Créer un tableau de bord ou une analyse personnalisés pour vos données d'empreinte carbone

En plus de la vue par défaut et de l'exportation de données d'Empreinte carbone, vous pouvez créer des tableaux de bord et des analyses personnalisés à l'aide des données exportées. Cette flexibilité permet de personnaliser la visualisation et la précision des données, ce qui permet d'obtenir des insights plus approfondis pour optimiser la gestion de votre empreinte carbone en fonction de vos besoins spécifiques.

Utiliser Google Sheets

Pour créer un tableau de bord personnalisé pour vos données Empreinte carbone à l'aide de Google Sheets, procédez comme suit :

  1. Exporter l'intégralité de votre empreinte carbone vers une feuille
  2. Utilisez un tableau croisé dynamique pour créer des rapports personnalisés sur vos données exportées.
  3. Créez un graphique pour visualiser les résultats du tableau croisé dynamique.

Utiliser Data Studio

Pour créer un rapport Data Studio personnalisé pour vos données sur l'empreinte carbone, procédez comme suit.

  1. Exporter votre empreinte carbone vers BigQuery
  2. Créer un rapport Data Studio
  3. Connectez-vous à BigQuery en sélectionnant l'ensemble de données que vous avez choisi précédemment lors de la configuration de l'exportation de l'empreinte carbone.
  4. Ajoutez des graphiques à votre rapport à l'aide de la source de données créée à l'étape précédente.

Utiliser Looker

Pour créer un tableau de bord Looker personnalisé pour vos données Empreinte carbone, procédez comme suit. Nous vous recommandons cette option si vous êtes déjà client Looker.

  1. Exporter votre empreinte carbone vers BigQuery
  2. Installer le bloc Empreinte carbone

Estimer les données sur les émissions à différents niveaux de précision en associant les données Empreinte carbone aux données Cloud Billing

Vous pouvez combiner vos données d'exportation de l'empreinte carbone avec vos données d'exportation Cloud Billing pour afficher vos émissions de carbone à différents niveaux de précision. Cela permet d'analyser les données au niveau des libellés, des tags ou des ressources personnalisés, ce qui aide à identifier les domaines dans lesquels vous pouvez réduire votre impact environnemental. Pour obtenir une estimation des données sur les émissions au niveau de l'instance et des données sur les émissions au niveau des tags ou des libellés, suivez ces étapes.

Données approximatives sur les émissions au niveau des instances

  1. Exporter des données vers BigQuery : exportez respectivement les données sur l'empreinte carbone et les données détaillées sur les coûts d'utilisation de Cloud Billing vers BigQuery.

  2. Associer des ensembles de données : commencez par agréger les données de coût d'utilisation détaillé de Cloud Billing au niveau mensuel, en les regroupant par ID de compte de facturation, projet, produit, ressource et région avant de les associer. Associez ensuite les données d'empreinte carbone exportées aux données détaillées de coût d'utilisation Cloud Billing à l'aide des dimensions communes (ID du compte de facturation, projet, produit, région et mois).

  3. Estimer les émissions au niveau des ressources : ventilez les données sur les émissions de carbone (agrégées par ID de compte de facturation, projet, produit, région et mois) au niveau de chaque ressource. Cette estimation peut être effectuée en répartissant proportionnellement les émissions en fonction de la contribution de chaque ressource au coût au prix catalogue dans un ID de compte de facturation, un projet, un produit, une région et un mois donnés. L'utilisation de cost_at_list évite l'effet secondaire des remises potentielles. Mettez en œuvre des étapes de validation pour identifier et atténuer tout risque de double comptabilisation des émissions.

Remarque importante : Les émissions au niveau des ressources estimées à l'aide de cette distribution basée sur les coûts sont des approximations, car les coûts et les émissions évoluent en fonction de l'utilisation. Bien qu'elle ne soit pas une mesure précise de l'impact des ressources individuelles, cette méthode permet de hiérarchiser les ressources à forte utilisation pour l'optimisation.

Données approximatives sur les émissions au niveau des tags ou des libellés

  1. Exporter des données vers BigQuery : exportez respectivement les données sur l'empreinte carbone et les données sur les coûts d'utilisation standard de Cloud Billing vers BigQuery.

  2. Joindre des ensembles de données : commencez par agréger les données de coût d'utilisation standard de Cloud Billing au niveau mensuel, en les regroupant par ID de compte de facturation, projet, produit, tag ou libellé, et région avant de les joindre. Associez ensuite les données exportées sur l'empreinte carbone aux données de coût d'utilisation standard de Cloud Billing à l'aide des dimensions communes de l'ID de compte de facturation, du projet, du produit, de la région et du mois.

  3. Estimer les émissions au niveau des tags ou des libellés : avec l'ensemble de données joint, agrégez les données sur les émissions par tag ou libellé, et selon d'autres dimensions si nécessaire.

Remarque importante : Les émissions au niveau des tags ou des libellés agrégées à l'aide de cette approche sont des approximations et peuvent ne pas refléter précisément la consommation d'énergie et les émissions réelles.

Étape suivante