利用数据遏制供应链中森林砍伐的4种方法

Smoke billows during a fire in an area of the Amazon rainforest near Porto Velho, Rondonia State, Brazil, September 10, 2019. REUTERS/Bruno Kelly - RC1562CB8500
Companies can harness the power of existing data to make supply chain more sustainable.Image: REUTERS/Bruno Kelly
本内容由人工智能自动翻译。
  • 当前迫切需要让大宗商品贸易更具可持续性,而数据可以提供帮助。

  • 我们可以探索新颖的创新方法,利用现有数据遏制森林砍伐。

  • 不要以为推动变革必须依赖最详尽的数据。

2019年,热带地区大片区域野火肆虐,举世震动。令人担忧的是,火灾蔓延至巴西亚马逊地区、南美洲查科的干燥森林以及东南亚的热带雨林。

这些火灾背后大多是人为蓄意清林,为大豆、牛肉和棕榈油等大宗商品生产腾出土地。

尽管火灾及其造成的破坏画面迅速在网络上广泛传播,但一些关键信息在很大程度上却未受关注:即那些将从新清理土地上的大宗商品生产中获益的全球行为体。无论他们是否意识到这一点(许多人可能并未意识到),这些供应链中企业、投资者、政府及其他各方的行动,对于遏制未来的森林砍伐都至关重要。

恰当的数据有助于确定行动重点,无论是加强实地执法、改变采购做法和贸易关系,还是指导投资决策。

但什么才是恰当的数据?我们目前已掌握多少?又该如何挖掘其潜力?

数据革命带来了诱人的前景:数据集越来越详尽,定量数据能够衡量过去无法衡量的事物。然而,尽管有时确实需要新数据——无论是为了遏制森林砍伐,还是应对其他紧迫的可持续发展挑战——但未必总要花费巨资购买昂贵的新数据解决方案。相反,关键往往在于更有创造性地利用我们已经拥有的数据。

以下是利用数据遏制供应链森林砍伐的四种方法。

1. 不要以为推动变革必须依赖最详尽的数据。

人们常常认为,在采取有效行动提升供应链可持续性之前,我们需要最高分辨率的卫星数据或最详尽的从农场到餐桌的可追溯信息。

事实并非如此。不断等待数据领域的下一次飞跃,可能导致拖延,甚至成为不作为的借口。

在许多情况下,我们已经拥有足够详尽的数据,更多细节未必有帮助。例如,分辨率低于1米、重访频率不足一天的卫星图像,几乎地球上任何地点都已能获取。这些图像的应用可能令人叹为观止,但在判断森林砍伐发生在何处、森林在何处燃烧时,它们往往完全是多余的。

尽管从农场到餐桌的可追溯性听起来十分理想,但大豆和棕榈等大宗商品在供应链中会经过多次汇集和加工,因此实物可追溯往往既不切实际,最终也没有实际意义。

在运用数据时,我们需要找到最佳平衡点:既不能粒度过粗而无法提供任何信息,也不能精细到难以实现。

Trase供应链透明度倡议(www.trase.earth)正是基于这一假设构建的。它整合多种数据来源,绘制整个大宗商品的供应链图谱,例如巴西大豆出口的供应链,从次国家级生产地区,经由贸易公司,直至进口大豆的国家。

即便无法确切知道哪块农田生产了哪批大豆,这样的细节也足以将关键市场和企业与具体的、局部的森林砍伐风险联系起来。例如,2017年中国从巴西不同地区进口了超过5000万吨大豆,但80%的森林砍伐风险集中在一个地区——巴西塞拉多北部的马托皮巴(Matopiba)——而该地区仅贡献了8%的供应量。这些信息足以让买家了解他们最需要在哪些地方开展合作并投入最多资源(包括通过收购新的基础设施和大豆加工设施),以提升其采购的可持续性。

2. 探索利用现有数据的新颖创新方法。

大量数据的力量在于将其用于最初设计之外的目的。

许多与可持续发展议程相距甚远的机构和行为体正在收集可能有用的数据集。事实上,Trase的整个供应链图谱都使用了为其他目的而收集的数据,例如税务记录和海关申报。例如,Trase近期利用了原本为卫生检疫管控而收集的牲畜调运记录,将牛的间接供应商与巴西屠宰场联系起来。这一信息至关重要,因为在巴西,牲畜在其一生中常常在相距数百公里的设施之间频繁调运。Trase关于巴西牛肉出口供应链的数据,现在能够反映原始生产地区的森林砍伐情况,而不仅仅是牛只最后短暂停留的育肥场——这是一项重大突破,且无需任何新数据。

3. 不要只连接数据,还要连接数据集。

在商业、金融、健康、教育、科学和可持续发展等领域,数据集层出不穷。比较同一数据集内的单个数据点,能够让我们深入了解数据原本旨在衡量的事物中的趋势和规律,但通过连接不同的数据集,我们还能获得更多洞见。

Trase最初是通过将森林砍伐数据与次国家级生产统计数据、生产企业和贸易公司的税务登记信息、海关及航运数据集相互融合,从而将森林砍伐风险归因于特定买家和市场的。我们通过整合其他数据集(例如上文提到的屠宰场数据),不断提高绘图的可靠性,或绘制新的供应链图谱。

当你连接一对数据集时,其他关联便会突然成为可能——例如,通过投资者所持股及投资的企业,间接将其与森林砍伐风险敞口联系起来,或利用牲畜调运数据。Trase的研究人员还将贸易数据与单艘船舶的航行数据及温室气体和大气污染物排放数据相结合,以 计算 与大宗商品运往不同消费市场相关的运输排放量。

4. 不要被下一个热点分散注意力。

切勿被 最新数据集或信息技术创新所带来的承诺蒙蔽双眼。现实是,大多数创新注定会令人失望或失败,耗费我们的注意力、精力和资源,并让我们误以为手中已有的数据还不够好。

区块链就是一个显著的例子。尽管炒作盛行,区块链也与所有数据系统存在同样的缺陷:垃圾进,垃圾出。区块链并不能神奇地让数据变得准确,也不能让录入数据的人值得信赖。当人们尚不清楚区块链是否真正可运行,或能否提供比现有数据所能揭示的更多信息时,已有多少精力被浪费在将区块链整合进供应链之中?

是时候采取行动了

当前迫切需要果断行动,推动全球大宗商品贸易转向更可持续的轨道,遏制森林砍伐的加剧,并避免这些脆弱而宝贵的热带荒野再次遭受毁灭性火灾侵袭。

恰当的数据有助于确保我们采取有效行动,但数据空白很少应成为无所作为的借口。这一点既适用于致力于寻求可持续发展问题切实解决方案的研究人员,也适用于寻求可操作信息以落实解决方案的企业和政府。我们不能冒险让数据投资本身成为最终目标。

在假定我们需要更多数据之前,务必先问:我们能从现有数据中学到什么?要推动积极的变革,我们究竟需要了解多少?第一个问题的答案往往比我们想象的要多,而第二个问题的答案往往比我们设想的要少。

对更多、更优质数据的需求永远不会消失,但关于我们应在何处以及如何采取行动的许多答案,恰恰蕴藏在已经存在的数据之中。如今,我们必须在运用这些数据方面更具创造性。

对更多、更优质数据的需求永远不会消失,但我们采取行动所需的许多答案,就蕴藏在现有可用的数据之中。如今,我们必须在发掘这些答案方面更具创造性。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。