Guia de modelos e biblioteca

EN - CS-CZ - DE-DE - ES-ES - ES-LATAM - FR-CA - FR-FR - IT-IT - JA-JP - KO-KR - NL-NL - PL-PL - SV-SE

Fevereiro de 2025

Índice

Introdução

O Geotab Data Connector é uma ferramenta concebida para que gerentes de frotas consigam importar dados selecionados de suas próprias frotas para sua ferramenta preferida de BI/visualização, sem que precisem usar os relatórios da MyGeotab manualmente. Além disso, essa ferramenta permite que os gerentes de frota personalizem seus relatórios sem a necessidade de codificação, diferentemente do SDK do MyGeotab.

Este documento fornece instruções sobre como baixar e acessar inicialmente os modelos, além de uma visão geral das informações disponíveis nesses modelos.

Galeria de modelos

Os modelos agora podem ser encontrados na página principal do conector de dados, em Relatórios. Cada modelo está disponível para PowerBI, Tableau e Excel, em unidades métricas e imperiais.

Primeiros passos

Modelo para o Power BI

Para começar, siga as etapas abaixo ou assista a este vídeo (em inglês).

1. Abra o modelo para o Power BI diretamente.

2. ✱ OBSERVAÇÃO: ao abrir o modelo pela primeira vez, todas as folhas estarão em branco com alguns erros de conexão, pois as credenciais do usuário ainda não foram inseridas.

2. Clique em Atualizar.

3. 

3. Insira as credenciais de login (se você já acessou o GDC pelo Power BI, suas credenciais podem já estar salvas localmente):
4. 1. Nome de usuário: <Nome da base de dados do MyGeotab>/<Nome de usuário do MyGeotab>
   2. 1. Exemplo: Database123/johnsmith@geotab.com
   1. Senha: <Senha do MyGeotab>
   2. Nível para aplicar as configurações: https://data-connector.geotab.com/

5. 

4. Clique em Conectar.

5. 

5. Se for preciso editar as credenciais posteriormente, clique em Arquivo > Opções e em Configurações > Configurações da fonte de dados para editar as permissões de cada tabela.

Modelo para o Tableau

1. Abra o modelo para o Tableau diretamente.

2. ✱ OBSERVAÇÃO: ao abrir o modelo pela primeira vez, todas as folhas estarão em branco com alguns erros de conexão, pois as credenciais do usuário ainda não foram inseridas.

2. Encontre o URL de acesso em MyGeotab > Administração > Geotab Data Connector. Para obter mais informações sobre o URL de acesso, consulte o Guia do usuário do Geotab Data Connector.

3. Se o seu URL de acesso básico for https://odata-connector-1.geotab.com/odata/v4/svc/, faça o seguinte:

4. 1. Clique em Atualizar todas as extrações.

5. 

3. Clique em Atualizar na janela exibida.

4. 

4. O Tableau solicitará que você insira as credenciais de todas as quatro tabelas de origem. Insira suas credenciais do MyGeotab quando a janela surgir:
5. 1. Nome de usuário: <Nome da base de dados do MyGeotab>/<Nome de usuário do MyGeotab>
   2. 1. Database123/johnsmith@geotab.com
   1. Senha: <Senha do MyGeotab>

6. 

5. Depois que você inserir as credenciais de cada tabela de origem, seus dados serão carregados no modelo.

7. Se você tiver um URL de acesso diferente, faça o seguinte:

8. 1. Em Dados, navegue até a primeira fonte de dados e selecione Editar fonte de dados.

   2. 

   2. Atualize o Servidor para corresponder ao URL de acesso, certificando-se de manter o identificador da tabela no fim do URL. Insira suas credenciais do MyGeotab e clique em Entrar.

   3. 

   3. Após o resumo da conexão ser carregado, navegue até qualquer uma das guias do painel na parte inferior da tela.

   5. 

   4. Repita as etapas de 1 a 3 para as quatro fontes de dados restantes.
   5. Clique em Atualizar todas as extrações.

9. 

6. Clique em Atualizar na janela exibida.

Modelo para o Excel

1. Abra o modelo para o Excel.

2. ✱ OBSERVAÇÃO: ao abrir o modelo pela primeira vez, todas as folhas estarão em branco com alguns erros de conexão, pois as credenciais do usuário ainda não foram inseridas.

2. No menu Dados, clique em Atualizar tudo.

3. 

