基于SAC对消费与生产进行分析和可视化展示

邬林松

（大连东软信息学院信息与商务管理学院，辽宁 大连 116000）

根据目前的空气污染调查显示来看，[1]当前，我国大部分城市都出现了雾霾天气，雾霾不仅危害人们身体健康，还造成一定的经济损失以及生活的诸多负面影响，根据研究调查表明，导致问题的直接源头就是人们的消费与生产模式。

世界卫生组织最新更新的城市空气质量数据库显示，[2]在全世界103个国家和地区的3000多个监测空气质量的城市中，80%以上的城市空气颗粒物（PMIO）和细颗粒物（PM2.5）污染水平超过了世界卫生组织（世卫组织）建议的标准。显然，世界卫生组织的监测数据向我们揭示了一个令人震惊的事实——全球城市空气污染已经非常严重，环境问题是国际关系中的一个非传统安全问题，由于空气污染的扩散性和远距离迁移性，它已成为国际合作的焦点。空气污染不仅是经济社会发展的产物，是人们消费和生产的产物，也是影响人类健康和经济社会可持续发展的重要因素，空气污染的跨界趋势已经成为世界各国政府应该处理和人们密切关注的社会问题。

一、SAP Analytics Cloud产品介绍

（一）产品简介

SAP Analytics Cloud（中文简称SAP分析云，缩写SAC）是SAP提供的一种SaaS（软件即服务）解决方案，用于各种企业业务场景下的数据分析、数据可视化、计划和预测。

在这个大数据时代，大规模、高纬度、非结构化的数据层出不穷，用传统的显示技术很难将这类数据以完美的可视化形式展现出来。SAC就是为解决这一问题而开发的，它具有大屏幕、纯色、高亮度、高分辨率等显示优势，结合实时数据渲染技术、数据可视化技术、实时图形化可视化数据、场景和实时交互，让用户更容易理解演示的数据和空间知识。此外，SAC工具的数据可视化可以帮助人们根据数据的特点找到合适的可视化方法，直观地呈现数据，而发现海量数据中包含的规律或信息，则有助于用户通过认知数据做出新的发现，发现这些数据所反映的本质。

（二）基本功能

SAC是基于SAP HANA Cloud Platform（SCP）构建的，因此SAC是天然和SCP集成在一起的，具有所有SaaS的特性，可帮助企业用户打通信息孤岛，实现由数据支持的最佳业务决策。它是一款非常易用的数据分析产品，用户通过简单地点击、拖拽等动作即可完成数据的连接、准备、分析和预测工作。SAC具有数据连接、数据准备、数据分析、数据预测、数字董事会等模块，可以通过一个个模块使得数据能够更好地达到可视化的效果。

其中，Model（模型）和Story（故事）是SAC中的两个最基本的概念，依据业务数据建立模型，在创建模型的过程中，可以对原始数据进行清洗和处理。然后基于模型建立故事，故事也是分析结果的展现形式，在故事中可以包括各种各样的可视化图表。

二、数据收集及处理

（一）数据收集

数据是开展可视化研究的基础。在收集消费与生产相关的数据中，可以选择国内、国际两个层面的三个方面进行数据收集及分析处理。

1.气候变化

随着工业生产的发展，温室气体的排放，全球温室效应变得越来越显著，全球的气候变化也客观的体现出当代人们消费与生产的现状。通过调查表明，欧非地区的气候变化尤为明显，我们通过对欧非气候数据的收集、清洗，从其平均气侯的差异来体现消费与生产的现状。

2.能源消费

根据调查统计显示，2014 年我国生活用能源消费中，商品能源消费总量为 23207 万 tce，占生活能源消费总量的66%，其中电能消费量为 7727.29 万 tce，煤炭为 14053.85tce，液化气为 1426.13 万 tce，生物质能中柴薪和秸秆为 9783.75万 tce，可再生能源中沼气的消费量为 1102.37 万 tce，太阳能为 1114.02 万 tce，[3]我国能源消费中商品能源的消费比重在不断增加，高品位清洁能源如太阳能、天然气、沼气等也有较大幅度的增长。借此我们收集国内的能源消费相关数据，来体现能源消费的现状。

3.空气污染

我们以美国空气污染为例，通过对美国空气污染数据的收集，对排放的CO、NO2、O3、SO2等污染性气体进行比较，来直观地体现出美国空气污染的严重性，及反应不可持续性的消费与生产带来的危害。

（二）数据处理

在数据导入后，SAC提供了很多预制的功能，可对数据进行清洗和建模，这个环节也称之为数据处理。数据处理分为三个步骤：数据清洗、数据校准、数据聚类。

刚收集的原始数据中存在大量不确定性和杂数据，不能直接进行数据分析，必须进行数据清洗。对于异常的数据，可以通过设定一些规则，使用有效性验证的方法进行筛选。对于缺失的数据，可以采取删除或填充的方法进行处理。此外，数据清洗还包括重复值的删除以及数据类型的检查等。

