Prevedere i cambiamenti delle pratiche aziendali per le emissioni con l'analisi what-if (anteprima)
Nota
Questa funzionalità è inclusa in Microsoft Sustainability Manager Premium.
L'analisi what-if è un modello di intelligenza artificiale personalizzato che ti consente di prevedere l'impatto di diversi cambiamenti nelle pratiche aziendali sull'impronta delle emissioni di carbonio della tua organizzazione. Ti aiuta a creare strategie di riduzione del carbonio più informate e ad accelerare i tuoi obiettivi di sostenibilità complessivi. Ad esempio, puoi prevedere l'impatto del passaggio a fonti di energia rinnovabile, come l'energia eolica o solare, o del cambio di fornitore attraverso fattori specifici del fornitore.
In questo articolo viene illustrato come creare una previsione di analisi what-if. Fornisce inoltre considerazioni, dettagli e informazioni per aiutarti a ottenere il massimo dalla tua previsione.
In questa puntata di Let's Talk Sustainability Video viene illustrato come utilizzare l'analisi what-if:
Considerazioni importanti
Tieni a mente queste considerazioni durante la creazione del tuo scenario di previsione.
È possibile sovrapporre da una a tre strategie all'interno di un singolo scenario utilizzando il campo Numero di scenari.
Il campo Variabili è a selezione multipla e consente di scegliere i dati o le quantità di cui si desidera prevedere la modifica. Ad esempio, puoi scegliere di modificare le opzioni Costo, Distanza e Quantità di merci da trasportare come parte del tuo scenario 4. Trasporto e distribuzione upstream.
Ogni scenario richiede i seguenti campi:
- Nome
- Unità organizzativa
- Tipo di dati
- Modello di calcolo
- AR versione
- Numero di strategie
- Variabili
Facilità non è un campo obbligatorio, ma puoi utilizzarlo per restringere ulteriormente i dati per la tua previsione.
Creare una previsione di analisi what-if
Per iniziare a usare l'analisi what-if, effettua i seguenti passaggi:
Nel riquadro di spostamento, seleziona Analisi what-if.
Nella pagina Analisi what-if, seleziona Nuovo scenario.
Nel riquadro Nuovo scenario What-if, immetti i dettagli seguenti:
- Nome
- Unità organizzativa
- Tipo di dati
- Modello di calcolo
- AR versione
Successivamente, seleziona il numero di strategie che desideri sovrapporre tramite il campo Numero di strategie.
Quindi seleziona le Variabili di cui vuoi prevedere la modifica come parte della tua strategia o delle tue strategie. Per prima cosa devi inserire i valori storici di queste variabili, che rappresentano la strategia attuale adottata dalla tua organizzazione. Ad esempio, se stai prevedendo l'impatto della modifica della tua flotta di veicoli a combustione mobile, devi prima inserire il veicolo attuale e il tipo di carburante in Strategia attuale.
Dopo aver completato il modulo, seleziona Salva e chiudi.
Seleziona lo scenario creato, quindi seleziona Esegui scenario. Una volta completato il processo relativo allo scenario, riceverai una notifica in-app che ti avvisa dei risultati, con un collegamento ipertestuale per visualizzarli. Questa pagina visualizza i dettagli dello scenario e un grafico con i dati storici e le previsioni di strategie associate.
Nota
La lunghezza dell'orizzonte di previsione del tuo scenario si basa sulla quantità di dati storici apportata. Come regola generale, l'orizzonte di previsione sarà sempre circa la metà del tuo dati storici. Ad esempio, se si hanno due anni di dati storici a intervalli di un mese, allora ci si può aspettare di vedere un orizzonte di previsione di un anno allo stesso intervallo interno.
