在大数据时代，编程将是制定和衡量可持续发展指标的关键。
将大量数据整理成可用格式的能力，对于形成可行的洞察至关重要。
编写一个每次需要分析数据时都可以运行的编程脚本，将节省大量工作量。
虽然这项工作可以外包给第三方，但从数据角度了解可能实现的内容，将使你成为更出色的数据管理者、使用者和沟通者。
许多年前，当我开始在影响力投资领域工作时，我们不得不恳求企业提供可持续发展指标。它们的典型回应是：“我们唯一追踪的数字是营收，所以你为什么不直接用它呢？”不用说，我那点基础的Excel技能正好足以应对这项简单的任务。
如今？情况已不再如此。可持续发展领域已进入一个数据规模更大的时代，数据能力至关重要。对于刚在可持续发展领域起步的人来说，扎实的数据技能正日益成为重要资产。那些熟悉数据的人将脱颖而出。那么，你需要哪些数据技能，又为什么需要它们呢？
数据量正在增长
标普500指数中的大多数公司（确切地说为92%）每年都会发布可持续发展报告。这些报告包含越来越细致的可持续发展指标，涵盖从温室气体排放到食物浪费千克数等各个方面。尽管这些指标在报告中被归纳为简洁明了的数字，但每个指标背后都是大量数据，所有这些数据都必须加以整理和分析。
随着监管要求的提高，报告的数量只会越来越多。欧盟的《企业可持续发展报告指令》将要求约5万家在欧盟开展业务的上市公司和非上市公司，从2024年起报告关键的可持续发展指标。如果美国证券交易委员会（SEC）提出的气候信息披露要求得以推进，美国上市公司也可能被要求加强其气候报告。所有迹象都表明，所需的可持续发展数据量将大幅增加。
你在可持续发展领域需要的第一项核心数据技能，是能够使用一种灵活的编程语言进行编码。Python日益成为公认的标准，不过我本人是R语言的忠实拥趸。
数据需要整理
鉴于大数据的热潮，你可能以为企业已将所有信息整齐地存储在易于访问的平台中。请再想想。可持续发展数据需要从众多来源提取信息，这些来源往往运行在不同平台上，或分布在企业内不同的数据库中。可持续发展工作一直分散在众多部门之中，数据也是如此。
数据整理能力（数据科学家的说法，指将数据合并并整理成可用格式）对于确保你能够将所收集的信息转化为可行的洞察至关重要。你可能认为，用一张完美的Excel表格就能做到这一点——过去20年来，可持续发展数据一直存放在这种表格中。然而，编程能够提供可重复且可扩展的解决方案，而随着数据库规模不断扩大、报告频率日益提高，我们正需要这样的方案。例如，如果你能开发一个精巧的编程脚本来提取所有燃料使用数据，那么每次需要分析数据时，无论是按日还是按年进行，都可以直接运行该脚本，而无需重复大量工作。
“具备出色的数据可视化能力，并能将大量数据提炼为简洁的图表，需要长期练习。如果你能掌握这一能力，你将成为任何会议中无可比拟的说服者。”
数据整理应当成为你工具箱中不可或缺的一部分。清理、合并、标准化并理解杂乱且分散的数据集的能力，往往是数据科学家工作中不起眼却占九成的部分，而正是它使故事叙述和行动成为可能。
优质数据意味着有力的叙事
要说服企业为可持续发展而做出改变，需要讲好一个故事。清晰、简洁、能够将可持续发展指标与业务指标联系起来的图表，对于争取高管和其他利益相关方的支持至关重要。
是的，企业使用许多标准图表和仪表板来追踪可持续发展成果。但你的首席执行官总是谈论的那个关键指标是什么？将关键业务指标融入其中，以传达企业的脱碳计划，远比机械地呈现一份温室气体报告更能赢得企业内部的业务认同。
具备出色的数据可视化能力，并能将大量数据提炼为简洁的图表，需要长期练习。如果你能掌握这一能力，你将成为任何会议中无可比拟的说服者。
理解数据让你思考得更加聪明
越来越多的第三方平台，例如Salesforce Net Zero Cloud或Altruistiq等初创公司，提供可持续发展数据收集、清理和分析服务。那么，你为何还要费心自己学习这些技能？即便你最终不亲自编程，从数据角度了解可能实现的内容，也将使你成为更出色的数据管理者、使用者和沟通者。例如，我们团队最近注意到，同事们花费数小时，繁琐地将用水数据逐一汇编到各自的Excel工作簿中。通过运用我们的数据技能，我们帮助将数据收集标准化并自动整合到一个主数据库中，既为同事节省了时间，也提升了数据日后的可用性。
虽然我已经几个月没有打开我的编程软件了，但我每天都在运用的技能，是知道优质数据应当是什么样子、如何进行有效的可视化，以及何时将关键流程自动化。这种有效使用数据的理解，只有建立在亲自完成每一步的基础之上才能获得。
最后，你是否觉得自己不是“编程的那类人”？我深有同感。我多年来一直停留在Excel的舒适圈中，认为自己无法胜任数据领域的工作。直到研究生阶段，我才上了第一门编程课。事实证明，我很喜欢它。它就像是加强版的解决问题。我对任何想在企业可持续发展领域产生影响的人的建议是：勇于尝试。你或许会发现，自己原来也是个数据极客。
