数据分析的5个黄金法则

　　规则1：我们相信计量

　　在学习能源管理专业时，遇到了各种数据问题；这里只是其中的一些示例：

　　•在一台标有“30 hp”（45 kW）的压缩机面前，新的维护经理认为它是30 hp的设备。经过一番分析后，发现压缩机的马达早在10年前就被别的马达所取代，没有人愿意更新该铭牌，它也不存在其他记录。

　　•由一个VFD控制器控制的三个相同的5 hp风扇会汲取三种不同的电流。原来，其中两个风扇的内部螺旋桨叶片也会损坏。（更换掉有故障的叶片会使冷凝器风扇容量增加一倍，并减少了压缩机的能量负荷。）

　　•制冷设备压缩机将随机上线。（这是由于吸入压力设置不正确引起的。）

　　其实我们不能依据“我们始终保持这一运行时间表”，“压缩机、锅炉和照明设备会在周末关闭”或“电流永远不超过X安培”之类的说法来进行能源使用的分析，只有通过常规自动计量收集的，并且经过验证的准确性和一致性的，数据才能作为投资决策的可靠基础。

　　在谈话进行中，商业决策需要数据。

　　规则2：数据在分析之前没有任何意义

　　对于性能监控和分析来说电能计量是非常有价值的，但是，即使是通过校准后的仪表测量的数据，在进行分析之前没是有任何意义的。

　　每一家大型制造公司都会精心收集电，水和天然气的消耗数据，但他们也只能每个月用“每吨”的比率来计算。实际上，他们除了收集数据以外，并不会做任何的分析。

　　因此，当这些吨比在一个月之间的变化高达100％时，因为没有人做任何事情，也没人知道他们为什么要收集这些信息，也不清楚比率应该是多少，所以任何事情和结论都不会得出。

　　规则3：分析是实际与预期的比较

　　即使以表格，图表或比率表示，计量数字的值也没有任何意义。通过比较实际和预期，我们可以知道价值来自于分析；图形，报告和仪表板并不构成分析，它们只是以另一种方式呈现相同的原始数据。

　　能源数据是从正式模型或非正式经验中获得的，只有将计量数据与期望值进行比较时，才能从计量数据中获得商业价值。

　　期望将含义注入计量数据中，让我们来看一下有关示例：

　　“星期三中午的功率消耗为565 kW”这一说法没有任何实际意义。565 kW是好还是坏？这个值在星期三中午测量的事实又是否具有更深的含义？

　　但是，当我们在条语句中添加“当该工厂的峰值需求为1000 kW”时，可以得出该工厂的机械未满负荷运行的结论。如果我们换种说法，不是“星期三”，而是说“7月1日”，那么我们可以得出这是24/7/365的算法。

　　另一方面，通过添加“机器的总装机容量为450 kW”，我们可以合理地得出电表有故障的结论。如您所见，在计量数据与期望值进行比较之前，计量数据本身除了分析是没有任何意义的。根据对业务进行衡量的重要性，对价值的期望可能来自复杂的工程计算，基于数据的回归模型，或者仅来自估算。

　　规则4：注意持续偏离预期

　　没有模型是的，也没有数据是的。因此，测量值和预期值之间出现的随机偏差是正常的；但是，微小但持续的偏差会构成一种趋势，这预示着操作条件的变化，确定小变化是否构成趋势的较佳方法是使用CUSUM方法来计算实际值和期望值之间的累计差和。同样，不要流失小偏差，而要注意持续的趋势。由于其累积性质，CUSUM会随机波动，但会累积持续波动。如果没有因为随着时间的推移而持续的话，那么微小的偏差也不是什么严重的后果。

　　规则5：根据常识检查数学

　　数学模型和计算是棘手的。数学与常识、输入错误或错别字无关。其实，基于实测的节能量估算值，该估算值超过了建筑物的总能耗。

　　在得出任何较终结论之前，请检查在数学或工程计算时使用的算法。能量计量是能量性能分析的基础，但所有的辛苦都会因为数据准备或公式编码中的拼写错误而白费。