碳核算软件报告

碳排放计算软件 计算什么重要 内容 15第四章 自动化程度提高对于更广泛的采用至关重要 04来自GP猎犬的视角 05第一章气候问责的商业必要性 21第五章 下一代碳核算技术驱动的市场潜力 08第二章 从活动到排放：碳核算流程 作者23 24关于GP猎犬25免责声明 13第三章 碳核算软件，为您服务 视图 来自GP猎犬 为实现到2050年实现净零排放的宏伟全球目标，到2030年，人为二氧化碳排放量必须比2019年水平减少约43%。我们的经济脱碳转型是复杂的，在这一切的喧嚣中，它仍然是不可避免的，我们正在进入一个对商业领袖的新期望时代。 在本报告中，我们关注的不是气候行动，而是气候问责。为了实现真正的系统性变革，我们需要企业采取新的行事方式，其基准是考虑并透明地报告其对地球的影响。 应对气候责任的业务需求 走向问责的第一步是认识到现状。一个企业的活动及其对气候的后续影响有多大碳排放？通过绘制活动及其相关的排放，企业可以计算其碳足迹，并了解大部分排放来自哪些类别。 通过报告——并进行沟通——结果，利益相关者应该能够了解企业需要负责的气候影响。 按类别分解的碳足迹，已准备好进行报告 在此碳排放核算过程中检索到的数据反过来又是目标、预测和有效减排举措的基础。 随着监管机构迫使企业将更全面地看待影响和价值创造并纳入报告，企业开始更加关注其碳足迹。 欧盟的企业可持续发展报告指令（CSRD）将要求将碳衡量纳入财务报表，并计划在2023年重塑约5万家欧盟企业的报告实践。在美国，在气候相关财务信息披露工作组（TFCFD）的框架下，相关讨论也在推进，从而增加了从现在开始对气候报告的监管压力。 适应新的常规业务 01 企业需要可靠的、可扩展且易于使用的碳计量解决方案来满足这一转变。贝恩公司最近的一项研究，该研究包括了总共负责全球40%以上排放的1600家企业，揭示了只有10%的公司在2022年测量了其完整的排放足迹。此外，87%的公司的目标是要扩大其报告范围，前提是有更好的数字工具。 无论动机是为了遵守法规还是减少碳足迹，一切都指向碳核算软件对企业来说变得和实施AWS或CRM系统一样至关重要。 然而，当前的低采用率表明市场仍处于早期阶段，我们刚刚看到了第一批软件玩家的出现。我们需要哪些技术发展来提高碳核算的可用性，并达到全面气候问责制？ 从活动到排放：碳核算流程 高复杂性障碍给资源和时间带来压力 与财务会计类似，碳会计量化了一个组织活动的影响——但它追踪和报告的是排放单位，而非数字。 碳核算是一种系统性方法、测量和监控企业排放多少温室气体（GHG）的过程。该过程可分为五个阶段。随着排放计算的操作适用性演变，它呈现出动态循环而非静态线。 1. 活动映射：首先，需要对企业的所有活动以及可用数据进行监督。根据企业需要遵守的标准，可能需要特定的数据类型。仅对内部运营进行核算不足以计算企业的总碳足迹（范围1）。必须考虑从供应商处购买的商品和服务的间接排放（范围2-3）。事实上，企业90%的碳足迹来自间接排放。 2. 数据收集和处理：数据应有助于确定活动的大小、范围或性质。应同时使用支出和活动（例如单位）的测量值。例如，商务旅行数据可以通过1）航班数量、公里数或燃油使用量收集，或2）公司乘坐航空旅行的花费来收集。然后，数据需要处理成适用的格式。如果你用一种特定单位测量能源使用量，但排放因子是基于千瓦时（见下文），则数据必须转换为千瓦时单位。 3. 计算：收集和处理数据后，您将排放因子应用于将其转换为碳排放量。根据您拥有的数据类型——支出或活动——采用不同的计算方法。混合方法结合了两者。 基于活动的成本计算方法使用与生产或消费特定产品、材料或服务相关的单位级数据，并将其乘以排放因子——即消费该单位产生的排放量。这些因子通常来自与该特定材料或活动相关的科学研究。 活动数据一般允许更准确的排放估算但相比于基于花费的数据，它不太容易获得，并且更耗时且复杂的收集尤其在收集间接排放和范围3排放会非常困难。 