Scenari supportati
Ogni scenario presenta diversi livelli di personalizzazione che consentono di adattare la previsione ai dati e alle esigenze della tua organizzazione usando le variabili. Questa tabella elenca tutte le variabili disponibili per ciascun tipo di dati.
| Categoria scenario | Variabili disponibili |
|---|---|
| Processo industriale | - Costo - Quantità di merci - Tipo di processo industriale - Tipo di spesa - Quantità |
| Combustione mobile | - Costo - Distanza - Quantità di carburante - Tipo di carburante - Quantità di merci - Tipo di processo industriale - Quantità - Tipo di spesa - Tipo di veicolo |
| Combustione stazionaria | - Costo - Tasso di conversione energetica - Quantità di carburante - Tipo di carburante - Quantità di merci - Tipo di processo industriale - Quantità - Tipo di spesa |
| Raffreddamento acquistato | - Tipo di strumento contrattuale - Costo - Quantità di merci - Rinnovabile - Quantità - Tipo di spesa |
| Elettricità acquistata | - Tipo di strumento contrattuale - Costo - Quantità di merci - Rinnovabile - Quantità - Tipo di spesa |
| Calore acquistato | - Tipo di strumento contrattuale - Costo - Quantità di merci - Rinnovabile - Quantità - Tipo di spesa |
| Vapore acquistato | - Tipo di strumento contrattuale - Costo - Quantità di merci - Rinnovabile - Quantità - Tipo di spesa |
| 1. Beni e servizi acquistati | - Costo - Quantità di merci - Tipo di processo industriale - Quantità - Tipo di spesa |
| 2. Beni d'investimento | - Costo - Tipo di processo industriale - Quantità - Tipo di spesa |
| 4. Trasporto e distribuzione upstream | - Costo - Distanza - Quantità di carburante - Tipo di carburante - Quantità di merci - Tipo di processo industriale - Quantità - Tipo di spesa - Modalità di trasporto - Tipo di trasporto e distribuzione - Tipo di veicolo |
| 5. Rifiuti generati nelle operazioni | - Costo - Metodo di smaltimento - Distanza - Quantità di carburante - Tipo di processo industriale - Materiale - Quantità - Tipo di spesa - Modalità di trasporto - Quantità rifiuti |
| 6. Viaggio di lavoro | - Tipo di viaggio di lavoro - Costo - Distanza - Quantità di carburante - Tipo di processo industriale - Quantità - Tipo di veicolo |
| 7. Mobilità dipendenti | - Costo - Distanza - Tipo di mobilità dipendenti - Quantità di carburante - Tipo di carburante - Tipo di processo industriale - Quantità - Tipo di veicolo |
| 9. Trasporto e distribuzione downstream | - Costo - Distanza - Quantità di carburante - Tipo di carburante - Quantità di merci - Tipo di processo industriale - Quantità - Tipo di spesa - Modalità di trasporto - Tipo di trasporto e distribuzione - Tipo di veicolo |
| 12. Trattamento di fine del ciclo di vita dei prodotti venduti | - Costo - Metodo di smaltimento - Distanza - Quantità di carburante - Tipo di processo industriale - Materiale - Quantità - Tipo di spesa - Modalità di trasporto |
Nota
Per calcolare i tassi di conversione energetica per lo scenario di combustione stazionaria, dividi il contenuto energetico del tuo combustibile esistente per il contenuto energetico del combustibile per il quale desideri eseguire la previsione. In alternativa, potresti anche utilizzare valori di riscaldamento. Ad esempio, se il contenuto energetico del combustibile esistente è 33 MJ/kg e quello nuovo è 38 MJ/kg, il tasso di conversione energetica è di circa 0,87.
Nota
Quando si prevede l'impatto del passaggio dall'energia non rinnovabile a quella rinnovabile, bisogna assicurarsi di scegliere un modello di calcolo che supporti sia i calcoli delle fonti energetiche rinnovabili che di quelle non rinnovabili. Il modo più semplice è usare un operatore di condizione nel campo Rinnovabile.
