FEM: Hướng dẫn Phát hiện Giá trị Bất thường dành cho thương hiệu

Mục lục

• Insights Hub Outliers
• Có những loại kiểm tra chất lượng dữ liệu tự động nào?
• Phương pháp Phát hiện Giá trị Bất thường của Higg FEM
• Tôi có thể mong đợi điều gì với Phát hiện Giá trị Bất thường?
• Giá trị bất thường được hiểu là gì?
• FDM đến FEM Phát hiện Giá trị Bất thường
• Câu hỏi thường gặp

Dữ liệu chất lượng cao là thành phần giá trị nhất của Higg Index và nền tảng Worldly. Để duy trì dữ liệu chất lượng cao, việc xác định và điều chỉnh các giá trị bất thường là rất quan trọng.

Giá trị ngoại lai là một điểm dữ liệu hoặc phép tính có sự khác biệt đáng kể so với các quan sát và kỳ vọng lịch sử của chúng tôi.

Insights Hub Outliers

Ở cột bên trái của Insights Hub, bạn có thể thấy có bao nhiêu giá trị ngoại lệ đã bị loại trừ khỏi Bảng điều khiển Insights Hub. Bên cạnh dấu X màu đỏ, bạn sẽ thấy tổng số giá trị ngoại lệ bị loại trừ, cùng với biểu tượng "i".

Nhấp vào biểu tượng để truy cập cửa sổ Data Worth A Second Look .

Có giá trị bất thường được phát hiện trong 14 đánh giá, được tự động loại trừ khỏi bảng điều khiển Insights Hub. Nhấp vào hộp kiểm để Bao gồm Giá trị Bất thường trong Bảng điều khiển Insights Hub. Điều này sẽ cập nhật bảng điều khiển để bao gồm 14 đánh giá có giá trị bất thường được phát hiện.

Nhấp vào Outliers CSV để tải xuống tệp CSV của các đánh giá có phát hiện giá trị ngoại lai.

Bảng trong tệp bao gồm thông tin về các đánh giá, bao gồm Worldly ID, Cơ sở và Assessment ID.

Các cột khác trong bảng được sử dụng để kiểm tra các giá trị ngoại lệ, bao gồm:

1. total_energy_mj
2. total_ghg_kgco2e
3. total_finalProductAssembly_mj
4. total_hardComponentTrimProduction_mj
5. total_materialProduction_mj
6. total_printingProductDyeingAndLaundering_mj
7. total_rawMaterialProcessing_mj
8. total_rawMaterialCollection_mj
9. domestic_total_mj

Có những loại kiểm tra chất lượng dữ liệu tự động nào?

Nền tảng Worldly tự động thực hiện các kiểm tra dữ liệu sau trong quá trình tự đánh giá của Cơ sở.

Phương pháp Phát hiện Giá trị Bất thường của Higg FEM

Để tìm hiểu thêm về phát hiện giá trị bất thường, hãy đọc Phương pháp Phát hiện Giá trị Bất thường Higg FEM của Worldly.

Tóm tắt: Tổng quan cấp cao về thời điểm phát hiện giá trị bất thường được kích hoạt và ý nghĩa của nó.

Định nghĩa về Giá trị Ngoại lệ của Dữ liệu: Sự khác biệt giữa giá trị ngoại lệ sai lệch và giá trị ngoại lệ thực sự là gì?

Bộ dữ liệu ban đầu: Cascale và Worldly đã sử dụng bộ đánh giá FEM23 đầy đủ để thiết lập các ngưỡng ngoại lệ để sử dụng với các đánh giá FEM24.

Phương pháp xác định các giá trị ngoại lai: Tìm hiểu cách một phương pháp thống kê tiêu chuẩn, Khoảng tứ phân vị, được sử dụng để xác định các giá trị ngoại lai.

Thay đổi so với cùng kỳ năm trước (YoY): Đọc về cách so sánh YoY đánh dấu các giá trị lớn bất thường và những gì đã được phát triển cho tính năng này.