示例：如果您生产椅子，基于活动的生产方式可以考虑到多少公斤的钢材和其他材料被使用，以及这些投入因素来自哪里，从而为您的产品提供特定的碳足迹。 基于支出的方法采用购买的商品或服务的财务价值，并将其乘以排放因子——每财务单位产生的排放量。 基于支出的排放因子通常源自环境扩展投入产出（EEIO）模型，该模型描绘了经济体不同部门之间的资源流动。据此，可以计算出特定行业和地区每单位货币支付所关联的平均排放量。 由于基于支出的方法的排放因子是建立在与行业平均数的基础上，因此计算可能缺乏针对性，并且通常不被视为首选方法。 示例：一种基于花费的方法通常会考虑你生产了一张椅子，而不会考虑这张椅子是由铁制成的还是木制的，或者它是否从中国或美国运输过来的。 4. 结果：碳核算的主要输出是实体排放足迹的估计。该估计的准确性将取决于输入数据的质量以及所使用的排放因子的精度。然而，重要的是要注意，粗略估计仍然有助于更好地了解您的排放足迹。 5. 报告和行动：这些结果可以有多种用途。首先，通过最终报告企业的碳足迹，将满足监管要求和利益相关者的新需求。在透明度和可靠性等条件下，最终将建立一个要求企业对其气候影响重要部分的问责制度。此外，排放数据为行动和行星影响创造了机会，因为它能够识别有效的减排目标和策略。 01高复杂性障碍给资源和时间带来压力 从客户的角度来看，排放计算并不是最复杂的部分。反而是得出前面数据的那一步，使得碳核算变得复杂且耗时。 特别是，复杂性发生在： 活动映射：识别业务所从事的所有活动——内部▪ 贯穿整个供应链——而且，在数据可用的地方，这既耗时又是一个需要手动操作的第一道障碍。 数据收集和处理：收集非标准化和非数字数据▪ 从所有相关来源格式化，通常需要手动处理和计算摄入。 考虑到这种复杂性，碳核算对许多公司来说也是一项新任务。而且，在纳入新的内部底线并向利益相关者报告时，公司希望把事情——差不多——办得正确。了解流程以及如何思考底层数据的第一步是必需的。 由于上述因素，可持续性顾问和传统碳排放核算服务提供商在历史上一直提供定制化服务，指导客户完成此过程或执行完全外包的工作。 碳排放核算软件，为您服务 随着对ESG关注度的提升以及对帮助企业自动化上述复杂流程的期望，碳会计软件在2021年融资约4亿美元，在2022年融资约9.7亿美元。 开始使用机器学习和人工智能计算排放和执行分析云数字平台，已成为市场中的关键且至关重要的转变。除了从手动流程和电子表格转向数字平台的明显好处外，软件供应商还使碳核算更加广泛、动态和合规。 尽管这些发展对碳核算的应用有重大益处，但客户仍需要在其当前状态下获得支持。碳核算软件用户平均将75%的时间用于映射业务活动和正确的数据输入。客户和专家访谈表明，企业在选择碳核算供应商时，决定性因素之一是数据收集阶段及之后提供的手动支持和战略服务的水准。 最终，碳核算软件供应商已为该流程带来了显著的数字化，但仍然高度依赖于将其服务与人工服务相结合或包含。 然而，当前的碳核算软件提供者是开启商业常规新纪元道路的开拓者，而我们仅仅刚刚经历了第一代创新者。 自动化程度提高对于更广泛的采用至关重要 自动化活动数据收集和处理的关键障碍 解决数据问题的基础设施 无论预期法规如何，大多数公司目前都没有投入必要的时间和资源来执行可靠的碳核算。自动化程度的提高将降低复杂性，并对持续采用排放报告至关重要。 随着时间的推移，它也是气候行动的一个重要驱动力。BCG的一项研究表明，在排放测量方面拥有更多自动化解决方案的组织，全面测量排放的可能性是其2.2倍，减少排放的可能性是其1.9倍。 第一代软件服务商在自动化计算方面已经走了很远。随着人工智能和排放因子数据库的使用，将活动数据转换为碳足迹目前达到了高度的自动化。 回想起上文所解释的复杂性挑战，activity mapping 和 data collection and processing 将会成为最难以自动化的组成部分也就不足为奇了。 