Dans le cadre d'efforts globaux pour lutter contre le changement climatique, la précision dans le calcul de l'empreinte carbone des institutions est devenue une priorité urgente. Ce projet tire parti de GES 1point5, une initiative de Labos 1point5, pour illustrer un modèle exhaustif de suivi et d'analyse de l'empreinte carbone. En utilisant un laboratoire fictif comme étude de cas, le projet vise à montrer comment les données environnementales peuvent être systématiquement analysées pour révéler l'impact direct des activités humaines sur l'émission des gaz à effet de serre.
L'objectif était double : premièrement, démontrer la capacité à collecter, nettoyer, et analyser des données environnementales complexes; et deuxièmement, produire une série de visualisations significatives qui mettent en évidence les zones critiques d'émissions de GES au sein d'un établissement fictif. À travers ce processus, le projet cherche à établir un modèle reproductible que d'autres institutions pourraient suivre pour évaluer et minimiser leur propre empreinte carbone.
Ce projet illustre non seulement l'application pratique des compétences en analyse de données pour résoudre des problèmes environnementaux, mais souligne également l'importance de la transparence et de la responsabilité dans la gestion de l'empreinte carbone des institutions. En fournissant un modèle détaillé pour le calcul et la visualisation de l'empreinte carbone, ce projet vise à inspirer une action environnementale proactive au sein des communautés scientifiques et au-delà.
à travers l'utilisation stratégique de Power BI, Excel, et R, ce projet démontre comment les données environnementales, souvent complexes et volumineuses, peuvent être transformées en insights clairs et actionnables, ouvrant la voie à des initiatives de durabilité plus éclairées et efficaces.
Dans le cadre du projet, j'ai adopté une méthodologie structurée et rigoureuse pour transformer des données brutes en insights significatifs. Voici le déroulement détaillé du processus que j'ai suivi :
1. Importation des Données
L'importation des données constitue la fondation de tout projet analytique. J'ai extrait des données depuis une diversité de sources pour assurer une base complète et représentative.
2. Nettoyage et Traitement des Données avec Power Query
J'ai utilisé Power Query pour épurer les données, en éliminant les incohérences et en préparant un terrain fiable pour les analyses.
3. Modélisation des Données avec Power BI Desktop
Dans Power BI Desktop, j'ai construit un modèle de données robuste, établissant des relations et des mesures calculées pour une analyse précise.
4. Création de Visualisations d'Analyses de Données
La visualisation est l'art de transformer les données en récits visuels. J'ai élaboré des graphiques et tableaux de bord interactifs pour révéler des insights cachés.
5. Publication et Partage du Rapport
Le partage des insights est important. J'ai publié mes rapports sur le service Power BI, permettant ainsi aux utilisateurs d'accéder à des analyses interactives en temps réel.
Chaque étape a été minutieusement exécutée pour garantir que les résultats finaux ne soient pas seulement précis, mais aussi intuitifs et influents dans la prise de décision stratégique.
Explication sur la récuperation des données,les extractions, transformation et chargement des données
Récupération des Données
Source des Données : Les données ont été extraites du site Web -> Labos 1.5,
, une plateforme dédiée à la mesure et à l'analyse des émissions de gaz à effet de serre (GES) dans le secteur de la recherche. Ce site a été choisi pour sa richesse en données pertinentes et sa crédibilité dans le domaine de la recherche sur le climat.
Procédure d'Extraction : À partir de cette source, des fichiers au format TSV (Tab-Separated Values) ont été extraits. Cette opération a été réalisée en naviguant sur le site pour identifier les sections contenant les données d'émission de GES pertinentes pour notre étude, puis en utilisant les fonctionnalités du site pour télécharger ces données sous forme de fichiers TSV.
Transformation et Chargement des Données
Outils Utilisés : Pour traiter, transformer et analyser les données extraites, les outils Power BI et Excel ont été employés. Power BI a servi à la transformation des données et à leur préparation pour l'analyse, tandis qu'Excel a été utilisé pour des manipulations supplémentaires et pour la visualisation de données spécifiques.
Étapes de Transformation :
Chargement dans les Outils d'Analyse : Une fois les données nettoyées et transformées, elles ont été chargées dans Power BI pour des analyses approfondies et dans Excel pour la création de tableaux et de graphiques explicatifs.
Actions possibles des laboratoires pour améliorer ces resultats: Concentration des efforts de réduction sur les principales catégories émettrices et amélioration des pratiques d'achats et d'usage de matériel.
Actions possibles des laboratoires pour améliorer ces resultats: Mise en œuvre d'initiatives d'efficacité énergétique et obtention de mesures précises sur les facteurs influents comme l'occupation.
Le tableau de bord adapté au mobile démontre la flexibilité et l'accessibilité des données, permettant un suivi et une intervention rapides.
Actions possibles des laboratoires pour améliorer ces resultats : Utilisation de la surveillance mobile pour un suivi en temps réel des émissions et pour engager les parties prenantes grâce à la facilité d'accès aux données.
Ces actions peuvent conduire à une réduction significative des émissions de CO2 du laboratoire, promouvoir la durabilité, et potentiellement conduire à des économies à long terme grâce à une utilisation plus efficace des ressources.