通过 what-if 分析预测您的排放的业务实践变化（预览）

项目
10/02/2024

备注

此功能包含在 Microsoft Sustainability Manager Premium 中。

What-if 分析是一个自定义的 AI 模型，允许您预测多项业务实践变化对组织的碳排放足迹的影响。它可以帮助您创建更明智的碳减排策略，并加快您的整体可持续发展目标。例如，您可以预测切换到可再生能源（如风能或太阳能）的影响，或通过供应商特定因素切换供应商。

本文说明了如何创建 what-if 分析预测。另外还提供了注意事项、详细信息和信息，以帮助您充分利用预测。

以下视频演示了如何使用文档分析和 what-if 分析：

重要考虑因素

创建预测场景时，请牢记以下注意事项。

您可以使用场景数量字段在单个场景中对一到三个策略进行分层。
变量字段是多选字段，允许您选择要预测变化的数据或数量。例如，您可以选择修改作为 4. 上游运输与配送场景的一部分传输的成本、距离和货物数量。
每个场景都需要以下字段：
- 姓名
- 部门
- 数据类型
- 计算模型
- AR 版本
- 策略数量
- 变量
设施不是必需字段，但您可以使用它来进一步缩小预测的数据范围。

创建 what-if 分析预测

要开始使用 what-if 分析，请执行以下步骤：

在导航窗格中，选择假设分析。
在假设分析页上，选择新建场景。
在新建假设场景窗格中，输入以下详细信息：
- 姓名
- 部门
- 数据类型
- 计算模型
- AR 版本
接下来，在策略数量字段中选择要分层的策略数量。
然后，选择您想要预测变化的变量作为您策略的一部分。您首先需要输入这些变量的历史值，这些值表示您的组织正在使用的当前策略。例如，如果您在预测更换移动燃烧源车辆的影响，您首先需要在当前策略下输入当前车辆和燃料类型。

完成此窗体后，选择保存并关闭。
选择您创建的场景，然后选择运行场景。场景作业完成后，您会收到应用内通知，提醒您结果，并带有将您引向这些结果的超链接。此页面显示您的场景详细信息以及可视化历史数据和相关策略预测的图表。

备注

您的场景预测范围的长度取决于引入的历史数据量。一般来说，您的预测范围始终是您历史数据的一半左右。例如，如果您有两年的历史数据，数据间隔为一个月，那么您可以看到一年预测范围，间隔相同。

支持的应用场景

每个场景有不同级别的可自定义性，让您能够根据组织的数据和需求使用变量定制预测。此表列出了每个数据类型的所有可用变量。

场景类别	可用变量
工业流程	- 成本 - 货物数量 - 工业流程类型 - 支出类型 - 数量
移动燃烧源	- 成本 - 距离 - 燃料数量 - 燃料类型 - 货物数量 - 工业流程类型 - 数量 - 支出类型 - 车辆类型
固定燃烧源	- 成本 - 能源转化率 - 燃料数量 - 燃料类型 - 货物数量 - 工业流程类型 - 数量 - 支出类型
采购的制冷	- 合同票据类型 - 成本 - 货物数量 - 是否可再生 - 数量 - 支出类型
采购的电力	- 合同票据类型 - 成本 - 货物数量 - 是否可再生 - 数量 - 支出类型
采购的供热	- 合同票据类型 - 成本 - 货物数量 - 是否可再生 - 数量 - 支出类型
采购的蒸汽	- 合同票据类型 - 成本 - 货物数量 - 是否可再生 - 数量 - 支出类型
1. 采购货物和服务	- 成本 - 货物数量 - 工业流程类型 - 数量 - 支出类型
2. 资本货物	- 成本 - 工业流程类型 - 数量 - 支出类型
4. 上游运输与配送	- 成本 - 距离 - 燃料数量 - 燃料类型 - 货物数量 - 工业流程类型 - 数量 - 支出类型 - 运输方式 - 运输与配送类型 - 车辆类型
5. 运营中产生的废料	- 成本 - 处理方法 - 距离 - 燃料数量 - 工业流程类型 - 材料 - 数量 - 支出类型 - 运输方式 - 废料数量
6. 商务差旅	- 商务差旅类型 - 成本 - 距离 - 燃料数量 - 工业流程类型 - 数量 - 车辆类型
7. 员工通勤	- 成本 - 距离 - 员工通勤类型 - 燃料数量 - 燃料类型 - 工业流程类型 - 数量 - 车辆类型
9. 下游运输与配送	- 成本 - 距离 - 燃料数量 - 燃料类型 - 货物数量 - 工业流程类型 - 数量 - 支出类型 - 运输方式 - 运输与配送类型 - 车辆类型
12. 已售产品的报废处理	- 成本 - 处理方法 - 距离 - 燃料数量 - 工业流程类型 - 材料 - 数量 - 支出类型 - 运输方式

备注

要为您的固定燃烧源场景计算能源转化率，将现有燃料的能量含量除以要预测的燃料的能量含量。或者，您可能还使用热值。例如，如果您现有燃料的能量含量为 33 MJ/kg，新燃料的能量含量为 38 MJ/kg，您的能源转化率约为 0.87。

备注

在预测从不可再生能源转向可再生能源的影响时，请确保您选择的计算模型同时支持不可再生能源和可再生能源的来源计算。最简单的方法是在为可再生字段上使用条件。

预测方面

现有策略：如果您不想对当前针对该类别生成排放的方法进行任何更改，现有策略预测是对您的预计排放量的看法。例如，如果您在预测某个设施从煤炭切换到生物燃料的影响，现有策略预测表示继续使用煤炭的预计排放量。
新策略：如果您要切换到由您的预测场景表示的新业务策略，新策略预测是对您的预计排放量的看法。例如，如果您在预测某个设施从煤炭切换到生物燃料的影响，新策略预测表示切换到生物燃料的预计排放量。根据您如何设置场景，您可以探索一到三个新策略。
预测间隔：预测间隔表示在给定历史数据的情况下，未来观测以一定概率（我们使用 95% 置信度）下降的间隔的估计值。预测间隔本质上表示与预测相关的不确定性。

对失败和信息性消息建模

本节解释您在预测中可能遇到的错误或问题。

为了生成此预测，我们做了一些调整

切换到备用预测方法：如果历史数据点的数量和/或适配 (S)ARIMA 或 ETS 模型所需的数据质量不足，我们将使用备用预测方法。有两种特定情况需要切换到备用方法：
- 在一个相对均匀分布的历史数据时序中有太多缺失的数据点
- 不规则间隔的历史数据
数据一致性检查和频率调整：在预测之前，您的数据将按月聚合，以生成月度基准和 what-if 预测。但是，如果在聚合后数据没有呈现出相对统一的月度节奏，将会尝试进一步聚合到两个月、三个月、四个月或六个月。如果在这些调整下，序列不可能实现相对一致性，将使用更简单的备用模型进行预测。