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

En plus de la vue par défaut et de l'exportation des données de l'empreinte carbone, vous pouvez créer des tableaux de bord et des analyses personnalisés à l'aide des données exportées. Cette flexibilité permet d'adapter la visualisation et la granularité des données, ce qui offre des insights plus détaillés 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 sur l'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 Looker Studio

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

  1. Exporter votre empreinte carbone vers BigQuery
  2. Créer un rapport Looker 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

Suivez ces étapes pour créer un tableau de bord Looker personnalisé pour vos données sur l'empreinte carbone. 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 sur l'empreinte carbone aux données Cloud Billing

Vous pouvez combiner vos données d'exportation d'empreinte carbone avec vos données d'exportation Cloud Billing pour afficher vos émissions de carbone à différents niveaux de précision. Cela permet d'effectuer des analyses au niveau des libellés, des balises ou des ressources personnalisés, ce qui permet d'identifier les domaines dans lesquels réduire votre impact environnemental. Vous pouvez suivre ces étapes pour estimer les données sur les émissions au niveau de l'instance et les données sur les émissions au niveau des tags ou des libellés.

Données approximatives sur les émissions au niveau de l'instance

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

  2. Joindre des ensembles de données: commencez par agréger les données de coût d'utilisation détaillé Cloud Billing par heure au niveau mensuel, regroupées par ID de compte de facturation, projet, produit, ressource et région, avant de les joindre. Associez ensuite les données d'empreinte carbone exportées aux données de coût d'utilisation détaillées de Cloud Billing à l'aide des dimensions communes suivantes : 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. Pour effectuer cette estimation, vous pouvez répartir proportionnellement les émissions en fonction de la contribution de chaque ressource au coût catalogue pour un ID de compte de facturation, un projet, un produit, une région et un mois donnés. L'utilisation de cost_at_list évite les effets secondaires des remises tarifaires potentielles. Mettez en œuvre des étapes de validation pour identifier et atténuer toute double comptabilisation potentielle 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 à des fins d'optimisation.

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

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

  2. Joindre des ensembles de données: commencez par agréger les données de coût d'utilisation standard Cloud Billing par heure au niveau mensuel, regroupées par ID de compte de facturation, projet, produit, tag ou libellé, et région avant de les joindre. Ensuite, joignez les données d'empreinte carbone exportées aux données de coût d'utilisation standard de Cloud Billing à l'aide des dimensions communes suivantes : ID du compte de facturation, projet, produit, région et 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 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 ne reflètent pas nécessairement la consommation d'énergie et les émissions réelles.

Étape suivante