Crear un panel de control o un análisis personalizados para tus datos de huella de carbono

Además de la vista predeterminada y la exportación de datos de Huella de carbono, puede crear paneles de control y análisis personalizados con los datos exportados. Esta flexibilidad permite personalizar la visualización y la granularidad de los datos, lo que proporciona información más detallada para optimizar la gestión de tu huella de carbono según tus requisitos específicos.

Usar Hojas de cálculo de Google

Sigue estos pasos para crear un panel de control personalizado con tus datos de huella de carbono mediante Hojas de cálculo de Google.

  1. Exportar toda tu huella de carbono a una hoja
  2. Usa una tabla dinámica para crear informes personalizados con los datos exportados.
  3. Crea un gráfico para visualizar los resultados de la tabla dinámica.

Usar Looker Studio

Sigue estos pasos para crear un informe de Looker Studio personalizado con tus datos de huella de carbono.

  1. Exportar tu huella de carbono a BigQuery
  2. Crear un informe de Looker Studio
  3. Conéctate a BigQuery seleccionando el conjunto de datos que elegiste al configurar la exportación de huella de carbono.
  4. Añade gráficos a tu informe con la fuente de datos que has creado en el paso anterior.

Usar Looker

Sigue estos pasos para crear un panel de control de Looker personalizado con tus datos de huella de carbono. Recomendamos esta opción si ya eres cliente de Looker.

  1. Exportar tu huella de carbono a BigQuery
  2. Instalar el bloque Huella de carbono

Estimar los datos de emisiones con diferentes niveles de detalle combinando los datos de Huella de carbono con los datos de Facturación de Cloud

Puedes combinar los datos de exportación de Huella de carbono con los de Facturación de Cloud para ver tus emisiones de carbono con diferentes niveles de granularidad. Esto permite analizar las etiquetas, los recursos o los niveles personalizados, lo que ayuda a identificar las áreas en las que se puede reducir el impacto medioambiental. Puedes seguir estos pasos para aproximar los datos de emisiones a nivel de instancia y los datos de emisiones a nivel de etiqueta.

Datos aproximados de emisiones a nivel de instancia

  1. Exportar datos a BigQuery: exporta datos de huella de carbono y datos de costes de uso detallados de Facturación de Cloud a BigQuery respectivamente.

  2. Unir conjuntos de datos: primero, agrega los datos de costes de uso detallados de Cloud Billing por horas a nivel mensual, agrupados por ID de cuenta de facturación, proyecto, producto, recurso y región antes de unirlos. A continuación, combina los datos de Huella de carbono exportados con los datos de costes de uso detallados de Facturación de Cloud mediante las dimensiones comunes de ID de cuenta de facturación, proyecto, producto, región y mes.

  3. Estimar las emisiones a nivel de recurso: desglosa los datos de emisiones de carbono (agregados por ID de cuenta de facturación, proyecto, producto, región y mes) hasta el nivel de recurso individual. Esta estimación se puede realizar distribuyendo proporcionalmente las emisiones en función de la contribución de cada recurso al coste de lista en un ID de cuenta de facturación, proyecto, producto, región y mes determinados. Si usa cost_at_list, evitará el efecto secundario de los posibles descuentos en los precios. Implementa pasos de validación para identificar y mitigar cualquier posible doble recuento de emisiones.

Nota importante: Las emisiones a nivel de recurso estimadas mediante esta distribución basada en costes son aproximaciones, ya que tanto los costes como las emisiones se escalan en función del uso. Aunque no es una medida precisa del impacto de los recursos individuales, este método ayuda a priorizar los recursos de alto uso para optimizarlos.

Datos de emisiones aproximados a nivel de etiqueta

  1. Exportar datos a BigQuery: exporta los datos de huella de carbono y los datos de costes de uso estándar de Facturación de Cloud a BigQuery respectivamente.

  2. Unir conjuntos de datos: primero, agrega los datos de costes de uso estándar de Cloud Billing por horas a nivel mensual, agrupados por ID de cuenta de facturación, proyecto, producto, etiqueta o etiquetas y región antes de unirlos. A continuación, combina los datos de huella de carbono exportados con los datos de costes de uso estándar de Facturación de Cloud usando las dimensiones comunes de ID de cuenta de facturación, proyecto, producto, región y mes.

  3. Estimar las emisiones a nivel de etiqueta o de etiqueta: con el conjunto de datos combinado, agrega los datos de emisiones por etiqueta o etiquetas y otras dimensiones según sea necesario.

Nota importante: Las emisiones agregadas a nivel de etiqueta o de etiqueta mediante este método son aproximaciones y es posible que no reflejen con precisión el consumo de energía y las emisiones reales.

Siguientes pasos