Geotab Data Connector – Guide des modèles
Support Document
0 mins to read
Les modèles peuvent être téléchargés à partir du Guide de l’utilisateur de Geotab Data Connector ou directement à partir de la page Add-In de Data Connector. Les modèles ont été conçus en vue de fournir une solution prête à l’emploi qui illustre comment utiliser Data Connector pour répondre aux questions clés sur votre flotte. N’oubliez pas qu’une fois les modèles téléchargés, vous pouvez personnaliser votre tableau de bord comme bon vous semble en fonction de vos besoins.
Guide et bibliothèque de modèles
EN - CS-CZ - DE-DE - ES-ES - ES-LATAM - FR-FR - IT-IT - JA-JP - KO-KR - NL-NL - PL-PL - PT-BR - SV-SE
Août 2023
Table des matières
Introduction
Geotab Data Connector (GDC) est un outil conçu pour les gestionnaires de flotte afin d’importer des données préparées provenant de nombreuses sources de données Geotab, générées par leur propre flotte, dans leur outil de visualisation ou de veille stratégique préféré. L’outil permet aux gestionnaires de flotte d’accéder à des données agrégées dans leur outil de veille stratégique préféré sans avoir à utiliser manuellement les rapports MyGeotab. De plus, contrairement à la trousse de développement logiciel (SDK) MyGeotab, cet outil permet aux gestionnaires de flotte de personnaliser leurs rapports sans avoir besoin de codage. Ce document fournit des instructions sur la façon de télécharger et d’accéder initialement aux modèles, ainsi qu’un aperçu des renseignements qu’ils contiennent.
Bibliothèque de modèles
Avant de commencer, assurez-vous que Geotab Data Connector est activé dans votre base de données, comme mentionné dans la section des exigences du Guide de l’utilisateur.
Vous trouverez ci-dessous une liste complète des modèles de Geotab Data Connector actuellement disponibles. Pour télécharger, il suffit de cliquer sur le lien qui vous intéresse. Les nouveaux ajouts seront annoncés en premier sur la page Communauté de Geotab Data Connector, alors assurez-vous de vérifier leur disponibilité régulièrement.
Nom ou description du modèle | Tableau | Power BI | Excel | ||||||
Indicateur de rendement clé du véhicule | |||||||||
Modèle de mesure des indicateurs de rendement clés des véhicules – ralenti/carburant/conduite (mois après mois) | S.O. | S.O. | S.O. | ||||||
Sécurité prédictive et analyse comparative | |||||||||
Renseignements sur l’entretien | Tableau | Power BI | Excel |
Mise en route
Modèle Power BI
- Ouvrez directement le modèle Power BI.
✱ REMARQUE : À la première ouverture du modèle, toutes les feuilles seront vides avec quelques erreurs de connexion, car les informations d’identification de l’utilisateur n’ont pas encore été entrées.
- Cliquez sur Refresh :
- Entrez les informations d’identification (si vous avez déjà accédé à GDC par l’entremise de Power BI auparavant, vos informations d’identification peuvent déjà être enregistrées localement) :
Nom d’utilisateur : <Nom de la base de données MyGeotab>/<Nom d’utilisateur MyGeotab>
- Exemple : Database123/johnsmith@geotab.com
Mot de passe : <Mot de passe MyGeotab>
- Niveau pour appliquer les paramètres : https://data-connector.geotab.com/
- Cliquez sur Connecter.
- Si vous devez modifier les informations d’identification ultérieurement, vous pouvez le faire en sélectionnant Fichier (File) > Options, puis Paramètres (Settings) > Paramètres de la source de données (Data source settings) pour modifier les autorisations de chaque tableau.
Modèle Tableau
- Ouvrez le modèle Tableau directement.
✱ REMARQUE : À la première ouverture du modèle, toutes les feuilles seront vides avec quelques erreurs de connexion, car les informations d’identification de l’utilisateur n’ont pas encore été entrées.
