iDBQuery fonctionne-t-il uniquement avec des données propres et structurées ?

Toutes les données ne résident pas dans une belle table relationnelle, et iDBQuery ne part pas de ce postulat.

• Sources structurées. Les bases de données, les entrepôts, les feuilles de calcul et les fichiers CSV sont interrogés directement à l'aide de SQL généré.
• Documents. Les PDF et les fichiers numérisés sont ingérés et rendus interrogeables, l'OCR transformant les images de texte en données que vous pouvez interroger.
• Dossiers de fichiers hétérogènes. Pointez iDBQuery vers un dossier entier et il en traite le contenu pour que vous puissiez poser des questions transversales.
• Schémas obscurs. La couche sémantique interprète les abréviations, les codes et les nommages incohérents, de sorte qu'une base de données mal documentée ne vous bloque pas.

Par exemple, un dossier de contrats rempli de PDF numérisés peut devenir interrogeable — « quels contrats se renouvellent dans les 90 prochains jours ? » — même si rien de tout cela n'a commencé sous forme de table bien ordonnée. Et une base de données ancienne comportant des colonnes comme `f_amt` et `dt_1` peut quand même répondre à « montant total par mois », car iDBQuery relie ces champs à leur signification. Chaque réponse reste sourcée jusqu'aux données d'origine, que cette source soit une ligne d'une table ou une page d'un document. Ainsi, données structurées, semi-structurées et non structurées peuvent toutes coexister dans un seul modèle vivant, et vous les interrogez de la même façon : en posant une question.