufzeit (Std) | Summe von VehicleKPI_Monthly[IdleDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden |
Leerlaufzeit letzter Monat (Std) | Summe von VehicleKPI_Monthly[IdleDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden und gefiltert, sodass nur der letzte abgeschlossene Monat enthalten ist |
Monatliche aggregierte Kennzahlen mit Schwerpunkt auf dem Kraftstoffverbrauch der letzten sechs abgeschlossenen Monate. Hinweis: Die Reichweite kann sich von der GPS-Entfernung unterscheiden, da die Reichweite nur erfasst wird, wenn das Gerät auch den Kraftstoffverbrauch erfasst hat. Dadurch wird sichergestellt, dass die Berechnungen des Kraftstoffverbrauchs genau sind, wenn dieser für bestimmte Fahrzeuge oder Fahrtabschnitte nicht gemeldet wird, und dass in den meisten Fällen davon ausgegangen werden kann, dass sie repräsentativ für die Gesamtleistung sind.
Kennzahl | Berechnung |
Reichweite insgesamt (mi) | Summe von VehicleKpi_Monthly[FuelEconomy_Distance_Km] multipliziert mit 0,621371 zur Umrechnung von km in mi |
Gesamtmenge des verbrauchten Kraftstoffs (gal) | Summe von VehicleKpi_Monthly[TotalFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen |
Kraftstoffverbauch insgesamt (mpg) | Summe von VehicleKpi_Monthly[FuelEconomy_Distance_Km] geteilt durch die Summe von VehicleKpi_monthly[TotalFuel_Litres], multipliziert mit 2,35215 zur Umrechnung von km/L in mpg |
Kraftstoffverbrauch letzter Monat (mpg) | Summe von VehicleKpi_Monthly[FuelEconomy_Distance_Km] geteilt durch die Summe von VehicleKpi_monthly[TotalFuel_Litres], multipliziert mit 2,35215 zur Umrechnung von km/L in mpg und gefiltert, sodass nur der letzte abgeschlossene Monat enthalten ist |
Gesamtmenge des verbrauchten Kraftstoffs letzter Monat (gal) | Summe von VehicleKpi_Monthly[TotalFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen und gefiltert, sodass nur der letzte abgeschlossene Monat enthalten ist |
Monatliche aggregierte Kennzahlen mit Schwerpunkt auf der Auslastung für die letzten sechs abgeschlossenen Monate. Diese Registerkarte zeigt zwei Methoden zur Berechnung der Auslastung.
Kennzahl | Berechnung |
Fahrzeugauslastung | Summe von VehicleKpi_Monthly[TotalEngine_Hours] geteilt durch die Anzahl an individuellen Fahrzeugen im Fuhrpark, multipliziert mit dem Gesamtzeitraum in Stunden |
Fahrzeugauslastung letzter Monat | Summe von VehicleKpi_Monthly[TotalEngine_Hours] geteilt durch die Anzahl an individuellen Fahrzeugen im Fuhrpark, multipliziert mit dem Gesamtzeitraum in Stunden und gefiltert, sodass nur der letzte abgeschlossene Monat berücksichtigt wird |
Fuhrparkauslastung | Anzahl an individuellen Fahrzeugen im Fuhrpark mit VehicleKpi_Monthly[GPS_Distance_Km] > 0 geteilt durch die Anzahl an individuellen Fahrzeugen im Fuhrpark |
Fuhrparkauslastung letzter Monat | Anzahl an individuellen Fahrzeugen im Fuhrpark mit VehicleKpi_Monthly[GPS_Distance_Km] > 0 geteilt durch die Anzahl an individuellen Fahrzeugen im Fuhrpark und gefiltert, sodass nur der letzte abgeschlossene Monat berücksichtigt wird |
Täglich aggregierte Kennzahlen, die die wichtigsten Kennzahlen aus den ersten vier monatlich aggregierten Registerkarten als täglichen Trend für die letzten 30 Tage anzeigen. Umfasst eine visuelle Kartendarstellung mit den letzten bekannten Standortkoordinaten jedes Fahrzeugs für jeden Tag.
Kennzahl | Berechnung |
Fahrzeit (Std) | Summe von VehicleKpi_Daily[DriveDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden |
Fahrstrecke (mi) | Summe von VehicleKpi_Daily[GPS_Distance_Km] multipliziert mit 0,621371 zur Umrechnung von km in Meilen |
Leerlaufzeit (Std) | Summe von VehicleKPI_Daily[IdleDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden |
Kraftstoffverbrauch im Leerlauf (gal) | Summe von VehicleKpi_Daily[IdleFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen |
Kraftstoffverbrauch (mpg) | Summe von VehicleKpi_Daily[FuelEconomy_Distance_Km] geteilt durch die Summe von VehicleKpi_Daily[TotalFuel_Litres], multipliziert mit 2,35215 zur Umrechnung von km/L in mpg |
Gesamtmenge des verbrauchten Kraftstoffs (gal) | Summe von VehicleKpi_Daily[TotalFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen |
Fahrzeugauslastung | Summe von VehicleKpi_Daily[TotalEngine_Hours] geteilt durch die Anzahl an individuellen Fahrzeugen im Fuhrpark, multipliziert mit dem Gesamtzeitraum in Stunden |
Fuhrparkauslastung | Anzahl an individuellen Fahrzeugen im Fuhrpark mit VehicleKpi_Daily[GPS_Distance_Km] > 0 geteilt durch die Anzahl an individuellen Fahrzeugen im Fuhrpark |
Stündlich aggregierte Kennzahlen, die die wichtigsten Kennzahlen aus den ersten vier monatlich aggregierten Registerkarten als täglichen Trend für die letzten 14 Tage anzeigen. Umfasst eine visuelle Kartendarstellung mit den letzten bekannten Standortkoordinaten jedes Fahrzeugs für jeden Tag.
