Benutzerdefiniertes Dashboard oder Analyse für Ihre CO₂-Bilanzdaten erstellen

Neben der Standardansicht und dem Datenexport der CO₂-Bilanz können Sie mit den exportierten Daten benutzerdefinierte Dashboards und Analysen erstellen. Diese Flexibilität ermöglicht eine individuelle Datenvisualisierung und Detailgenauigkeit, sodass Sie fundiertere Informationen erhalten, um die Verwaltung Ihres CO₂-Fußabdrucks an Ihre spezifischen Anforderungen anzupassen.

Google Tabellen verwenden

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

  1. Ganze CO₂-Bilanz in ein Tabellenblatt exportieren
  2. Mit einer Pivot-Tabelle können Sie benutzerdefinierte Berichte zu Ihren exportierten Daten erstellen.
  3. Erstellen Sie ein Diagramm, um die Ergebnisse der Pivot-Tabelle zu visualisieren.

Looker Studio verwenden

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

  1. CO2-Bilanz nach BigQuery exportieren
  2. Neuen Looker Studio-Bericht erstellen
  3. Stellen Sie eine Verbindung zu BigQuery her, indem Sie das Dataset auswählen, das Sie zuvor beim Konfigurieren des CO₂-Fußabdruck-Exports ausgewählt haben.
  4. Fügen Sie dem Bericht Diagramme hinzu, indem Sie die im vorherigen Schritt erstellte Datenquelle verwenden.

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. Block „CO₂-Bilanz“ installieren

Emissionsdaten mit unterschiedlicher Granularität schätzen, indem Carbon Footprint-Daten mit Cloud Billing-Daten zusammengeführt werden

Sie können Ihre CO₂-Bilanzexportdaten mit Ihren Cloud Billing-Exportdaten kombinieren, um Ihre CO₂-Emissionen mit unterschiedlichen Detaillierungsgraden aufzurufen. So können Analysen auf benutzerdefinierten Label-, Tag- oder Ressourcenebenen durchgeführt werden, um Bereiche zu identifizieren, in denen die Umweltauswirkungen reduziert werden können. So können Sie Emissionsdaten auf Instanzebene und Emissionsdaten auf Tag- oder Labelebene annähernd ermitteln:

Ungefähre Emissionsdaten auf Instanzebene

  1. Daten nach BigQuery exportieren: Sie können Daten zum CO₂-Fußabdruck und detaillierte Nutzungskostendaten aus Cloud Billing nach BigQuery exportieren.

  2. Datensätze zusammenführen: Fassen Sie zuerst die detaillierten stündlichen Cloud Billing-Nutzungskosten auf Monatsebene zusammen, gruppiert nach Abrechnungskonto-ID, Projekt, Produkt, Ressource und Region, bevor Sie sie zusammenführen. Anschließend können Sie die exportierten Carbon Footprint-Daten mit den detaillierten Nutzungskostendaten aus Cloud Billing zusammenführen. Verwenden Sie dazu die gemeinsamen Dimensionen „Rechnungskonto-ID“, „Projekt“, „Produkt“, „Region“ und „Monat“.

  3. Emissionen auf Ressourcenebene schätzen: Sie können Daten zu CO₂-Emissionen (zusammengefasst nach Abrechnungskonto-ID, Projekt, Produkt, Region und Monat) auf einzelne Ressourcenebenen herunterbrechen. Diese Schätzung kann durchgeführt werden, indem die Emissionen proportional auf der Grundlage des Beitrags der einzelnen Ressourcen zu den Listenkosten innerhalb einer bestimmten Rechnungskonto-ID, eines bestimmten Projekts, Produkts, einer bestimmten Region und eines bestimmten Monats verteilt werden. Wenn Sie „cost_at_list“ verwenden, werden die Nebenwirkungen potenzieller Preisnachlässe vermieden. Implementieren Sie Validierungsschritte, um eine mögliche doppelte Erfassung von Emissionen zu erkennen und zu vermeiden.

Wichtiger Hinweis: Die mit dieser kostenbasierten Verteilung geschätzten Emissionen auf Ressourcenebene sind Näherungswerte, da sowohl die Kosten als auch die Emissionen mit der Nutzung skalieren. Diese Methode ist zwar kein präzises Maß für die Auswirkungen einzelner Ressourcen, hilft aber, Ressourcen mit hoher Auslastung für die Optimierung zu priorisieren.

Ungefähre Emissionsdaten auf Tag- oder Labelebene

  1. Daten nach BigQuery exportieren: Sie können Daten zum CO₂-Fußabdruck und Standardnutzungskosten von Cloud Billing nach BigQuery exportieren.

  2. Datasets zusammenführen: Fassen Sie zuerst die stündlichen Standardnutzungskostendaten von Cloud Billing auf Monatsebene zusammen, gruppiert nach Rechnungskonto-ID, Projekt, Produkt, Tag oder Labels und Region, bevor Sie sie zusammenführen. Anschließend können Sie die exportierten CO₂-Fußabdruckdaten mit den standardmäßigen Nutzungskostendaten von Cloud Billing zusammenführen. Verwenden Sie dazu die gemeinsamen Dimensionen „Rechnungskonto-ID“, „Projekt“, „Produkt“, „Region“ und „Monat“.

  3. Emissionen auf Tag- oder Labelebene schätzen: Aggregieren Sie die Emissionsdaten im zusammengeführten Datensatz nach Tags oder Labels und anderen Dimensionen nach Bedarf.

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

Nächste Schritte