Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Criar um painel ou uma análise personalizada para seus dados de pegada de carbono
Além da visualização padrão e da exportação de dados da Pegada de carbono, você pode criar painéis e análises personalizados usando os dados exportados. Essa flexibilidade permite a visualização e a granularidade personalizadas dos dados, gerando insights mais aprofundados para otimizar o gerenciamento da pegada de carbono de acordo com seus requisitos específicos.
Usar as Planilhas Google
Siga estas etapas para criar um painel personalizado para seus dados de pegada de carbono usando as Planilhas Google.
Siga estas etapas para criar um painel Looker personalizado para seus dados de pegada de carbono.
Essa opção é recomendada se você já for cliente do Looker.
Estimar dados de emissões com granularidade diferente ao mesclar dados da Pegada de carbono com dados do Cloud Billing
É possível combinar os dados de exportação da Pegada de carbono com os dados de exportação do Cloud Billing para conferir as emissões de carbono em diferentes níveis de granularidade. Isso permite a análise em
níveis personalizados de rótulo, tag ou recurso, apoiando a identificação
de áreas para reduzir o impacto ambiental. Siga estas etapas
para aproximar os dados de emissões no nível da instância e os dados de emissões no nível da tag ou do rótulo.
Dados aproximados de emissões no nível da instância
Mesclar conjuntos de dados: antes de mesclar, agregue os dados detalhados de custo de uso do Cloud Billing por hora ao nível mensal, agrupados por ID da conta de faturamento, projeto, produto, recurso e região. Em seguida, una os dados exportados da Pegada de carbono com os dados de custo de uso detalhado do Cloud Billing usando as dimensões comuns de ID da conta de faturamento, projeto, produto, região e mês.
Emissões estimadas no nível do recurso: divida os dados de emissões de carbono (agregados por ID da conta de faturamento, projeto, produto, região e mês) no nível do recurso individual. Essa estimativa pode ser realizada distribuindo proporcionalmente as emissões com base na contribuição de cada recurso para o custo na lista em qualquer ID de conta de faturamento, projeto, produto, região e mês. O uso de cost_at_list evita o efeito colateral de possíveis descontos de preços. Implemente etapas de validação para identificar e mitigar qualquer possível contagem dupla de emissões.
Observação importante: as emissões no nível do recurso estimadas usando essa distribuição baseada em custos são aproximações, já que os custos e as emissões variam com o uso. Embora não seja uma medida precisa do impacto de recursos individuais, esse método ajuda a priorizar recursos de uso intenso para otimização.
Dados de emissões aproximadas no nível da tag ou do rótulo
Mesclar conjuntos de dados: primeiro, agregue os dados de custo de uso padrão do Cloud Billing por hora ao nível mensal, agrupados por ID da conta de faturamento, projeto, produto, tag ou rótulos e região antes de mesclar. Em seguida, una os dados exportados da pegada de carbono com os dados de custo de uso padrão do Cloud Billing usando as dimensões comuns de ID da conta de faturamento, projeto, produto, região e mês.
Emissões estimadas no nível da tag ou do rótulo: com o conjunto de dados combinado, agregue dados de emissões por tag ou rótulos e outras dimensões conforme necessário.
Observação importante: as emissões no nível da tag ou do rótulo agregadas usando essa abordagem são aproximações e podem não refletir com precisão o consumo de energia e as emissões reais.
[[["Fácil de entender","easyToUnderstand","thumb-up"],["Meu problema foi resolvido","solvedMyProblem","thumb-up"],["Outro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Informações incorretas ou exemplo de código","incorrectInformationOrSampleCode","thumb-down"],["Não contém as informações/amostras de que eu preciso","missingTheInformationSamplesINeed","thumb-down"],["Problema na tradução","translationIssue","thumb-down"],["Outro","otherDown","thumb-down"]],["Última atualização 2025-09-03 UTC."],[[["\u003cp\u003eLearn how to create a custom dashboard for your Carbon Footprint data using Google Sheets, involving exporting data, using pivot tables, and creating charts.\u003c/p\u003e\n"],["\u003cp\u003eDiscover how to build a custom report in Looker Studio for your Carbon Footprint data by exporting to BigQuery, creating a report, connecting to BigQuery, and adding charts.\u003c/p\u003e\n"],["\u003cp\u003eExplore the process of creating a custom dashboard in Looker for existing Looker customers, which involves exporting data to BigQuery and installing the Carbon Footprint block.\u003c/p\u003e\n"],["\u003cp\u003eYou can further understand the data by understanding the data schema and methodology behind Carbon Footprint.\u003c/p\u003e\n"]]],[],null,["# Create a custom dashboard or analysis for your Carbon Footprint data\n====================================================================\n\nBeyond Carbon Footprint's default view and data export, you can create custom dashboards and analyses using the exported data. This flexibility allows for tailored data visualization and granularity, enabling deeper insights to optimize your carbon footprint management according to your specific requirements.