自动化活动数据收集和处理的关键障碍 碳核算软件客户和行业专家指出三个关键领域阻碍碳核算软件的自动化和更广泛的应用： 1. 提取供应商（范围3）数据。从供应商那里获取正确数据是一项艰巨的任务，并且随着你的价值链的规模、地域范围和复杂性的增长而增长。这个过程涵盖从识别相关供应商和数据，而一些供应商没有能力或不愿意分享。这导致企业进行碳核算严重依赖第三方实体。这种依赖性可能会危及结果的可靠性。 2. 持续需要人工处理非结构化数据。缺乏标准化数据格式以及来自不同提供者的数据来源多样，需要耗时的人工流程来准备数据以供使用。为了说明这一点，考虑一下看似例行的电费账单。一个企业可能有多个提供者，这些提供者的数据以不同的格式，例如PDF或Excel表格，以不同的频率到达。他们甚至可能不以相同的单位来衡量电力。为了确保与软件的兼容性，需要持续进行这些数据的收集、清理和重新格式化。 3. 非标准化做法压倒。由于方法和数据格式缺乏标准化，存在多种方法同时并存的余地，因为遵守现有法规是目标。考虑到碳核算仅存在约20年，尚未开发出统一体系也就不足为奇。像GHG协议和全球报告倡议组织（GRI）这样的框架正在推动进步，但互操作数据格式还差几年才能实现。 02解决数据问题的基础设施 虽然上述挑战都需要市场更成熟和系统变革，但有几个关键发展将有助于加速流程自动化。 通过“求解数据”实现自动化碳排放核算 AI用于构建和清理数据。生成式人工智能解锁了自动化各行业文本到输出和重复性任务的可能性。在处理大量非结构化数据时，例如电费账单的例子，应用自然语言处理来提取正确的项目将提高此类繁琐任务的效率和便捷性。虽然帮助数据结构化的通用人工智能将很重要，但像Briink这样的公司已经利用人工智能创新ESG洞察和文档分析。 人工智能支持输出的全程可追溯性。上述进步并非科幻，在当前人工智能创新的速度下。然而，只有当输出结果可靠且始终可追溯时，该技术才能发挥其全部潜力。这意味着，即使人工智能助手检索和处理您的电力数据，审计员也必须能够将该数据追溯到每一张电力账单。 在分散的子类别中改进 API 和数据集成。一旦部署到位，能够自动从企业分散系统中提取数据的API集成极大地简化了数据收集工作。现在已使用连接到财务会计系统的API来提取基于支出的数据。然而，在标准化程度较低和精度活动数据领域，范围要广泛得多。尽管像企业差旅这样的更整合的子类别软件越来越多地与碳会计互操作，但所需的大多数数据孤岛与不同系统之间的集成尚未实现。 更高级的 API 解决方案，例如 API 聚合器、开源应用程序和 API 优先软件，对于实现自动化数据收集和碳排放指标的可操作性至关重要。我们已经看到了像 Climatiq 这样有影响力的创新者，它通过其 API 将碳排放数据集成到现有的业务功能软件中。 数字化供应链和可持续性数据从供应商那里获取数据很困难，因为我们需要先确保数据的完整性。作为全球贸易和价值链透明度提升的系统性转变的一部分，数字化和建立大型企业数据库的多项工作已经正在进行中。像Altana和Flexport这样的公司正在数字化供应链物流，而EcoVadis和Prewave则在提供供应链可持续性合规服务。所有这些公司都在建立包含数千家公司的宝贵数据库，这些数据库可以在其他用例中发挥作用——例如碳核算范围3排放。 尽管在全球范围内将所有当前的纸质数据和流程数字化需要一些时间，但我们公司拥有的实时数据越多，数据收集就会越容易。这些发展也是协同的，因为碳核算的努力将成为采购、运输和供应链决策的重要贡献者。 推动这些发展的努力将导致公司创建自动且可靠的碳排放核算的拾土方法： 从最终用户角度来看，在碳核算用例中，不会有一个独赢者。由于流程的复杂性和范围，我们不会有全面的解决方案。我们相信，在多个供应商共存成熟的市场中，下述部分将