- Recherchez votre URL d’accès de base dans MyGeotab > Administration > Geotab Data Connector. Pour en savoir plus sur l’URL d’accès, reportez-vous au Guide de l’utilisateur de Geotab Data Connector.
Si votre URL d’accès de base est https://odata-connector-1.geotab.com/odata/v4/svc/, procédez comme suit :
- Sélectionnez Actualiser tous les extraits :
- Sélectionnez Actualisation dans la fenêtre qui s’affiche :
- Tableau vous invite alors à entrer les informations d’identification pour les quatre tableaux sources. Entrez vos informations d’identification MyGeotab dans la fenêtre contextuelle :
Nom d’utilisateur : <Nom de la base de données MyGeotab>/<Nom d’utilisateur MyGeotab>
- Database123/johnsmith@geotab.com
Mot de passe : <Mot de passe MyGeotab>
- Une fois les informations d’identification entrées pour chaque tableau source, vos données sont chargées dans le modèle.
Si vous avez une autre URL d’accès de base, procédez comme suit :
- Sous Données, naviguez jusqu’à la première source de données et sélectionnez Modifier la source de données :
- Mettez à jour le serveur pour qu’il corresponde à votre URL d’accès, en veillant à conserver l’identificateur de tableau à la fin de l’URL. Entrez vos informations d’identification MyGeotab et sélectionnez Se connecter :
- Une fois le sommaire de la connexion chargé, naviguez jusqu’à n’importe quel onglet du tableau de bord au bas de l’écran :
- Répétez les étapes 1 à 3 pour les quatre autres sources de données.
- Sélectionnez Actualiser tous les extraits :
- Sélectionnez Actualisation dans la fenêtre qui s’affiche :
Modèle Excel
- Ouvrez directement le modèle Excel.
✱ REMARQUE : À la première ouverture du modèle, toutes les feuilles seront vides avec quelques erreurs de connexion, car les informations d’identification de l’utilisateur n’ont pas encore été entrées.
- Dans le menu Données, sélectionnez Actualiser tout :
- Entrez les informations d’identification (si vous avez déjà accédé à GDC par l’entremise de Power BI auparavant, vos informations d’identification peuvent être déjà enregistrées localement) :
Nom d’utilisateur : <Nom de la base de données MyGeotab>/<Nom d’utilisateur MyGeotab>
- Database123/johnsmith@geotab.com
Mot de passe : <Mot de passe MyGeotab>
- Niveau pour appliquer les paramètres : https://data-connector.geotab.com/
- Sélectionnez Connecter :
- Si vous devez modifier les informations d’identification ultérieurement, vous pouvez le faire en sélectionnant Données > Obtenir les données > Paramètres de la source de données afin de modifier les autorisations de chaque tableau.
Aperçu du modèle
Les modèles ont été conçus en vue de fournir une solution prête à l’emploi qui illustre comment utiliser Data Connector pour répondre aux questions clés sur votre flotte. N’oubliez pas qu’une fois les modèles téléchargés, vous pouvez personnaliser votre tableau de bord comme bon vous semble en fonction de vos besoins.
✱ REMARQUE : Il existe actuellement des modèles de visualisations de données prêtes à être visualisées pour Power BI et Tableau. Le modèle Excel fournit seulement des exemples de données à des fins de conception et d’essais.
Distance et temps
Mesures cumulatives mensuelles portant sur la distance GPS et le temps de conduite des six derniers mois terminés.
- Quelles ont été les tendances en matière de distance et de temps de conduite de ma flotte au cours des six derniers mois?
- Quelle est la distance de conduite mensuelle moyenne de ma flotte?
- Quel est le temps de conduite mensuel moyen de ma flotte?
- Quel véhicule a roulé le plus longtemps ou sur la plus longue distance le mois dernier?
- Quel véhicule a roulé le moins longtemps ou sur la plus courte distance le mois dernier?
- Comment le temps et la distance de conduite du mois dernier se comparent-ils à ceux du mois précédent?