Ngưỡng Giá Trị Ngoại Lệ Tổng Năng Lượng/Nước: Xem hai bảng này để hiểu các giá trị ngưỡng cho các giá trị ngoại lệ về Năng lượng và Nước.

Tôi có thể mong đợi điều gì với Phát hiện Giá trị Bất thường?

Phát hiện giá trị bất thường đã được phát hành vào ngày 19 tháng 2 năm 2025. Nếu bản đánh giá Higg FEM của một cơ sở được đăng trước ngày này, cơ sở đó sẽ cần chờ đến sau ngày này mới có thể tận dụng tính năng kiểm tra dữ liệu.

Ngoài ra, miễn là họ chưa bắt đầu xác minh dữ liệu với tổ chức xác minh và trước ngày 30 tháng 4 năm 2025, các Cơ sở có thể gỡ bài đánh giá của mình để sử dụng chức năng kiểm tra dữ liệu nhằm phát hiện Giá trị Bất thường trong các câu trả lời trước khi đăng lại bài đánh giá.

Ví dụ, nếu một cơ sở đã đăng tải đánh giá của mình vào ngày 31 tháng 1 năm 2025, họ sẽ cần thực hiện các việc sau trong khoảng thời gian từ ngày 19 tháng 2 đến ngày 30 tháng 4 năm 2025:

1. Gỡ đăng đánh giá của họ
2. Sử dụng Phát hiện Giá trị Bất thường để kiểm tra dữ liệu đánh giá của họ
3. Đăng lại đánh giá của họ

Chức năng phát hiện giá trị bất thường theo năm cũng sẽ có sẵn vào giữa tháng Ba.

Giá trị bất thường được hiểu là gì?

• Giá trị bất thường do sai sót là các điểm dữ liệu phát sinh từ lỗi trong quá trình thu thập, ghi chép, tính toán hoặc nhập liệu. Chúng thể hiện sự không chính xác và không phản ánh các xu hướng thực sự trong dữ liệu. Ví dụ, một lỗi đánh máy ghi tuổi của một người là 250 thay vì 25 sẽ là một giá trị bất thường do sai sót, vì nó không tương ứng với một giá trị thực tế. Tương tự, ghi nhận một giá trị năng lượng bằng sai đơn vị mà không chuyển đổi (ví dụ, một giá trị tính bằng megajoules, MJ, nhưng lại gán đơn vị là kilowatt-giờ, kWh) cũng dẫn đến các giá trị bất thường do sai sót. Những "dữ liệu xấu" như vậy cần được xác định và xử lý – thường là bằng cách loại bỏ hoặc chỉnh sửa (ví dụ, xác minh hoặc thay thế bằng các giá trị ước tính) – để đảm bảo tính toàn vẹn của phân tích.

• Giá trị bất thường thực sự là những điểm dữ liệu hợp lệ, hiếm gặp về mặt thống kê nhưng không phải là sai sót. Chúng xuất hiện một cách tự nhiên trong dữ liệu và phản ánh các hiện tượng hoặc sự kiện thực tế. Giá trị bất thường thực sự thường cung cấp thông tin quý giá về các hành vi hoặc sự kiện bất thường nhưng hợp lệ. Ví dụ, sự gia tăng bất thường trong việc sử dụng Năng lượng của cơ sở có thể liên quan đến việc tăng cường làm mát trong đợt nắng nóng. Giá trị bất thường thực sự có thể tiết lộ các xu hướng, rủi ro hoặc cơ hội quan trọng và không nên bị loại bỏ mà không phân tích.

FDM đến FEM Phát hiện Giá trị Bất thường

Cả FEM và FEM đều yêu cầu Phát hiện Giá trị Bất thường trước khi đăng.

Xin lưu ý rằng mặc dù dữ liệu FDM được nhập vào FEM không được kiểm tra trong quá trình chuyển giao, FEM sẽ chạy Phát hiện Giá trị Bất thường trên dữ liệu đã nhập trước khi đánh giá được đăng tải.

Câu hỏi thường gặp