Mallguide och -bibliotek

EN – CS-CZ – DE-DE – ES-ES – ES-LATAM – FR-CA – FR-FR – IT-IT – JA-JP – KO-KR – NL-NL – PL-PL – PT-BR

Februari 2025

Innehållsförteckning

Introduktion

Geotab Data Connector är ett verktyg för vagnparksansvariga som är utformat för att importera utvalda data som hämtats från deras egen vagnpark till önskat BI-/visualiseringsverktyg utan att behöva använda MyGeotab-rapporter manuellt. Till skillnad från MyGeotab SDK kan vagnparksansvariga med det här verktyget anpassa sina rapporter utan att behöva koda.

Det här dokumentet innehåller anvisningar om hur du först hämtar och öppnar mallarna samt en översikt över den information som finns tillgänglig i dem.

Mallgalleri

Mallarna finns nu på huvudsidan för Data Connector under Rapporter. Alla mallar finns tillgängliga för PowerBI, Tableau och Excel i både metriska och brittiska enheter.

Komma igång

Power BI-mall

Följ stegen nedan för att komma igång eller följ den här videon (på engelska).

1. Öppna Power BI-mallen direkt.

2. ✱ OBS! När du öppnar mallen för första gången är alla blad tomma och några anslutningsfel visas eftersom användaruppgifterna inte har angetts ännu.

2. Klicka på Uppdatera:

3. 

3. Ange inloggningsuppgifterna (om du tidigare har använt GDC via Power BI kan dina inloggningsuppgifter redan finnas sparade lokalt):
4. 1. Användarnamn: <MyGeotab Database Name>/<MyGeotab Username>
   2. 1. Exempel: Database123/johnsmith@geotab.com
   1. Lösenord: <My Geotab Password>
   2. Tillämpa inställningar på nivå: https://data-connector.geotab.com/

5. 

4. Klicka på Anslut.

5. 

5. Om du behöver redigera inloggningsuppgifterna vid ett senare tillfälle gör du det genom att klicka på Arkiv > Alternativ och sedan klickar du på Inställningar > Inställningar för datakälla för att redigera behörigheterna för varje tabell.

Tableau-mall

1. Öppna mallen Tableau direkt.

2. ✱ OBS! När du öppnar mallen för första gången är alla blad tomma och några anslutningsfel visas eftersom användaruppgifterna inte har angetts ännu.

2. Hitta din webbadress för basåtkomst från MyGeotab > Administration > Geotab Data Connector. Mer information om webbadressen för åtkomst finns i användarhandboken för Geotab Data Connector.

3. Om webbadressen för basåtkomst är https://odata-connector-1.geotab.com/odata/v4/svc/ gör du följande:

4. 1. Klicka på Uppdatera alla utdrag.

5. 

3. Klicka på Uppdatera i fönstret som visas.

4. 

4. Tableau uppmanar dig att ange autentiseringsuppgifter för alla fyra källtabeller. Ange dina inloggningsuppgifter för MyGeotab när fönstret visas:
5. 1. Användarnamn: <MyGeotab Database Name>/<MyGeotab Username>
   2. 1. Database123/johnsmith@geotab.com
   1. Lösenord: <MyGeotab Password>

6. 

5. När du har angivit inloggningsuppgifterna för varje källtabell läses dina data in i mallen.

7. Om du har en annan webbadress för basåtkomst gör du följande:

8. 1. Gå till Data och navigera till den första datakällan. Välj sedan Redigera datakälla.

   2. 

   2. Uppdatera servern så att den stämmer överens med din webbadress för åtkomst, och se till att tabellidentifieraren fortfarande är i slutet av webbadressen. Ange dina inloggningsuppgifter för MyGeotab och klicka på Logga in.

   3. 

   3. När anslutningssammanfattningen har lästs in navigerar du till någon av instrumentpanelens flikar längst ned på skärmen.

   5. 

   4. Upprepa steg 1–3 för de fyra återstående datakällorna.
   5. Klicka på Uppdatera alla utdrag.

9. 

6. Klicka på Uppdatera i fönstret som visas.

Excel-mall

1. Öppna Excel-mallen.

2. ✱ OBS! När du öppnar mallen för första gången är alla blad tomma och några anslutningsfel visas eftersom användaruppgifterna inte har angetts ännu.

2. Klicka på Uppdatera alla på menyn Data.

3. 

3. Ange dina inloggningsuppgifter (om du tidigare har använt GDC via Power BI kan dina inloggningsuppgifter redan finnas sparade lokalt):
4. 1. Användarnamn: <MyGeotab Database Name>/<MyGeotab Username>
   2. 1. Database123/johnsmith@geotab.com
   1. Lösenord: <MyGeotab Password>
   2. Tillämpa inställningar på nivå: https://data-connector.geotab.com/

5. 