Mesure
Calcul
Distance GPS mensuelle moyenne (milles)
Somme de VehicleKpi_Monthly[GPS_Distance_km] multipliée par 0,621371 pour convertir les kilomètres en milles, divisée par le nombre total de mois
Distance GPS totale (milles)
Somme de VehicleKpi_Monthly[GPS_Distance_km] multipliée par 0,621371 pour convertir les kilomètres en milles
Distance GPS du mois dernier (milles)
Somme de VehicleKpi_Monthly[GPS_Distance_km] multipliée par 0,621371 pour convertir les kilomètres en milles, filtrée pour inclure seulement le dernier mois terminé
Temps mensuel moyen (heures)
Somme de VehicleKpi_Monthly[DriveDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures, divisée par le nombre total de mois
Temps total (heures)
Somme de VehicleKpi_Monthly[DriveDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures
Heure du mois dernier (heures)
Somme de VehicleKpi_Monthly[DriveDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures, filtrée pour inclure seulement le dernier mois terminé
Marche au ralenti
Mesures cumulatives mensuelles portant sur le temps de marche au ralenti et la consommation de carburant au ralenti des six derniers mois terminés.
- Quelles ont été les tendances en matière de temps de marche au ralenti et de consommation de carburant au ralenti au cours des six derniers mois?
- Quelle est la consommation de carburant au ralenti mensuelle moyenne de ma flotte?
- Quel est le temps de marche au ralenti mensuel moyen de ma flotte?
- Quel véhicule a consommé le plus de carburant au ralenti ou a marché au ralenti le plus longtemps le mois dernier?
- Quel véhicule a consommé le moins de carburant au ralenti ou a marché au ralenti le moins longtemps le mois dernier?
- Comment la consommation de carburant au ralenti et le temps de marche au ralenti du mois dernier se comparent-ils à ceux du mois précédent?
Mesure
Calcul
Quantité moyenne de carburant consommé au ralenti par mois (gal)
Somme de VehicleKpi_Monthly[IdleFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons, divisée par le nombre total de mois
Quantité totale de carburant consommé au ralenti (gal)
Somme de VehicleKpi_Monthly[IdleFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons
Quantité de carburant consommé au ralenti le mois dernier (gal)
Somme de VehicleKpi_Monthly[IdleFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons, filtrée pour inclure seulement le dernier mois terminé
Temps de marche au ralenti mensuel moyen (heures)
Somme de VehicleKpi_Monthly[IdleDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures, divisée par le nombre total de mois
Temps total de marche au ralenti (heures)
Somme de VehicleKpi_Monthly[IdleDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures
Temps de marche au ralenti le mois dernier (heures)
Somme de VehicleKpi_Monthly[IdleDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures, filtrée pour inclure seulement le dernier mois terminé
Économie de carburant
Mesures cumulatives mensuelles portant sur l’économie de carburant des six derniers mois terminés. Notez que la distance de carburant peut être différente de la distance GPS, car la distance de carburant est enregistrée seulement lorsque le dispositif a également enregistré la consommation de carburant. Cela permet de s’assurer que les calculs d’économie de carburant sont exacts dans le cas où la consommation de carburant n’est pas déclarée pour certains véhicules ou segments de trajet, et il est raisonnable de supposer qu’ils sont représentatifs du rendement total dans la grande majorité des cas.
- Quelles ont été les tendances en matière d’économie de carburant de ma flotte au cours des six derniers mois?
- Quelles ont été les tendances en matière de consommation et de distance de carburant de ma flotte au cours des six derniers mois?
- Quelle est l’économie de carburant moyenne de ma flotte?
- Quelle est l’économie de carburant moyenne de ma flotte par type de carburant?
- Comment l’économie de carburant du mois dernier se compare-t-elle à celle du mois précédent?
- Comment la consommation de carburant du mois dernier se compare-t-elle à celle du mois précédent?
