Apple's Mission To Zero Emissions

日本語は以下からご覧いただけます。

Link to Dashboard: https://public.tableau.com/app/profile/adrian.savic/viz/AppleGreenhouseEmissions/Dashboard1?publish=yes

Apple’s Mission to Zero Emissions is a project that analyzes Apple's greenhouse gas emissions, focusing specifically on the 2015 to 2022 period. Its purpose is to address various questions concerning Apple's plan for a greener future, including their commitment to achieving net zero emissions by 2030, a bold goal they have set for themselves.

The questions I aimed to answer in this project are as follows:

1. How much has Apple reduced its emissions from 2015 to 2022?

2. How does this emission trend compare to their revenue and market cap trend during the same period?

3. Which areas have shown the most improvement? What about the least?

4. Is Apple on track to meet its 2030 goal of net zero emissions?

To tackle these questions, I employed four tools: Excel, MySQL, R Studio, and Tableau. Here's a brief overview of how I used each tool for the project:

Excel: I examined and explored datasets in Excel, as it was sufficient for this relatively small dataset with three sheets. I replaced blanks in the "Emissions" column with "0" using the find and replace function to avoid null values in MySQL, and I renamed column headers for easy use in MySQL. for example: Fiscal Year > fiscal_year.

MySQL: After cleaning the data in Excel, I imported the dataset into MySQL for analysis and data wrangling. The metrics I utilized for this project include:

• Year-over-year changes in Total Emissions, Total Revenue, Market Capitalization, and Employees

• Carbon footprint by iPhone, ordered by release year

• Sources of Emissions from Apple for comparison

• Decrease in emissions from 2015 to 2022

• Apple’s Carbon Intensity (Emissions/Revenue)

With these metrics, I delved into the data to identify trends for further analysis. To answer the pivotal question of whether Apple will achieve zero emissions by 2030, I imported the emissions Excel file into R Studio and generated a Time Series Forecast for the years 2023-2030, using fiscal year and emissions from the dataset.

R Studio:

• Time Series Forecast for Emissions from 2023-2030

After compiling all metrics, I created a comprehensive dashboard in Tableau to present my results and analysis in response to the four questions I set out to answer.

Here are the key findings and results of my analysis:

1. How much has Apple reduced its emissions from 2015 to 2022?

• Apple has achieved a remarkable reduction of 47.17% in emissions, practically halving the figure from 38,383,470 to 20,279,900 (an 18,103,570 decrease in metric tons CO2e).

2. How does this trend compare to their revenue & market cap trend in the same period?

• Apple's consistent reduction in emissions aligns with dramatic increases in revenue and market capitalization. The Carbon Intensity metric dropped from 9.6% to about 3% between 2015 and 2022, illustrating a positive trend. Translating well to the image of their emissions dropping while revenue and market capitalization has been increasing to record numbers 2490 billion USD for Market Capitalization and record high 394,328 million USD in Revenue alone in 2022 (7.794% increase).

3. Which areas have seen the most improvement? What about the least?

• Virtually all areas have shown improvement. Market Capitalization saw the smallest increase, specifically by 1.633% from 2021 to 2022. Notably, Emissions from Apple Manufacturing remains the highest source, emphasizing the need for emphasis on this area in the coming years. With the most improving areas being revenue and market capitalization between the years 2019 and 2022.

4. Is Apple on track to meet its 2030 goal of net zero emissions?

• According to my Time Series Forecast in R Studio, the short answer is yes. The forecast predicts emissions to be -409,894 by 2030. However, achieving this depends on Apple's ability to maintain its current rate of emission reduction, which may be challenging as they strive to produce more environmentally friendly phones each year. Manufacturing remains a key metric that requires attention.

For reference, the total emissions from manufacturing during the period of 2015 to 2022 amounted to 156,600,000 metric tons of CO2e, compared to the second-largest source, product use, at 39,190,000, and the third-largest, product transportation, at 11,850,000.

The code for my MySQL queries is provided below, along with my R Studio code. Credit goes to Maven Analytics for providing the dataset.