\n\nUsing Google Sheets\n-------------------\n\nFollow these steps to create a custom dashboard for your\nCarbon Footprint data using [Google Sheets](https://www.google.com/sheets/about/).\n\n1. [Export your entire carbon footprint to a sheet](/carbon-footprint/docs/export#sheets)\n2. Use a [pivot table](https://support.google.com/docs/answer/1272900) to create custom reporting on your exported data.\n3. Create a [chart](https://support.google.com/docs/answer/63824) to visualize the results of the pivot table.\n\nUse Looker Studio\n-----------------\n\nFollow these steps to create a custom [Looker Studio](https://lookerstudio.google.com/)\nreport for your Carbon Footprint data.\n\n1. [Export your carbon footprint to BigQuery](/carbon-footprint/docs/export)\n2. [Create a new Looker Studio report](https://support.google.com/looker-studio/answer/6292570)\n3. [Connect to BigQuery](https://support.google.com/looker-studio/answer/6370296) by selecting the dataset you previously chose when configuring the Carbon Footprint export.\n4. [Add charts to your report](https://support.google.com/looker-studio/answer/6293184) using the data source created in the previous step.\n\nUse Looker\n----------\n\nFollow these steps to create a custom [Looker](https://looker.com/)\ndashboard for your Carbon Footprint data.\nThis option is recommended if you are an existing Looker customer.\n\n1. [Export your carbon footprint to BigQuery](/carbon-footprint/docs/export)\n2. Install the [Carbon Footprint block](https://marketplace.looker.com/marketplace/detail/carbon)\n\nEstimate emissions data at different granularity by joining Carbon Footprint data with Cloud Billing data\n---------------------------------------------------------------------------------------------------------\n\nYou can combine your Carbon Footprint export data with your\nCloud Billing export data to view your carbon\nYou can combine your Carbon Footprint export data with your\nCloud Billing export data to view your carbon\nemissions at different levels of granularity. This allows for analysis at\ncustomized label, tag, or resource levels, supporting the identification\nof areas for reducing your environmental impact. You can follow these steps\nto approximate either instance-level emissions data and tag or label level\nemissions data.\n\n### Approximate instance-level emissions data\n\n1. **Export Data to BigQuery** : Export [Carbon Footprint data](/carbon-footprint/docs/export) and [Cloud Billing **detailed** usage cost data](/billing/docs/how-to/export-data-bigquery-tables/detailed-usage) to BigQuery respectively.\n\n2. **Join Datasets** : First, aggregate the hourly Cloud Billing detailed usage cost data to the monthly level, grouped by billing account ID, project, product, resource, and region before joining. Then join exported Carbon Footprint data with [Cloud Billing **detailed** usage cost data](/billing/docs/how-to/export-data-bigquery-tables/detailed-usage) using the common dimensions of billing account ID, project, product, region, and month.\n\n3. **Estimate Resource-Level Emissions**: Break down carbon emissions data (aggregated by billing account ID, project, product, region, and month) to the individual resource level. This estimation can be performed by proportionally distributing the emissions based on each resource's contribution to the cost at list within any given billing account ID, project, product, region, and month. Using cost_at_list avoids side effect of potential pricing discounts. Implement validation steps to identify and mitigate any potential double counting of emissions.\n\n**Important Note**: Resource-level emissions estimated using this cost-based distribution are approximations, as both cost and emissions scale with usage. While not a precise measure of individual resource impact, this method helps prioritize high-usage resources for optimization.\n\n### Approximate tag or label level emissions data\n\n1. **Export Data to BigQuery** : Export [Carbon Footprint data](/carbon-footprint/docs/export) and [Cloud Billing **standard** usage cost data](/billing/docs/how-to/export-data-bigquery-tables/standard-usage) to BigQuery respectively.\n\n2. **Join Datasets** : First, aggregate the hourly Cloud Billing standard usage cost data to the monthly level, grouped by billing account ID, project, product, **tag** or **labels** , and region before joining. Then join exported Carbon Footprint data with [Cloud Billing **standard** usage cost data](/billing/docs/how-to/export-data-bigquery-tables/standard-usage) using the common dimensions of billing account ID, project, product, region, and month.\n\n3. **Estimate Tag-Level or Label-level Emissions** : With the joined dataset, aggregate emissions data by **tag** or **labels** and other dimensions as needed.\n\n**Important Note**: Tag-Level or label-level emissions aggregated using this approach are approximations and may not accurately reflect the actual energy consumption and emissions.\n\nWhat's next?\n------------\n\n- [Read about the data schema used in the export](/carbon-footprint/docs/data-schema).\n- [Understand the methodology behind Carbon Footprint](/carbon-footprint/docs/methodology)"]]
