几乎没什么事情比冷房冷室更糟糕的了。
我住在芝加哥，现在对这场斗争太了解了，让我告诉你，这让人很不愉快。
先给大家提供一些背景信息，我住在芝加哥的一套复式公寓里。我们有一间里屋，半用作客房和半用作办公室。因此，当我远程工作或在标准工作时间之外工作时，我就在这里完成 Minitab 的大部分工作。
然而，有一个问题。这间房很冷。不只是有点冷，而且非常冷。有两个暖气出口，但房间的隔热效果不太好（三面墙是外墙），而且有一扇大双开门通向我们的后平台和两个大窗户。
12 月的某一天，我觉得受够了。我想更好地了解为什么我们的家庭办公室如此寒冷。
幸运的是，我可以访问 Minitab 的全套解决方案。
首先，我需要确定哪些变量可能会影响我们办公室的温度。在经过一番调查后，我确定了室外温度、风速、通往走廊的门是开着还是关着，以及我们楼下的邻居是否在家，因为他们在旅行时通常会把恒温器调低。我假设让走廊门开着可能会让更多的热量进入房间。
从 12 月 28 日至 1 月 16 日，我在每天大约相同的时间记录了所有变量，即下午 6:00。我还使用 Ecobee 温度计记录了办公室的室内温度，以查看哪些变量影响最大。我每天将恒温器设置为 70 度以减少变化。
然后，我统计了一下数字。
我不是统计学家，这并不是什么秘密，因此 Minitab Statistical Software 和预测分析如此易用是一件好事。
在使用 Minitab 的预测分析模块后，我得出了一些关键发现。我使用自动化机器学习生成了相对变量重要性图和单预测变量部分依赖图。
首先，使用相对变量重要性图，我能够确定办公室温度的两个最重要的变量是走廊门打开的状态和室外风速：
虽然我的邻居在家里，室外温度确实有轻微的影响，但它们比门和风的影响要小得多。单预测变量部分依赖图进一步表明：风速越高，房间温度越低：
我做了一个不那么疯狂的决定，门窗上的隔热材料可能与这种差异有关。
我去了家得宝，购买了几个窗户保温套件和一个门保温套件。我当晚就安装好了。我还开始在晚上和白天（如果可能）都一直开着通往内部走廊的门，看看这种干预是否有帮助。
我继续记录室内温度数天时间，但立即注意到了一个巨大的差异——从 Minitab 的描述性统计来看，平均温度上升了 10 度以上：
Temperature before interventions.
Temperature after interventions.
此外，还可以使用以下箱线图可视化此差异，该箱线图测量在给门窗安装防风雨材料之前和之后的室内温度：
这证实了我提到的变量确实是导致房间如此寒冷的两个最重要的因素。而且，虽然我无法控制风速，但我能够采取实用措施进行改进。
数据无处不在。在为 Minitab 工作之前，我不会考虑利用数据分析来解决这个令人不快的问题。我可能还要忍受寒冷之苦。
收集的大多数数据均从未进行分析。面对决策时，无论应对的挑战是在工作时保持双脚温暖、减少制造过程中的原材料消耗，还是确定研制高效疫苗的理想变量组合，数据驱动都至关重要。然后，从分析中获得的见解可以带来简单、具体的步骤，从而节省时间和金钱。
在本例中，我能够节省大量资源，而不是把暖气调高，消耗更多的能源和成本。通过数据驱动的改进，我可以以较低、一致的温度保持办公室舒适。
根据我的研究，这个环保的改变每月可以为我节省大约 7-9% 的能源账单，所有这些都要归功于强大的数据。