Appleのゼロエミッションへの使命は、Appleの温室効果ガス排出量を詳しく調査し、具体的には2015年から2022年の期間に焦点を当てています。その目的は、Appleの緑の未来への計画に関するさまざまな質問に対処し、2030年までにネットゼロの排出を達成するという彼らが自らに課した大胆な目標についても含まれています。

このプロジェクトで解決しようとした質問は次のとおりです。

1. 2015年から2022年までの間にAppleはどれだけ排出を減少させたか？
2. この排出の傾向は、同じ期間における収益と時価総額の傾向と比較してどうなっているか？
3. どの領域が最も改善されましたか？逆に、最も改善されていないのはどこですか？
4. Appleは2030年のネットゼロ排出の目標を達成するために進んでいますか？

これらの質問に取り組むために、私は4つのツールを使用しました：Excel、MySQL、R Studio、およびTableau。各ツールの使用方法について簡単に説明します。

Excel: Excelでは、比較的小規模なデータセットであるため、データセットを調査し、探索しました。Excelの「検索と置換」機能を使用して、「Emissions」列の空白を「0」で置き換え、MySQLでの後の処理でヌル値を扱わないようにしました。列ヘッダーもExcel内で簡単に使用および操作できるように名前を変更しました。例：Fiscal Year > fiscal_year

MySQL: Excelでデータをクリーニングした後、データセットをMySQLにインポートして分析とデータの整理を行いました。このプロジェクトで使用したメトリクスは次のとおりです。

• 年次の合計排出量、総収益、時価総額、および従業員数の変化
• iPhoneごとの炭素足跡、リリース年別
• Appleの排出源を比較するための排出源
• 2015年から2022年までの排出の減少
• Appleの炭素強度（排出/収益）

これらのメトリクスを使用して、データを詳細に分析し、さらなるトレンドを特定しました。Appleが2030年までにゼロ排出を達成するかどうかという重要な質問に答えるために、私は排出のExcelファイルをR Studioにインポートし、2023年から2030年までの期間についての時系列予測を作成しました。これには、会計年度とデータセットからの排出が使用されました。

R Studio:

• 2023年から2030年までの排出の時系列予測

すべてのメトリクスをまとめた後、私はTableauで包括的なダッシュボードを作成し、4つの質問に対する結果と分析を提示しました。

ここに私の分析の主な結果と結論があります：

1. 2015年から2022年までにAppleは排出をどれだけ削減したか？

Appleは排出を47.17%削減し、実質的に38383470から20279900に数字を半減させました（二酸化炭素換算メトリックトンで18103570減少）。

2. この傾向は同じ期間中の収益と市場時価総額の傾向とどのように比較されますか？

Appleの一貫した排出削減は、収益と市場時価総額の急激な増加と一致しています。 2015年から2022年までの間に、炭素強度メトリックは9.6％から約3％に低下し、肯定的な傾向を示しています。 彼らの排出が減少し、収益と市場時価総額が記録的な数値に増加している様子を良く表しています。例えば、2022年の市場時価総額は2490 billion USD、収益は単独で394,328 million USD（7.794％増）。

3. どの地域が最も改善されましたか？逆に最も改善されなかったのはどこですか？

ほぼすべての地域が改善されました。市場時価総額は2021年から2022年にかけて1.633％しか増加していませんでした。特にApple製造からの排出が最も高く、今後数年でこの領域に重点を置く必要があります。最も改善された領域は、2019年から2022年までの収益と市場時価総額です。

4. Appleは2030年のネットゼロ排出の目標に向けて進んでいますか？

R Studioの時間系列予測によれば、簡単な回答は「はい」です。 予測では2030年までに排出が-409,894になると予測されています。 ただし、これを達成するには、Appleが現在の排出削減率を維持する能力に依存します。これは年々より環境に優しい電話を生産しようとする中で、課題となる可能性があります。 製造は引き続き注目を必要とする主要なメトリックです。

参考までに、2015年から2022年までの製造における総排出量は、二酸化炭素換算で156,600,000メトリックトンでした。これに対して、二番目に大きな源である製品使用は39,190,000、三番目に大きな源である製品輸送は11,850,000でした。

MySQLのクエリコードとR Studioのコードは以下に記載しています。データセットの提供はMaven Analyticsにクレジットがあります。

The code for my MySQL queries is below along with my R Studio code. I found this dataset on Maven Analytics and credit goes to them for providing the data.

