Comment iDBQuery comprend-il les synonymes et le jargon métier désignant une même chose ?

Les équipes utilisent rarement les noms exacts des colonnes d'une base de données. La finance dit "recettes", les ventes disent "prises de commandes", et la table s'appelle `net_rev`. iDBQuery comble cet écart pour que le langage naturel fonctionne.

• Couche sémantique. Elle capte le sens derrière les tables et champs cryptiques et relie les termes courants aux structures sous-jacentes.
• Glossaire métier. Vous pouvez définir votre propre vocabulaire — déclarer que "client actif" correspond à un statut précis, ou que "GMV" correspond à une mesure particulière — et iDBQuery le respecte à chaque question.
• Enrichissement automatique. À la connexion, une étape en arrière-plan propose des significations pour les noms obscurs, donnant au modèle une longueur d'avance avant que quiconque ne modifie quoi que ce soit.

Le bénéfice est la cohérence : qu'un nouvel arrivant interroge sur les "clients" ou qu'un directeur interroge sur les "comptes", ils renvoient à la même entité et retournent le même chiffre. Cela compte surtout dans les schémas cryptiques ou hérités où les noms de champs ne donnent aucun indice de signification. Et comme iDBQuery montre toujours son SQL et rattache les lignes sources, vous pouvez voir exactement à quelle table un synonyme a renvoyé et le corriger une fois si la correspondance est erronée.