3. Insira suas credenciais de login (se você já acessou o GDC pelo Power BI, suas credenciais podem já estar salvas localmente):
4. 1. Nome de usuário: <Nome da base de dados do MyGeotab>/<Nome de usuário do MyGeotab>
   2. 1. Database123/johnsmith@geotab.com
   1. Senha: <Senha do MyGeotab>
   2. Nível para aplicar as configurações: https://data-connector.geotab.com/

5. 

4. Clique em Conectar.

5. 

5. Se for preciso editar as credenciais posteriormente, clique em Dados > Obter dados > Configurações da fonte de dados para editar as permissões de cada tabela.

Visão geral do modelo de KPI do veículo

Os modelos foram criados para apresentar uma solução pronta com insights prontos para uso, demonstrando como o Data Connector pode ser usado para solucionar suas principais dúvidas sobre a frota. Depois que você tiver baixado os modelos, bastará personalizar seu painel da maneira que for mais adequada às suas necessidades de insights.

✱ OBSERVAÇÃO: os modelos para visualização de dados prontos para insights estão atualmente disponíveis para o Power BI e o Tableau. O modelo para o Excel fornece apenas dados de amostra para fins de projeto e testes.

Distância e tempo

Métricas agregadas mensais com foco na distância do GPS e no tempo de condução nos últimos seis meses completos, incluindo:

1. Qual foi a tendência da minha frota em termos de distância de condução e tempo de condução nos últimos 6 meses completos?
2. Qual é a distância média de condução mensal da minha frota?
3. Qual é o tempo médio de condução mensal da minha frota?
4. Qual veículo percorreu a maior distância ou tempo no mês passado?
5. Qual veículo percorreu a menor distância ou tempo no mês passado?
6. Qual foi a diferença entre o tempo e a distância de condução do mês passado em relação ao mês anterior?

8. 

9. Métrica	Cálculo
   Distância média mensal do GPS (km)	Soma de VehicleKpi_Monthly[GPS_Distance_km] multiplicada por 0,621371 para converter quilômetros em milhas, dividida pelo número total de meses
   Distância total do GPS (km)	Soma de VehicleKpi_Monthly[GPS_Distance_km] multiplicada por 0,621371 para converter quilômetros em milhas
   Distância do GPS no último mês (km)	Soma de VehicleKpi_Monthly[GPS_Distance_km] multiplicada por 0,621371 para converter quilômetros em milhas e filtrada para incluir apenas o último mês completo
   Tempo médio mensal (horas)	Soma de VehicleKpi_Monthly[DriveDuration_Seconds] dividida por 3600 para converter segundos em horas, dividida pelo número total de meses
   Tempo total (horas)	Soma de VehicleKpi_Monthly[DriveDuration_Seconds] dividida por 3600 para converter segundos em horas
   Tempo no último mês (horas)	Soma de VehicleKpi_Monthly[DriveDuration_Seconds] dividida por 3600 para converter segundos em horas e filtrada para incluir apenas o último mês completo

10. Parado com motor ligado

11. Métricas agregadas mensais com foco na frota parada com motor ligado e no uso de combustível com a frota parada e o motor ligado nos últimos 6 meses completos, incluindo:

7. Qual foi a tendência em termos de uso de combustível da frota parada com motor ligado e do tempo da frota parada com motor ligado nos últimos 6 meses completos?
8. Qual é o consumo médio mensal de combustível da minha frota parada com motor ligado?
9. Qual é o tempo médio da minha frota parada com motor ligado?
10. Qual veículo registrou o maior uso de combustível parado com motor ligado ou o maior tempo de parada com motor ligado no mês passado?
11. Qual veículo registrou o menor uso de combustível parado com motor ligado ou o menor tempo de parada com motor ligado no mês passado?
12. Qual foi a diferença entre o uso de combustível da frota parada com motor ligado e o tempo parado com motor ligado em relação ao mês anterior?

13. 

14. Métrica	Cálculo
    Média mensal de combustível da frota parada com motor ligado (litros)	Soma de VehicleKpi_Monthly[IdleFuel_Liters] multiplicada por 0,264172 para converter litros em galões, dividida pelo número total de meses
    Total de combustível usado do veículo parado com motor ligado	Soma de VehicleKpi_Monthly[IdleFuel_Litres] multiplicada por 0,264172 para converter litros em galões
    Combustível da frota parada com motor ligado no último mês (litros)	Soma de VehicleKpi_Monthly[IdleFuel_Litres] multiplicada por 0,264172 para converter litros em galões e filtrada para incluir apenas o último mês completo
    Tempo médio mensal da frota parada com motor ligado (horas)	Soma de VehicleKpi_Monthly[IdleDuration_Seconds] dividida por 3600 para converter segundos em horas, dividida pelo número total de meses
    Tempo total da frota parada com motor ligado (horas)	Soma de VehicleKpi_Monthly[IdleDuration_Seconds] dividida por 3600 para converter segundos em horas
    Tempo da frota parada com motor ligado no último mês (horas)	Soma de VehicleKpi_Monthly[IdleDuration_Seconds] dividida por 3600 para converter segundos em horas e filtrada para incluir apenas o último mês completo