4. Klicka på Anslut.

5. 

5. Om du behöver redigera inloggningsuppgifterna vid ett senare tillfälle gör du det genom att klicka på Data > Hämta data > Inställningar för datakälla och redigera behörigheterna för varje tabell.

Översikt över fordonets nyckeltalsmall

Mallarna är utformade med en insiktsförberedd lösning som direkt visar hur Data Connector kan användas för att besvara viktiga frågor om din vagnpark. Du kan anpassa instrumentpanelen så att den passar dina insiktsbehov på bästa sätt efter att du har hämtat mallarna.

✱ OBS! Mallar för insiktsförberedda datavisualiseringar är för närvarande tillgängliga för Power BI och Tableau. Excel-mallen innehåller endast exempeldata för design- och testsyfte.

Distans och tid

Aggregerade mätvärden per månad med fokus på GPS-distans och körtid under de senaste sex månaderna, inklusive:

1. Hur har trenden för vagnparkens kördistans och körtid sett ut under de senaste sex månaderna?
2. Vad är den genomsnittliga kördistansen per månad för min vagnpark?
3. Vad är den genomsnittliga körtiden per månad för min vagnpark?
4. Vilket fordon körde den längsta distansen eller tiden förra månaden?
5. Vilket fordon körde den kortaste distansen eller tiden förra månaden?
6. Hur var förra månadens körtid och kördistans jämfört med föregående månad?

8. 

9. Metersystem	Beräkning
   Genomsnittlig månatlig GPS-distans (miles)	Summan av VehicleKpi_Monthly[GPS_Distance_km] multiplicerat med 0,621371 för att konvertera km till miles och dividerat med totalt antal månader
   Total GPS-distans (miles)	Summan av VehicleKpi_Monthly[GPS_Distance_km] multiplicerat med 0,621371 för att konvertera km till miles
   GPS-distans förra månaden (miles)	Summan av VehicleKpi_Monthly[GPS_Distance_km] multiplicerat med 0,621371 för att konvertera km till miles samt filtrerat för att endast innehålla den senast slutförda månaden
   Genomsnittlig månatlig tid (timmar)	Summan av VehicleKpi_Monthly[DriveDuration_Seconds] dividerat med 3 600 för att omvandla sekunder till timmar och dividerat med totalt antal månader
   Total tid (timmar)	Summan av VehicleKpi_Monthly[DriveDuration_Seconds] dividerat med 3 600 för att omvandla sekunder till timmar
   Tid förra månaden (timmar)	Summan av VehicleKpi_Monthly[DriveDuration_Seconds] dividerat med 3 600 för att konvertera sekunder till timmar samt filtrerat för att endast innehålla den senast slutförda månaden

10. Tomgångskörning

11. Aggregerade mätvärden per månad med fokus på tomgångstid och bränsleförbrukning vid tomgångskörning under de senaste sex månaderna, inklusive:

7. Hur har trenden för vagnparkens bränsleförbrukning vid tomgångskörning och tomgångstid sett ut under de senaste sex månaderna?
8. Vad är den genomsnittliga bränsleförbrukningen vid tomgångskörning per månad för min vagnpark?
9. Vad är den genomsnittliga tomgångstiden per månad för min vagnpark?
10. Vilket fordon hade störst bränsleförbrukning vid tomgångskörning eller längst tomgångstid förra månaden?
11. Vilket fordon hade minst bränsleförbrukning vid tomgångskörning eller kortast tomgångstid förra månaden?
12. Hur var förra månadens bränsleförbrukning vid tomgångskörning och tomgångstid jämfört med föregående månad?

13. 

14. Metersystem	Beräkning
    Genomsnittlig månatlig bränsleförbrukning vid tomgångskörning (gallons)	Summan av VehicleKpi_Monthly[IdleFuel_Litres] multiplicerat med 0,264172 för att omvandla liter till gallons och dividerat med totalt antal månader
    Total bränsleförbrukning vid tomgångskörning (gallons)	Summan av VehicleKpi_Monthly[IdleFuel_Litres] multiplicerat med 0,264172 för att omvandla liter till gallons
    Bränsleförbrukning vid tomgångskörning förra månaden (gallons)	Summan av VehicleKpi_Monthly[IdleFuel_Litres] multiplicerat med 0,264172 för att omvandla liter till gallons samt filtrerat för att endast innehålla den senast slutförda månaden
    Genomsnittlig månatlig tomgångstid (timmar)	Summan av VehicleKpi_Monthly[IdleDuration_Seconds] dividerat med 3 600 för att omvandla sekunder till timmar och dividerat med totalt antal månader
    Total tomgångstid (timmar)	Summan av VehicleKpi_Monthly[IdleDuration_Seconds] dividerat med 3 600 för att omvandla sekunder till timmar
    Tomgångstid förra månaden (timmar)	Summan av Vehicle leKpi_Monthly[IdleDuration_seconds] dividerat med 3 600 för att konvertera sekunder till timmar och filtrerat för att endast innehålla den senast slutförda månaden

