יצירה של לוח בקרה או ניתוח בהתאמה אישית לנתונים של טביעת הרגל הפחמנית
בנוסף לתצוגת ברירת המחדל ולייצוא הנתונים של Carbon Footprint, אתם יכולים ליצור מרכזי בקרה וניתוחים בהתאמה אישית באמצעות הנתונים המיוצאים. הגמישות הזו מאפשרת לכם להתאים אישית את רמת הפירוט של נתוני ההדמיה, וכך לקבל תובנות מעמיקות יותר שיעזרו לכם לייעל את ניהול טביעת הרגל הפחמנית בהתאם לדרישות הספציפיות שלכם.
שימוש ב-Google Sheets
כדי ליצור מרכז בקרה מותאם אישית לנתוני טביעת הרגל הפחמנית באמצעות Google Sheets, צריך לבצע את השלבים הבאים.
- ייצוא של כל טביעת הרגל הפחמנית לגיליון
- אפשר להשתמש בטבלת צירים כדי ליצור דוחות בהתאמה אישית על הנתונים המיוצאים.
- יוצרים תרשים כדי להציג את התוצאות של טבלת הצירים באופן ויזואלי.
שימוש ב-Data Studio
כדי ליצור דוח מותאם אישית ב-Data Studio עם נתוני טביעת הרגל הפחמנית, צריך לבצע את השלבים הבאים.
- ייצוא טביעת הרגל הפחמנית ל-BigQuery
- יצירה של דוח חדש ב-Data Studio
- בוחרים את מערך הנתונים שבחרתם קודם כשקבעתם את ההגדרות של ייצוא טביעת הפחמן, ואז לוחצים על התחברות ל-BigQuery.
- מוסיפים תרשימים לדוח באמצעות מקור הנתונים שנוצר בשלב הקודם.
שימוש ב-Looker
כדי ליצור מרכז בקרה מותאם אישית ב-Looker לנתוני טביעת הרגל הפחמנית, צריך לבצע את השלבים הבאים. האפשרות הזו מומלצת ללקוחות קיימים של Looker.
הערכת נתוני פליטות ברמות גרנולריות שונות על ידי שילוב של נתוני טביעת רגל פחמנית עם נתוני חיוב ב-Cloud
אפשר לשלב את נתוני הייצוא של טביעת הרגל הפחמנית עם נתוני הייצוא של החיוב ב-Cloud כדי לראות את פליטת הפחמן ברמות שונות של פירוט. כך אפשר לבצע ניתוח ברמות של תוויות, תגים או משאבים בהתאמה אישית, ולזהות תחומים שבהם אפשר לצמצם את ההשפעה על הסביבה. כדי להעריך את נתוני הפליטות ברמת המופע או ברמת התג או התווית, אפשר לפעול לפי השלבים הבאים.
נתונים משוערים על פליטות ברמת המופע
ייצוא נתונים ל-BigQuery: ייצוא נתוני טביעת פחמן ונתוני עלויות שימוש מפורטים של החיוב ב-Cloud ל-BigQuery.
שילוב מערכי נתונים: קודם צריך לצבור את נתוני העלות המפורטים של השימוש בחיוב ב-Cloud ברמה השעתית לרמה החודשית, לפי מספר החשבון לחיוב, הפרויקט, המוצר, המשאב והאזור, לפני השילוב. אחר כך משלבים את נתוני טביעת הרגל הפחמנית שיוצאו עם נתוני העלות המפורטים של השימוש בחיוב ב-Cloud באמצעות המאפיינים המשותפים של מזהה החשבון לחיוב, הפרויקט, המוצר, האזור והחודש.
אומדן פליטות ברמת המשאב: פירוט של נתוני פליטות פחמן (מצטברים לפי מזהה חשבון לחיוב, פרויקט, מוצר, אזור וחודש) לרמת המשאב הבודד. אפשר לבצע את ההערכה הזו על ידי חלוקה יחסית של הפליטות על סמך התרומה של כל משאב לעלות ברשימה בכל מזהה חשבון לחיוב, פרויקט, מוצר, אזור וחודש נתון. השימוש במאפיין cost_at_list מאפשר להימנע מתופעות לוואי של הנחות פוטנציאליות על התמחור. מיישמים שלבי אימות כדי לזהות ולצמצם את הסיכון לספירה כפולה של פליטות.
הערה חשובה: פליטות ברמת המשאב שמוערכות באמצעות חלוקה מבוססת-עלות הן קירובים, כי גם העלות וגם הפליטות גדלות בהתאם לשימוש. השיטה הזו לא מאפשרת למדוד במדויק את ההשפעה של כל משאב בנפרד, אבל היא עוזרת לתת עדיפות למשאבים עם שימוש גבוה לצורך אופטימיזציה.
נתוני פליטות משוערים ברמת התג או התווית
ייצוא נתונים ל-BigQuery: ייצוא נתוני טביעת רגל פחמנית ונתוני עלות שימוש סטנדרטיים של החיוב ב-Cloud ל-BigQuery.
שילוב מערכי נתונים: קודם כל, צריך לצבור את הנתונים הסטנדרטיים של עלויות השימוש בחיוב ב-Cloud ברמה החודשית, מקובצים לפי מזהה חשבון לחיוב, פרויקט, מוצר, תג או תוויות ואזור, לפני השילוב. אחר כך מצטרפים לנתוני טביעת הרגל הפחמנית המיוצאים נתונים סטנדרטיים של עלויות השימוש בחיוב ב-Cloud באמצעות המאפיינים המשותפים של מזהה החשבון לחיוב, הפרויקט, המוצר, האזור והחודש.
הערכת פליטות ברמת התג או ברמת התווית: בעזרת מערך הנתונים המצורף, אפשר לצבור נתוני פליטות לפי תג או תוויות ומאפיינים אחרים לפי הצורך.
הערה חשובה: פליטות ברמת התג או התווית שמצטברות באמצעות הגישה הזו הן קירוב, ויכול להיות שהן לא משקפות בצורה מדויקת את צריכת האנרגיה והפליטות בפועל.