Mesure
Calcul
Distance de carburant totale (milles)
Somme de VehicleKpi_Monthly[FuelEconomy_Distance_Km] multipliée par 0,621371 pour convertir les kilomètres en milles
Quantité de carburant totale (gal)
Somme de VehicleKpi_Monthly[TotalFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons
Économie totale de carburant (mpg)
Somme de VehicleKpi_Monthly[FuelEconomy_Distance_Km] divisée par la somme de VehicleKpi_monthly[TotalFuel_Litres] multipliée par 2,35215 pour convertir les km/L en mpg
Économie de carburant le mois dernier (mpg)
Somme de VehicleKpi_Monthly[FuelEconomy_Distance_Km] divisée par la somme de VehicleKpi_monthly[TotalFuel_Litres] multipliée par 2,35215 pour convertir les km/L en mpg, filtrée pour inclure seulement le dernier mois terminé
Consommation de carburant le mois dernier (gal)
Somme de VehicleKpi_Monthly[TotalFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons, filtrée pour inclure seulement le dernier mois terminé
Utilisation
Mesures cumulatives mensuelles portant sur l’utilisation des six derniers mois terminés. Cet onglet présente deux méthodes de calcul de l’utilisation.
- Quelles ont été les tendances en matière d’utilisation de mes véhicules au cours des six derniers mois?
- Quelles ont été les tendances en matière d’utilisation de ma flotte au cours des six derniers mois?
- Comment l’utilisation des véhicules du mois dernier se compare-t-elle à celle du mois précédent?
- Comment l’utilisation de la flotte du mois dernier se compare-t-elle à celle du mois précédent?
Mesure | Calcul |
Utilisation des véhicules | Somme de VehicleKpi_Monthly[TotalEngine_Hours] divisée par le nombre distinct de véhicules dans la flotte multipliée par le temps total en heures |
Utilisation des véhicules le mois dernier | Somme de VehicleKpi_Monthly[TotalEngine_Hours] divisée par le nombre distinct de véhicules dans la flotte multipliée par le temps total en heures et filtrée pour inclure seulement le dernier mois terminé |
Utilisation de la flotte | Nombre distinct de véhicules dans la flotte avec VehicleKpi_Monthly[GPS_Distance_Km] > 0 divisé par le nombre distinct de véhicules dans la flotte |
Utilisation de la flotte le mois dernier | Nombre distinct de véhicules dans la flotte avec VehicleKpi_Monthly[GPS_Distance_Km] > 0 divisé par le nombre distinct de véhicules dans la flotte, filtré pour inclure seulement le dernier mois terminé |
Analyse quotidienne
Les mesures cumulatives quotidiennes présentent les principales mesures des quatre premiers onglets de données cumulatives mensuelles comme une tendance quotidienne pour les 30 derniers jours. Comprend une carte visuelle de traçage des dernières coordonnées de localisation connues de chaque véhicule pour chaque jour.
- Quelles ont été les tendances en matière de mesures clés de ma flotte par jour au cours des 30 derniers jours?
- Où se trouve la dernière localisation quotidienne enregistrée de chacun de mes véhicules?
Mesure
Calcul
Temps de conduite (heures)
Somme de VehicleKpi_Daily[DriveDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures
Distance de conduite (milles)
Somme de VehicleKpi_Daily[GPS_Distance_Km] multipliée par 0,621371 pour convertir les kilomètres en milles
Temps de marche au ralenti (heures)
Somme de VehicleKpi_Daily[IdleDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures
Carburant consommé au ralenti (gal)
Somme de VehicleKpi_Daily[IdleFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons
Économie de carburant (mpg)
Somme de VehicleKpi_Daily[FuelEconomy_Distance_Km] divisée par la somme de VehicleKpi_Daily[TotalFuel_Litres] multipliée par 2,35215 pour convertir les km/L en mpg
Consommation de carburant (gal)
Somme de VehicleKpi_Daily[TotalFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons
Utilisation des véhicules
Somme de VehicleKpi_Daily[TotalEngine_Hours] divisée par le nombre distinct de véhicules dans la flotte multipliée par le temps total en heures
Utilisation de la flotte
Nombre distinct de véhicules dans la flotte avec VehicleKpi_Daily[GPS_Distance_Km] > 0 divisé par le nombre distinct de véhicules dans la flotte
Analyse horaire
Les mesures cumulatives horaires présentent les principales mesures des quatre premiers onglets de données cumulatives mensuelles comme une tendance quotidienne pour les 14 derniers jours. Comprend une carte visuelle de traçage des dernières coordonnées de localisation connues de chaque véhicule pour chaque jour.
