Comment iDBQuery comprend-il un schéma de base de données obscur ou cryptique ?

Bien des bases de données réelles ont été conçues il y a des années par des personnes qui ont depuis quitté l'entreprise, avec des noms comme `f_amt`, `dt_clsd` ou `flg_3`. iDBQuery est fait pour fonctionner précisément avec celles-là, et pas seulement avec des schémas propres et bien documentés.

Il construit sa compréhension à partir de plusieurs signaux, hiérarchisés par niveau de fiabilité :

• L'inférence à partir des noms, des types et des valeurs qu'il échantillonne — en reconnaissant que `dt_clsd` est probablement une date de clôture.
• La documentation et les dictionnaires de données que vous fournissez, qui remplacent les suppositions par des définitions faisant autorité.
• Vos propres annotations et un glossaire métier, qui figurent au sommet et l'emportent sur tout le reste.
• Les motifs appris à partir de la façon dont les requêtes se résolvent réellement au fil du temps.

Ces éléments sont fusionnés selon un ordre de priorité clair, de sorte qu'une définition que vous confirmez l'emporte toujours sur une définition inférée. iDBQuery peut enrichir automatiquement une source nouvellement connectée en arrière-plan, puis vous soumettre ce dont il n'est pas sûr pour confirmation. Résultat : même un schéma hérité opaque devient interrogeable en langage naturel — vous n'avez pas à renommer les colonnes, à rédiger d'abord de la documentation, ni à vous souvenir de quel champ obscur contient le chiffre dont vous avez besoin.