15. Bränsleekonomi

16. Aggregerade mätvärden per månad med fokus på bränsleekonomi under de senaste sex månaderna. Det är viktigt att notera att bränsledistansen kan skilja sig från GPS-distansen eftersom bränsledistansen endast registreras när enheten även registrerar bränsleförbrukningen. Detta säkerställer att beräkningarna av bränsleekonomin är korrekta om bränsleförbrukningen inte rapporteras för vissa fordon eller färdsegment samt att det är rimligt att anta att dessa är representativa för den totala prestandan i de allra flesta fall.

13. Hur har trenden för vagnparkens bränsleekonomi sett ut under de senaste sex månaderna?
14. Hur har trenden för vagnparkens bränsleförbrukning och bränsledistans sett ut under de senaste sex månaderna?
15. Vad är vagnparkens genomsnittliga bränsleekonomi?
16. Vad är vagnparkens genomsnittliga bränsleekonomi efter bränsletyp?
17. Hur var förra månadens bränsleekonomi jämfört med föregående månad?
18. Hur var förra månadens bränsleförbrukning jämfört med föregående månad?

19. 

20. Metersystem	Beräkning
    Total bränslesträcka (miles)	Summan av VehicleKpi_Monthly[FuelEconomy_Distance_Km] multiplicerat med 0,621371 för att konvertera km till miles
    Total mängd bränsle (gallons)	Summan av VehicleKpi_Monthly[TotalFuel_Litres] multiplicerat med 0,264172 för att omvandla liter till gallons
    Total bränsleekonomi (MPG)	Summan av VehicleKpi_Monthly[FuelEconomy_Distance_Km] dividerat med summan av VehicleKpi_monthly[TotalFuel_Litres] multiplicerat med 2,35215 för att konvertera km/l till MPG
    Bränsleekonomi förra månaden (MPG)	Summan av VehicleKpi_Monthly[FuelEconomy_Distance_Km] dividerat med summan av VehicleKpi_monthly[TotalFuel_Litres] multiplicerat med 2,35215 för att konvertera km/l till MPG och filtrerat för att endast inkludera den senast slutförda månaden
    Bränsleförbrukning förra månaden (gallons)	Summan av VehicleKpi_Monthly[TotalFuel_Litres] multiplicerat med 0,264172 för att omvandla liter till gallons och filtrerat för att endast inkludera den senast slutförda månaden

21. Användning

22. Aggregerade mätvärden per månad med fokus på användning under de senaste sex månaderna. Två metoder för att beräkna användning visas på denna flik.

19. Hur har trenden för fordonsanvändning sett ut under de senaste sex månaderna?
20. Hur har trenden för användning av vagnparken sett ut under de senaste sex månaderna?
21. Hur var förra månadens fordonsanvändning jämfört med föregående månad?
22. Hur var förra månadens användning av vagnparken jämfört med föregående månad?

Analys per dag

Aggregerade mätvärden per dag som visar de viktigaste mätvärdena från flikarna för de första fyra månaderna som en trend per dag under de senaste 30 dagarna. Omfattar en karta som visar alla fordons senast kända platskoordinater för varje dag.

1. Hur ser trenden ut för vagnparkens viktiga mätvärden per dag under de senaste 30 dagarna?
2. Var finns den senast registrerade platsen per dag för vart och ett av fordonen?

Översikt över mallen för säkerhetsjämförelse

Mallen för säkerhetsjämförelse är utformad för att ge en översikt på hög nivå av vagnparkens övergripande säkerhetsprestation och jämförelse med jämförelseindex och gruppledare. Mallen följs av en del interaktiva bilder för att visa de områden där fordonen presterar bättre eller sämre än jämförelseindex.

Diagrammet är utformat för att hjälpa dig att identifiera de enskilda förarna som behöver mest uppmärksamhet. Den övre högra kvadranten innehåller till exempel de fall som har en högre kollisionsfrekvens än beräknat jämförelseindex. Den övre vänstra kvadranten innehåller fall som har en lägre kollisionsfrekvens än beräknat jämförelseindex.

Mallen ger också en relativ jämförelse av de olika grupperna baserat på deras genomsnittliga beräknade kollisionsfrekvens, samt en detaljerad översikt över prestation på fordonsnivå.