------------------------------------------------------------------------

/* YoY change in Total Emssions by apple from 2015-2022 */

SELECT

  fiscal_year,

  SUM(emissions) AS total_emissions,

  LAG(SUM(emissions)) OVER (ORDER BY fiscal_year) AS previous_year_emissions,(SUM(emissions) - LAG(SUM(emissions)) OVER (ORDER BY fiscal_year)) / LAG(SUM(emissions)) OVER (ORDER BY fiscal_year) * 100 AS yoy_change_percentage

FROM

  apple_emissions

GROUP BY

  fiscal_year

ORDER BY

  fiscal_year;

    -----------------------------------------------------------

/* YoY change in Total Revenue */
SELECT

  fiscal_year,

revenue,

  LAG(revenue) OVER (ORDER BY fiscal_year) AS prev_year_revenue, (revenue - LAG(revenue) OVER (ORDER BY fiscal_year)) / LAG(revenue) OVER (ORDER BY fiscal_year) * 100 AS revenue_change_percentage 
  
FROM

  apple_revenue

ORDER BY

  fiscal_year;

-------------------------------------------------

/* YoY change in market cap */

SELECT

  fiscal_year,
  market_capitalization,

  LAG(market_capitalization) OVER (ORDER BY fiscal_year) AS prev_year_market_cap,(market_capitalization - LAG(market_capitalization) OVER (ORDER BY fiscal_year)) / LAG(market_capitalization) OVER (ORDER BY fiscal_year) * 100 AS market_cap_change_percentage

FROM

  apple_revenue

ORDER BY

  fiscal_year;

---------------------------------------------

/* YoY change in Employees */

SELECT

  fiscal_year,
  employees,

  LAG(employees) OVER (ORDER BY fiscal_year) AS prev_year_employees, (employees - LAG(employees) OVER (ORDER BY fiscal_year)) / LAG(employees) OVER (ORDER BY fiscal_year) * 100 AS employees_change_percentage

FROM

  apple_revenue

ORDER BY

  fiscal_year;

-------------------------------------------

/* Sources of Emission from Apple */

SELECT

  fiscal_year,
  description,
  SUM(emissions) AS total_emissions

FROM

  apple_emissions

GROUP BY

  fiscal_year,
  description

ORDER BY

  fiscal_year, total_emissions DESC;

------------------------------------------------

/* Carbon Intensity by Apple from 2015 to 2022*/

SELECT

  e.fiscal_year,
  SUM(e.emissions) AS total_emissions,
  SUM(r.revenue) AS total_revenue,
  SUM(e.emissions) / SUM(r.revenue) AS carbon_intensity

FROM

  apple_emissions e

JOIN

  apple_revenue r ON e.fiscal_year = r.fiscal_year

GROUP BY

  e.fiscal_year

ORDER BY

  e.fiscal_year;

------------------------------------------

/*Emission decrease from 2015 to 2022 */

SELECT

  ((SUM(CASE WHEN fiscal_year = 2022 THEN emissions END) - SUM(CASE WHEN fiscal_year = 2015     THEN emissions END)) / SUM(CASE WHEN fiscal_year = 2015 THEN emissions END)) * 100 AS emissions_decrease_percentage

FROM

  apple_emissions

WHERE

  fiscal_year IN (2015, 2022);

-----------------------------------------------------

/* Carbon footprint by iPhone ordered by release year */

SELECT

  release_year,
  product,
  SUM(carbon_footprint) AS total_carbon_footprint

FROM

  apple_phones

GROUP BY

  release_year, product

ORDER BY

  release_year;

-------------------------------------------------------

R studio code

R Studio Code for Time Series Forecasting Chart for Apples Emissions from 2023-2030.

# Load necessary libraries

install.packages("forecast")

library(forecast)

 
# Head the Emissions Table

head(Emissions)

# Convert fiscal_year to date format

Emissions$fiscal_year <- as.Date(paste0(Emissions$fiscal_year, "-01-01"))

# Creating time series object

time_series <- ts(Emissions$total_emissions, start = c(2015), end = c(2022), frequency = 1)

# Fit an ARIMA model (AutoRegressive Integrated Moving Average)

arima_model <- auto.arima(time_series)

# Forecast future values

forecast_values <- forecast(arima_model, h = 2030 - 2015 + 1)

# Visualize the forecast

plot(forecast_values, main = "Total Emissions Forecast", ylab = "Total Emissions", xlab = "Year")

# Print the forecast values and metrics

print(forecast_values)