Aspetti previsionali
Strategia esistente : La previsione della strategia attuale è una panoramica delle emissioni previste se non si modificasse nulla nel modo attuale in cui si generano le emissioni per quella categoria. Ad esempio, se si prevede l'impatto del passaggio da carbone a biocarburante per un particolare struttura, la previsione della strategia esistente rappresenta le emissioni previste derivanti dal continuare a utilizzare il carbone.
Nuove strategie : La previsione della nuova strategia è una panoramica delle emissioni previste se si passasse alla nuova strategia aziendale rappresentata dallo scenario previsto. Ad esempio, se si prevede l'impatto del passaggio da carbone a biocarburante per un particolare struttura, la nuova previsione della strategia rappresenta le emissioni previste del passaggio al biocarburante. A seconda di come imposti lo scenario, puoi avere da una a tre nuove strategie da esplorare.
previsione intervalli : Gli intervalli previsione rappresentano la stima di un intervallo in cui un'osservazione futura cade con una certa probabilità (utilizziamo una confidenza del 95%), dato l'intervallo dati storici. Gli intervalli di previsione rappresentano essenzialmente l'incertezza associata a una previsione.
Errori nel modello e messaggi informativi
Questa sezione descrive gli errori o i problemi che potresti riscontrare con le previsioni.
Sono state apportate alcune rettifiche per generare questa previsione
Passaggio a un metodo di previsione di fallback : Utilizziamo un metodo di previsione di fallback nel caso in cui il numero di punti dati storici e/o la qualità dei dati richiesti per adattare i modelli (S)ARIMA o ETS siano insufficienti. Sono due i casi specifici in cui si rende necessario passare ad una metodologia di fallback:
- Troppi punti dati mancanti in una serie temporale di dati storici altrimenti distribuiti in modo relativamente uniforme
- Dati storici distribuiti in modo irregolare
Controllo uniformità dati e adeguamento frequenza : Prima di effettuare la previsione, i dati vengono aggregati a livello mensile per generare una base di riferimento mensile e una previsione ipotetica. Tuttavia, se al momento dell'aggregazione i dati non presentano una cadenza mensile relativamente uniforme, si tenta un'ulteriore aggregazione a due, tre, quattro o sei mesi. Se non è possibile per le serie raggiungere una relativa uniformità con questi aggiustamenti, per la previsione viene utilizzato un modello di fallback più semplice.
Impossibile generare la previsione
I dati storici sono troppo scarsi : Per garantire una previsione corretta, richiediamo che il tuo dati storici abbia una frequenza di almeno un punto dati ogni sei mesi. Se i dati sono più sparsi di tale intervallo, la previsione non riesce.
Nessuno o troppo pochi punti dati storici : I modelli di previsione dell'analisi what-if richiedono almeno sei punti dati (dopo l'adeguamento della frequenza, descritto in precedenza in Controllo uniformità dati e adeguamento frequenza) per generare correttamente una previsione.
Modelli di previsione delle serie temporali supportati
Sustainability Manager supporta modelli di previsione di serie temporali univariate (S)ARIMA (Seasonal) Auto Regressive Integrated Moving Average e ETS (Error Trend Seasonality) per la generazione di previsioni sui dati relativi all'attività. Il framework di selezione del modello seleziona il miglior modello di previsione in base ai dati storici dell'attività. Le previsioni a livello di attività generate passano attraverso il modello di calcolo per essere trasformate in previsioni a livello di emissioni.
ARIMA ed ETS sono i metodi di previsione delle serie temporali più utilizzati. I modelli ETS si basano sulle descrizioni della tendenza e della stagionalità nei dati, mentre i modelli ARIMA descrivono le autocorrelazioni nei dati. Per saperne di più su questi modelli, fai riferimento a Capitolo 7 (Livellamento esponenziale) e Capitolo 8 (Modelli ARIMA) del manuale Previsioni: principi e pratica.
In alcune occasioni, ad esempio quando i dati storici sono troppo pochi o molto irregolari, viene selezionato un semplice modello di fallback anziché il modello ARIMA o ETS.