15. Rendimento de combustível

16. Métricas agregadas mensais com foco na economia de combustível nos últimos 6 meses completos. Observe que a distância do combustível poderá ser diferente da distância do GPS, pois a distância do combustível é registrada somente quando o dispositivo também tiver registrado uso de combustível. Isso garante que os cálculos de economia de combustível sejam precisos nos casos em que o uso de combustível não é informado para determinados veículos ou segmentos de viagem, e é razoável presumir que é representativo do desempenho total na grande maioria dos casos.

13. Qual foi a tendência em termos de economia de combustível da minha frota nos últimos 6 meses completos?
14. Qual foi a tendência em termos de uso de combustível e distância de combustível da minha frota nos últimos 6 meses completos?
15. Qual é a economia média de combustível da minha frota?
16. Qual é a economia média de combustível da minha frota por tipo de combustível?
17. Qual foi a diferença entre a economia de combustível do mês passado em relação ao mês anterior?
18. Qual foi a diferença entre o uso de combustível do mês passado em relação ao mês anterior?

19. 

20. Métrica	Cálculo
    Distância total do combustível (km)	Soma de VehicleKpi_Monthly[FuelEconomy_Distance_Km] multiplicada por 0,621371 para converter quilômetros em milhas
    Combustível total (litros)	Soma de VehicleKpi_Monthly[TotalFuel_Litres] multiplicada por 0,264172 para converter litros em galões
    Rendimento total de combustível (km/l)	Soma de VehicleKpi_Monthly[FuelEconomy_Distance_Km] dividida pela soma de VehicleKpi_monthly[TotalFuel_Litres] e multiplicada por 2,35215 para converter km/l em mpg
    Rendimento de combustível no último mês (km/l)	Soma de VehicleKpi_Monthly[FuelEconomy_Distance_Km] dividida pela soma de VehicleKpi_monthly[TotalFuel_Litres] e multiplicada por 2,35215 para converter km/l em mpg e filtrada para incluir apenas o último mês completo
    Uso de combustível no último mês (litros)	Soma de VehicleKpi_Monthly[TotalFuel_Litres] multiplicada por 0,264172 para converter litros em galões e filtrada para incluir apenas o último mês completo

21. Utilização

22. Métricas agregadas mensais com foco na utilização nos últimos 6 meses completos. Dois métodos de cálculo da utilização são demonstrados nesta guia.

19. Qual foi a tendência em termos da minha utilização de veículos nos últimos 6 meses completos?
20. Qual foi a tendência em termos de utilização da minha frota nos últimos 6 meses completos?
21. Qual foi a diferença entre a utilização de veículos no mês passado em relação ao mês anterior?
22. Qual foi a diferença entre a utilização da frota no mês passado em relação ao mês anterior?

Análise diária

Métricas agregadas diariamente exibindo as principais métricas referentes às quatro primeiras guias agregadas mensalmente como tendência diária nos últimos 30 dias. Inclui o visual de um mapa traçando as últimas coordenadas de localização conhecidas de cada veículo, em cada dia.

1. Qual foi a tendência das principais métricas da minha frota nos últimos 30 dias?
2. Onde está a última localização diária registrada de cada um dos meus veículos?

Visão geral do modelo de benchmarks de segurança

O modelo de benchmarking de segurança foi desenvolvido para dar uma visão geral de alto nível do desempenho geral de segurança da frota e uma comparação com o benchmark e os líderes do setor. O modelo é acompanhado por alguns visuais interativos para mostrar as áreas em que os veículos apresentam um desempenho melhor ou pior do que os benchmarks.

O gráfico em quadrantes foi elaborado para ajudar a identificar os motoristas individuais que precisem de mais atenção. Por exemplo, o quadrante superior direito inclui os casos com taxa de colisão mais alta do que o parâmetro de comparação previsto. O quadrante superior esquerdo inclui casos com taxa de colisão mais baixa do que o parâmetro de comparação previsto.

O modelo também fornece uma comparação relativa dos diferentes grupos com base em sua taxa de colisão prevista média, bem como uma visão geral detalhada do desempenho no nível do veículo.