- Quelles ont été les tendances en matière de mesures clés de ma flotte par heure au cours des 14 derniers jours?
- Où se trouve la dernière localisation horaire enregistrée de chacun de mes véhicules?
Mesure | Calcul |
Temps de conduite (heures) | Somme de VehicleKpi_Hourly[DriveDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures |
Distance de conduite (milles) | Somme de VehicleKpi_Hourly[GPS_Distance_Km] multipliée par 0,621371 pour convertir les kilomètres en milles |
Temps de marche au ralenti (heures) | Somme de VehicleKpi_Hourly[IdleDuration_Seconds] divisée par 3 600 pour convertir les secondes en heures |
Carburant consommé au ralenti (gal) | Somme de VehicleKpi_Hourly[IdleFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons |
Économie de carburant (mpg) | Somme de VehicleKpi_Hourly[FuelEconomy_Distance_Km] divisée par la somme de VehicleKpi_Hourly[TotalFuel_Litres] multipliée par 2,35215 pour convertir les km/L en mpg |
Consommation de carburant (gal) | Somme de VehicleKpi_Hourly[TotalFuel_Litres] multipliée par 0,264172 pour convertir les litres en gallons |
Utilisation des véhicules | Somme de VehicleKpi_Hourly[TotalEngine_Hours] divisée par le nombre distinct de véhicules dans la flotte multipliée par le temps total en heures |
Utilisation de la flotte | Nombre distinct de véhicules dans la flotte avec VehicleKpi_Hourly[GPS_Distance_Km] > 0 divisé par le nombre distinct de véhicules dans la flotte |
Aperçu du modèle d’analyse comparative des données de sécurité
Ce modèle est conçu pour fournir un aperçu de haut niveau du rendement global de la flotte en matière de sécurité et une comparaison avec les points de référence et les principaux acteurs du secteur Ce modèle est accompagné d’un support visuel interactif montrant les secteurs où les résultats pour les véhicules sont supérieurs ou inférieurs aux points de référence.
Le diagramme a quadrant est conçu pour vous aider à identifier les personnes qui ont le plus besoin d'attention. Par exemple, le quadrant en haut à droite comprend les cas dont le taux de collision est plus élevé que celui prévu. Le quadrant en haut à gauche comprend les cas dont le taux de collision est inférieur à celui prévu.
Ce modèle fournit aussi une comparaison relative des différents groupes en fonction de leur taux de collision moyen prévu et une vue détaillée du rendement à l’échelle du véhicule.
Vue d’ensemble du modèle d’entretien
Section | Description |
Véhicules présentant des problèmes au cours des sept derniers jours | Affiche le nombre de véhicules qui ont eu des problèmes au cours de la dernière semaine et le compare à la semaine précédente. |
Véhicules ayant eu des problèmes depuis le début de l’année | Affiche le nombre de véhicules qui ont eu des problèmes depuis le début de l’année jusqu’à la date actuelle, et le compare au mois précédent. |
Principaux problèmes | Graphique à barres affichant les problèmes les plus courants détectés dans la flotte, ainsi que leur fréquence. |
Groupes sur lesquels se concentrer | Indique les groupes de véhicules qui éprouvent le plus de problèmes, ce qui aide à déterminer où concentrer les efforts d’entretien. |
Constructeurs à examiner de plus près | Fournit un tableau des constructeurs de véhicules, le nombre de véhicules de chacun présentant des problèmes et le pourcentage de ces véhicules parmi tous les véhicules de la flotte. |
Journal des problèmes de véhicule | Journal détaillé comprenant le nom du dispositif, les dates pendant lesquelles le problème se posait, le type de problème et la durée de chaque problème signalé. |