Kennzahl | Berechnung |
Fahrzeit (Std) | Summe von VehicleKpi_Hourly[DriveDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden |
Fahrstrecke (mi) | Summe von VehicleKpi_Hourly[GPS_Distance_Km] multipliziert mit 0,621371 zur Umrechnung von km in Meilen |
Leerlaufzeit (Std) | Summe von VehicleKPI_Hourly[IdleDuration_Seconds] geteilt durch 3.600 zur Umrechnung von Sekunden in Stunden |
Kraftstoffverbrauch im Leerlauf (gal) | Summe von VehicleKpi_Hourly[IdleFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen |
Kraftstoffverbrauch (mpg) | Summe von VehicleKpi_Hourly[FuelEconomy_Distance_Km] geteilt durch die Summe von VehicleKpi_Hourly[TotalFuel_Litres], multipliziert mit 2,35215 zur Umrechnung von km/L in mpg |
Gesamtmenge des verbrauchten Kraftstoffs (gal) | Summe von VehicleKpi_Hourly[TotalFuel_Litres] multipliziert mit 0,264172 zur Umrechnung von Litern in Gallonen |
Fahrzeugauslastung | Summe von VehicleKpi_Hourly[TotalEngine_Hours] geteilt durch die Anzahl an individuellen Fahrzeugen im Fuhrpark, multipliziert mit dem Gesamtzeitraum in Stunden |
Fuhrparkauslastung | Anzahl der individuellen Fahrzeugen im Fuhrpark mit VehicleKpi_Hourly[GPS_Distance_Km] > 0 geteilt durch die Anzahl an individuellen Fahrzeugen im Fuhrpark |
Die Vorlage ist darauf ausgelegt, einen Überblick über die wichtigsten Sicherheitsdaten des Fuhrparks zu bieten und einen Vergleich mit ähnlichen Fuhrparks zu ermöglichen. Der Vorlage folgen einige interaktive Diagramme, die zeigen, in welchen Bereichen Ihre Fahrzeuge besser oder schlechter abschneiden als die Benchmarks.
Das Quadrantendiagramm unterstützt Sie bei der Ermittlung der Fahrzeuge mit den meisten Problemen. Der rechte obere Quadrant umfasst zum Beispiel die Fälle, die eine höhere Kollisionsrate aufweisen als die prognostizierte Benchmark. Der obere linke Quadrant umfasst Fälle, die eine geringere Kollisionsrate als die prognostizierte Benchmark aufweisen.
Die Vorlage ermöglicht darüber hinaus einen relativen Vergleich der verschiedenen Gruppen auf der Grundlage ihrer durchschnittlichen prognostizierten Kollisionsrate sowie einen detaillierten Überblick über die Leistung einzelner Fahrzeuge.
Abschnitt | Beschreibung |
Fahrzeuge mit Problemen in den letzten 7 Tagen | Zeigt die Anzahl der Fahrzeuge an, bei denen in der vergangenen Woche Probleme aufgetreten sind, und vergleicht sie mit der vorherigen Woche. |
Fahrzeuge mit Problemen im aktuellen Jahr bis jetzt | Zeigt die Anzahl der Fahrzeuge an, die vom Jahresbeginn bis zum aktuellen Datum Probleme hatten, und vergleicht sie mit dem Vormonat. |
Die wichtigsten Probleme | Das Balkendiagramm zeigt die am häufigsten erkannten Probleme im Fuhrpark an und wie oft sie aufgetreten sind. |
Gruppen im Fokus | Zeigt an, welche Fahrzeuggruppen die meisten Probleme haben, und hilft dabei, zu ermitteln, wo die Wartungsmaßnahmen konzentriert eingesetzt werden sollen. |
Relevante Hersteller | Enthält eine Tabelle der Fahrzeughersteller, die Anzahl der Fahrzeuge von jedem Hersteller mit den jeweiligen Problemen und den Prozentsatz, den dieser für alle Fahrzeuge im Fuhrpark darstellt. |
Fahrzeugfehlerprotokoll | Ein detailliertes Protokoll, das den Gerätenamen, das Datum des aktiven Problems, die Art des Problems und die Dauer der gemeldeten Probleme enthält. |