home / vitre

passages

17 rows

✎ View and edit SQL

This data as json, CSV (advanced)

Suggested facets: date, paye, montant, note, moyen_paiement, date (date)

id ▼ client_id date paye montant note moyen_paiement statut
11 2 2 2026-03-12 1 50.0   Cash effectué
13 5 5 2026-03-17 1 15.0 45 minutes   effectué
14 6 6 2026-03-17 0 30.0 Extérieur seulement - 45 minutes   effectué
15 4 4 2026-03-17 1 40.0 1h30 Cash effectué
16 7 7 2026-03-17 1 30.0 45 minutes Cash effectué
17 10 10 2026-03-17 1 30.0 17h00-17h30 (30 min) Cash effectué
18 17 17 2026-03-17 1 40.0 18h00-18h30 (30 min)   effectué
19 9 9 2026-03-17 1 25.0 1h30 — faire à fond la grande vitre le mois prochain Cash effectué
20 8 8 2026-03-17 1 40.0 17h30-18h00 (30 min) Cash effectué
21 18 18 2026-03-17 1 30.0 18h30-19h00 (30 min) Cash effectué
22 19 19 2026-03-18 0 25.0 13h00-15h00 (2h) — paiement à récupérer le 25/03   effectué
23 14 14 2026-03-18 1 35.0 18h00-19h00 (1h) Cash effectué
24 16 16 2026-03-18 1 80.0 9h00-12h00 (3h)   effectué
25 11 11 2026-03-18 1 30.0 15h00-17h00 (2h) Cash effectué
26 3 3 2026-03-18 0 30.0 17h00-18h00 (1h)   effectué
27 20 20 2026-03-18 0 25.0 12h00-13h00 (1h) Virement bancaire effectué
34 28 28 2026-03-19 1 15.0   Cash effectué

Advanced export

JSON shape: default, array, newline-delimited, object

CSV options:

CREATE TABLE passages (
            id INTEGER PRIMARY KEY AUTOINCREMENT,
            client_id INTEGER NOT NULL,
            date TEXT NOT NULL,
            paye INTEGER DEFAULT 0,
            montant REAL,
            note TEXT, moyen_paiement TEXT, statut TEXT DEFAULT 'effectué',
            FOREIGN KEY (client_id) REFERENCES clients(id)
        );
Powered by Datasette · Queries took 18.471ms