준비 단계진단에 필요한 기준(참조 데이터 등)이 부족해 품질을 판정하지 않았습니다. AI Ready 전 단계입니다. 품질 판정서 보기 · 준비 단계란?
사업장별 에너지사용량'은 한국가스공사 사업장별 에너지 사용량을 체계적으로 정리한 데이터 입니다.
기관이 작성한 데이터 설명 전체
사업장별 에너지사용량'은 한국가스공사 사업장별 에너지 사용량을 체계적으로 정리한 데이터 입니다. 사업장별 에너지 소비현황 관리 및 에너지 효율화 정책 수립, 온실가스 배출량 산정, 에너지 비용 관리를 목적으로 수집되었습니다. 데이터 구성항목은 연도, 지역사업장(본사, 강원, 경기, 광주전남, 대구경북, 대전충청, 부산경남, 삼척, 서울, 인천, 전북, 정선, 통영, 평택, 제주), 에너지사용량(TOE) 등으로 이루어져 있어 전사적인 에너지 소비 현황을 종합적으로 파악할 수 있습니다. 본 데이터를 활용하면 사업장별 에너지 사용 추이 분석, 에너지 다소비 사업장 식별, 에너지 절감 목표 설정, 사업장간 에너지 효율 비교가 가능합니다. 또한 에너지 효율화 투자 우선순위 결정, 에너지 비용 관리, 절감 실적 평가에 활용됩니다. 온실가스 배출량 산정 기초자료, 에너지 관리시스템 운영, 사업장별 효율화 방안 수립 등 의사결정을 효과적으로 지원합니다.
산업고용 - 에너지및자원개발에너지총량사업장별환경정보사용량에너지
활용 적합성 요약 팩에서 계산한 값 · 판정 아님
규모
4행 × 원본 18열 (+정제 1열)
CSV 1 KB · Parquet 7 KB
기간
2017 – 2019
연도 기준 · 99% 범위
공간 단위
해당 없음
결측
2.8%
항목 평균 · 제주LNG본부(신규)(TOE) 50%
연결 기준
0종 · 0개 데이터
없음
정제 범위
1/18 항목 · 정제값이 있는 셀 100.0%
원본 열은 그대로 보존
데이터 내용
개별 항목 3개 + 반복 열 그룹 1개
연도각 사업장의 에너지 사용량이 발생한 해유형 숫자형분류 —결측 0%정제 정제 100.0%
각 사업장의 에너지 사용량이 발생한 해
정제 열 정제_연도
예: 2017 2018 2019
한국가스공사(본사)(TOE)본사 사업장이 해당 연도에 사용한 에너지의 총량유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
본사 사업장이 해당 연도에 사용한 에너지의 총량
단위: TOE
예: 1828 1863 1847
{구분}(TOE) 15개반복 열 그룹 · 구분 15유형 숫자형분류 코드 · 분류결측 0%정제 원본 유지
구분마다 가로로 펼친 열입니다. 열 이름 = {구분}(TOE)
- 구분 15
- 가스연구원 · 강원지역본부 · 경기지역본부 · 광주전남지역본부 · 대구경북지역본부 · 대전충청지역본부 · 부산경남지역본부 · 삼척기지본부 · 서울지역본부 · 인천기지본부 · 인천지역본부 · 전북지역본부 · 정선연수원 · 통영기지본부 · 평택기지본부
첫 열 설명: 가스 연구를 수행하는 연구원 사업장이 해당 연도에 사용한 에너지의 총량
각 열의 정의는 오른쪽 「CSVW 항목 스키마」에서 확인할 수 있습니다.
제주LNG본부(신규)(TOE)표를 지역 기준으로 펼친 축에서 「제주LNG본부(신규)(TOE)」에 해당하는 값 · 셀은 646 ~ 2,797 범위의 정수 수치유형 숫자형분류 코드 · 분류결측 50%정제 원본 유지
표를 지역 기준으로 펼친 축에서 「제주LNG본부(신규)(TOE)」에 해당하는 값 · 셀은 646 ~ 2,797 범위의 정수 수치
단위: TOE
예: 646 2797
찾는 항목이 없습니다.
상위 4행 · 18열 중 11열 · 나머지는 데이터 팩에 · 첫 열 고정 · 「정제_」 항목이 정리한 값 · 확인 필요 규칙으로 확정하지 못해 원래 값을 그대로 유지한 값(파일에서는 값 앞에 [E]) · 행 식별값은 맨 끝
| 한국가스공사(본사)(TOE) | 가스연구원(TOE) | 강원지역본부(TOE) | 경기지역본부(TOE) | 광주전남지역본부(TOE) | 대구경북지역본부(TOE) | 대전충청지역본부(TOE) | 부산경남지역본부(TOE) | 삼척기지본부(TOE) | 서울지역본부(TOE) | 연도 | 정제_연도 | 행 식별값 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1828 | 1459 | 1761 | 5193 | 2187 | 3697 | 2439 | 5760 | 20999 | 5284 | 2017 | 2017 | 0_186d8113 |
| 1863 | 1498 | 2155 | 5988 | 2230 | 4142 | 2348 | 9918 | 24568 | 6499 | 2018 | 2018 | 1_7192f04d |
| 1847 | 1058 | 2270 | 5361 | 2128 | 3313 | 2404 | 8002 | 23853 | 6199 | 2019 | 2019 | 2_75b60f39 |
| 1827 | 1435 | 2174 | 4561 | 2030 | 3201 | 2089 | 6618 | 22704 | 6250 | 2020 | 2020 | 3_012d966c |
프로그램 · AI에서 활용 개발자용 코드 예시
필요한 패키지: pandas · pyarrow
import pandas as pd
df = pd.read_parquet("https://aird.idx.or.kr/packages/15040908/data/dataset-15040908.parquet")
에이전트 설정에 붙여 넣어 주세요. 사용하는 도구: get_dataset · find_joinable(데이터 ID 15040908)
{ "mcpServers": { "aird": { "url": "https://aird.idx.or.kr/mcp" } } }