IBM：消费品和零售业紧迫的增长议程对可持续性的最后呼吁（15页）.pdf

1、如果没有明确定义的指标，企业几乎不可能判断自己的可持续性工作是否取得了切实的进展，也无法将这种进展与改善的业务成果联系起来。企业也更难以向客户讲述有关其可持续性工作的有说服力的故事，而这些可持续性成果的证据对于提高品牌声誉甚至确保企业生存来说，具有前所未有的重要性。平均而言，消费品行业中只有 10% 的中国企业定义了用于衡量可持续性工作进展的独特指标，这是个令人担忧的问题。不到 20% 的中国企业统一了组织绩效指标，以用于衡量可持续性工作进展。大多数组织仍在定义指标，或打算很快定义指标。这反映了企业在定义用于衡量可持续性成果和进展的指标时，面临着非常现实的挑战。但挑战不仅仅在于如何定义指标。从

2、不断变化的来源收集背景信息和标准化数据是一项复杂的工作，监控进展所需的分析工作同样复杂。将通过分析获得的环境洞察纳入经济决策和日常运营也是如此，更不用说用消费者可以理解的简单话语来表达这些洞察，并让他们基于洞察采取行动(请参阅“观点：生态影响标签”)。生态影响标签哪种选择对环境更友好?是购买装在可清洁回收的玻璃瓶中的液体，但运输重量成问题;还是装在更轻但不可回收的塑料瓶中的液体?事实证明，消费者以及提供服务的企业面临着数以百计类似的难题。找到简单方法以做出明智决定可能非常困难，尤其是当需要研究来自多个来源而且通常相互冲突的信息时。食品行业尝试通过简化问题和提高透明度，解决这类难题。欧洲的雀巢和

3、泰森食品、英国的 M&S 和Sainsburys 以及西班牙超市 Eroski 合作为食品开发环境标签。他们计划于 2021 年底之前进行试点，探索使用颜色编码系统，结合四个关键指标 碳足迹、用水量、水污染和生物多样性，简单地用字母划分等级。这种系统一旦取得成功，将使消费者能够更轻松做出更明智的决定，并且确信是对环境友好的决定。鉴于环境数据来源多种多样 比如传感器、卫星成像、民众和当地社区的照片和报告等，因此必须制定流程和标准，以用于整合数据并验证数据真实性。另外，还必须验证数据来源，然后才能用于开展后续分析。AI 和分析技术有助于解决数据准确性和真实性问题。例如，如果数据足够庞大，而且海量数据中存在主要叙述，那么单独数据点的质量控制就可能不是那么重要，因为可能需要在不同的数据条系列之间进行精准转换。鉴于数据必须协调一致，因此 AI 系统能够在梳理有效主要数据叙述方面发挥重要作用。为将各种不同来源的数据转化为分析结果，还必须实现互操作性，简化组织和系统之间的数据移动，因此需要采用开放标准。在这种情况下，云计算可以提供帮助。云计算可提供技术基础架构，解决采用多种不同方式存储环境数据以及对其建模所引发的问题。具体而言，基于开源软件的混合云架构可在不同参与者和组织之间轻松传输数据和工作负载，同时保证数据可供广大受众访问。