Benutzerdefiniertes Dashboard oder benutzerdefinierte Analyse für Ihre CO₂-Bilanzdaten erstellen

Neben der Standardansicht und dem Datenexport von Carbon Footprint können Sie mit den exportierten Daten benutzerdefinierte Dashboards und Analysen erstellen. Diese Flexibilität ermöglicht eine maßgeschneiderte Datenvisualisierung und -granularität, sodass Sie detailliertere Einblicke erhalten und Ihr CO₂-Bilanzmanagement an Ihre spezifischen Anforderungen anpassen können.

Google Sheets verwenden

So erstellen Sie ein benutzerdefiniertes Dashboard für Ihre CO₂-Bilanzdaten mit Google Sheets:

  1. Gesamte CO₂-Bilanz in ein Tabellenblatt exportieren
  2. Mit einer Pivot-Tabelle benutzerdefinierte Berichte zu den exportierten Daten erstellen.
  3. Ein Diagramm erstellen, um die Ergebnisse der Pivot-Tabelle zu visualisieren.

Data Studio verwenden

So erstellen Sie einen benutzerdefinierten Data Studio Bericht für Ihre CO₂-Bilanzdaten:

  1. CO₂-Bilanz nach BigQuery exportieren
  2. Neuen Data Studio-Bericht erstellen
  3. Verbindung zu BigQuery herstellen indem Sie das Dataset auswählen, das Sie zuvor beim Konfigurieren des Carbon Footprint Exports ausgewählt haben
  4. Diagramme zum Bericht hinzufügen mit der im vorherigen Schritt erstellten Datenquelle.

Looker verwenden

So erstellen Sie ein benutzerdefiniertes Looker Dashboard für Ihre CO₂-Bilanzdaten: Diese Option wird empfohlen, wenn Sie bereits Looker-Kunde sind.

  1. CO₂-Bilanz nach BigQuery exportieren
  2. Installieren Sie den Carbon Footprint-Block

Emissionsdaten mit unterschiedlicher Granularität schätzen, indem Sie Carbon Footprint-Daten mit Cloud Billing-Daten verknüpfen

Sie können Ihre Carbon Footprint-Exportdaten mit Ihren Cloud Billing-Exportdaten kombinieren, um Ihre CO₂-Emissionen auf verschiedenen Granularitätsebenen zu sehen. So können Sie Analysen auf benutzerdefinierten Label-, Tag- oder Ressourcenebenen durchführen und Bereiche identifizieren, in denen Sie Ihre Umweltauswirkungen reduzieren können. Folgen Sie dieser Anleitung, um Emissionsdaten auf Instanzebene und Emissionsdaten auf Tag- oder Label-Ebene zu schätzen.

Emissionsdaten auf Instanzebene schätzen

  1. Daten nach BigQuery exportieren: Exportieren Sie die Carbon Footprint-Daten und die Cloud Billing detaillierten Nutzungskostendaten nach BigQuery.

  2. Datasets verknüpfen: Aggregieren Sie zuerst die detaillierten Nutzungskostendaten von Cloud Billing auf Stundenbasis auf Monatsebene, gruppiert nach Rechnungskonto-ID, Projekt, Produkt, Ressource und Region, bevor Sie sie verknüpfen. Verknüpfen Sie dann die exportierten Carbon Footprint-Daten mit den Cloud Billing detaillierten Nutzungskostendaten anhand der gemeinsamen Dimensionen Rechnungskonto-ID, Projekt, Produkt, Region und Monat.

  3. Emissionen auf Ressourcenebene schätzen: Aufschlüsselung der CO₂-Emissionsdaten (aggregiert nach Rechnungskonto-ID, Projekt, Produkt, Region und Monat) auf die einzelne Ressourcenebene. Diese Schätzung kann durchgeführt werden, indem die Emissionen proportional auf der Grundlage des Beitrags jeder Ressource zu den Kosten zum Listenpreis innerhalb einer bestimmten Rechnungskonto-ID, eines bestimmten Projekts, Produkts, einer bestimmten Region und eines bestimmten Monats verteilt werden. Durch die Verwendung von „cost_at_list“ werden Nebeneffekte potenzieller Preisnachlässe vermieden. Implementieren Sie Validierungsschritte, um eine mögliche doppelte Zählung von Emissionen zu erkennen und zu vermeiden.

Wichtiger Hinweis: Die mit dieser kostenbasierten Verteilung geschätzten Emissionen auf Ressourcenebene sind Schätzungen, da sowohl die Kosten als auch die Emissionen mit der Nutzung steigen. Diese Methode ist zwar keine genaue Messung der Auswirkungen einzelner Ressourcen, hilft aber, Ressourcen mit hoher Nutzung für die Optimierung zu priorisieren.

Emissionsdaten auf Tag- oder Label-Ebene schätzen

  1. Daten nach BigQuery exportieren: Exportieren Sie die Carbon Footprint-Daten und die Standard-Nutzungskostendaten von Cloud Billing nach BigQuery.

  2. Datasets verknüpfen: Aggregieren Sie zuerst die Standardnutzungskostendaten von Cloud Billing auf Stundenbasis auf Monatsebene, gruppiert nach Rechnungskonto-ID, Projekt, Produkt, Tag oder Labels und Region, bevor Sie sie verknüpfen. Verknüpfen Sie dann die exportierten Carbon Footprint-Daten mit den Cloud Billing Standard -Nutzungskostendaten anhand der gemeinsamen Dimensionen Rechnungskonto-ID, Projekt, Produkt, Region und Monat.

  3. Emissionen auf Tag- oder Label-Ebene schätzen: Aggregieren Sie im verknüpften Dataset die Emissionsdaten nach Tag oder Labels und anderen Dimensionen nach Bedarf.

Wichtiger Hinweis: Die mit diesem Ansatz aggregierten Emissionen auf Tag- oder Label-Ebene sind Schätzungen und spiegeln möglicherweise nicht den tatsächlichen Energieverbrauch und die tatsächlichen Emissionen wider.

Nächste Schritte