基于数据的定位服务是数据可视化研究的一个重要方面，然而由于定位覆盖范围较大、分布不均匀，使得其准确度较低，需要进行数据校准。利用多源数据融合的方法进行数据校准，从而提高定位数据的精确度。

收集的消费与生产数据属于粗数据，不能直接聚类，需要进行特征提取。[4]传统特征提取的方法有：基于基本统计方法的特征提取、基于模型的特征提取、基于快速傅里叶变换（fast Fourier transform，FFT）的特征提取。

三、数据可视化分析

数据可视化指的是基于不同的数据模型，终端用户可以创建可视化的故事（Story）， 并基于此业务场景进行数据的钻取和分析，梳理可视故事化的特征有助于理解其实现方法的选择。[5]可视故事化的特征包括：叙事主体平衡性、图像叙事独立性和情感联结性。SAC提供了预制的预测模型，以及Smart Assist等功能，可以帮助用户轻松地实现数据的自动分析和预测。

根据负责任的消费与生产主题，我们选择了欧非气候变化、中国能源消费量、美国空气污染以及全球空气质量指数的相关数据来进行可视化展示，借气候变化、能源消费、空气污染及空气质量指数来体现当前消费与生产所带来的负影响，应该得到社会的关注与重视。

（一）欧非气候变化

在分析欧非气候变化的数据中，通过国家城市的经纬坐标确立其地理分布，并用不同颜色来体现其平均气侯的差异（见图1）。运用SAC工具的这种表现形式，准确直观地把欧非地区的气候变化情况展现出来，美观而又清晰。

图1 欧非气候变化地理分布图

在进行欧非气候变化可视化时，欧非不同国家每年的平均气候也在变化，想要准确看出其趋势及反应消费与生产的负影响主题，可通过SAC工具绘制热图的形式（见图2），来展现其规律性。以横坐标为时间年限，纵坐标为国家名称，再通过不同颜色来表示平均气候的高低，每个方块的值是欧非不同国家当年的平均气候值。比如通过颜色就可以看出，Nigeria每年平均气候普遍高于其他国家，且每年气候温度呈现上升趋势，Egypt、Turkey每年平均气候次之。此外，整体而言，欧非各个国家气候温度都呈现上升趋势，全球温室效应变得越来越显著，我们应该给予重视。

图2 欧非不同国家每年的平均气候热图

（二）中国能源消费量

在分析中国能源消费量之前，我们以中国黑龙江省为例子分析了中国局部地区能源消费现状，发现黑龙江省在消耗能源种类中，各种能源在省内村镇生活用能源中占的比例，从图表中可以看出能源消耗巨大（见图3）。

图3 黑龙江省各地区村镇生活用不同种类能源人均消费量视图

接下来是对全国的生活用能源消费量现状的分析（见图4），全国能源消费总量整体呈现的是西低东高的趋势，东北等部分地区能源消费总量明显高于全国其他各地区，对于清洁性能源的分析发现中部地区和南方部分地区清洁性能源消费总量要高于全国其他各地区，北方地区的清洁性能源消费总量和人均清洁性能源消费量均较低。总的来说，全国总的能源消耗量还是比较大的，对于清洁能源还没有相对普及，能源消耗，环境污染比较严重，我们需要去重视。

图4 全国各省村镇商品能源消费量视图

（三）美国空气污染

对于美国的空气污染状况，我们通过分析2009年美国的污染气体排放量，对NO2、O3、SO2、CO进行对比分析，体现出污染气体的排放量都比较高，在一些发达的城市更是如此。比如California、New York等地区的污染气体排放量尤为的高，空气污染严重（见图5）。

图5 美国各州气体污染平均值比较图

为了更好地展现出美国各城市的空气污染状况，能够使得美国城市与城市，污染气体与污染气体之间有明显的比较，通过SAC工具绘制了美国各城市的空气质量指数趋势图（见图4-6），根据不同城市不同污染气体的空气质量指数来可视化比较。在对污染气体CO、NO2、SO2这三种气体分析中，从图中可以明显看出CO气体是美国大多城市的主要污染气体，普遍高于其他两种气体的空气质量指数。

五、总结与展望

数据分析是一个检查、清理、转换和建模数据可视化的过程，目的是发现有用的信息、告知结论和支持决策。数据分析有多个方面和方法，包括不同名称下的不同技术，并用于不同的商业、科学和社会科学领域。在当今的商业世界，数据分析在使决策更加科学并帮助企业更有效地运营方面发挥着作用。本文基于SAC对消费与生产进行数据分析和可视化展示，从国内、国外两个层面，气候变化、能源消费、空气污染三个方面，来有效进行数据的收集与分析，且在分析过程中加入数据挖掘模块，使得信息搜集更加高效，提高信息处理动态分配的效率，从而突出现如今消费与生产的弊端，我们应该采取更加可持续的生产与消费模式，贯彻落实可持续发展之路。

图6 美国各城市的空气质量指数比较趋势图