做暖通行业的大数据报告，很多人一上来就纠结用什么软件、做什么图表，结果报告做出来没人看。其实做报告的核心就一句话：用数据把问题讲清楚，让看报告的人知道该干什么。下面按实际操作的顺序，把整个流程拆开讲。
第一步：先明确报告给谁看、解决什么问题
动手之前先问自己三个问题：报告是给业主看、给甲方管理层看，还是给运维团队看？他们最关心什么？看完报告要做什么决策？
给业主和物业看的报告，重点是能耗省了多少、舒适度达不达标、设备有没有隐患。给运维团队看的报告，重点是哪台机组运行异常、哪些区域该调整参数、什么时候该检修。给投资方看的报告，重点是节能改造的投入产出比、回本周期。对象不一样，内容的侧重点和表达方式完全不一样。这一点想不清楚，后面全是白干。
第二步：搞清楚数据从哪里来
暖通系统的数据来源主要有这几块：
一是楼控系统，也就是BA系统，里面有冷热水机组、水泵、风机盘管、空调箱的运行参数，比如供回水温度、压力、流量、启停状态、运行时间。二是电表、水表、热量表的计量数据，这是算能耗的核心依据。三是室内环境数据，包括各区域的温湿度、二氧化碳浓度，有些项目还装了PM2.5传感器。四是外部数据，比如室外气象参数、当地天气、电价政策。
采集的时候要注意两点。第一，采样频率要合适，测温度这类慢变化的参数，几分钟采一次就够，没必要每秒都采，数据量太大反而难处理。第二，数据要有时间戳、有设备编号，不然后面根本对不上。
第三步：数据清洗，这一步最花时间也最关键
原始数据拿来不能直接用，里面全是坑。传感器漂移了会出现离谱数值，比如室温显示零下二十度；通讯断了会缺数据；设备停机期间的数据没有分析价值。这些都要处理。
常用做法是先筛掉明显异常的值，比如超出物理合理范围的数据直接剔除；再处理缺失值，短时间的缺口可以插值补上，长时间缺数据就标记出来，分析的时候说明情况。清洗完的数据建议存成规范的时间序列表格，每台设备一张表，或者统一大表加设备字段，方便后面调用。
第四步：确定分析什么指标
暖通报告常用的核心指标有这几类：
能耗类：总能耗、单位面积能耗、分项能耗占比，比如空调主机电耗占多少、水泵占多少、末端占多少。效率类：冷水机组的COP、冷冻站的系统能效比EER、水泵的输送能效。舒适度类：室内温度达标率、湿度达标范围、温度波动情况。运行类：设备启停次数、运行时长、负荷率分布、部分负荷工况下的表现。
有了这些指标，就能做对比分析：今年和去年比、这栋楼和同类建筑比、实际运行值和设计值比。一对比，问题就浮出来了。
第五步：图表呈现，越简单越好
呈现上记住一个原则：一张图只说一件事。能耗趋势用折线图，分项占比用饼图或堆积柱状图，负荷率分布用直方图，各楼层温度达标情况用热力图，不同机组能效对比用柱状图。
别堆十几张图凑数，挑最有说服力的五六张，每张图下面配两三句结论。工具方面，Excel能做基础报告，数据量大、要定期出报告的，可以用Python加可视化库，或者直接上BI工具搭看板，数据自动更新，省去重复劳动。
第六步：报告结构怎么搭
一份实用的暖通大数据报告，建议按这个顺序写：
开头放结论摘要，三到五条，直接说问题和建议，让领导三十秒看完重点。然后是项目概况，交代建筑情况、系统构成、数据来源和统计周期。第三部分是数据分析，按能耗、效率、舒适度、设备运行逐项展开。第四部分是问题诊断，把发现的异常列出来，比如某台机组能效持续走低、夜间存在无人运行能耗、某个区域长期过冷。最后一部分是改进建议，具体到事，比如调整运行策略、更换老旧水泵、加装变频装置，最好附上预估的节能效果。
几个常见误区要避开
一是只罗列数据不给结论，报告变成数据搬运。二是只看总量不看细节，总能耗正常不代表没有局部浪费。三是忽略气象修正，夏天特别热和冬天特别冷的年份能耗自然高，直接同比没有意义，要做度日数修正。四是报告发完就完了，没有跟踪上一期建议的落实情况，数据的价值就浪费了。
总的来说，暖通大数据报告不难做，难的是数据基础扎实、分析有针对性、结论能落地。先把采集和清洗这两件事做稳，再围绕能耗、效率、舒适度这三条主线去写，报告自然就有分量。