很多人在招聘页刷到“ESG分析师”这个岗位，第一反应是：是不是写CSR报告的升级版？

其实差得挺远。传统报告岗的主战场是“把做过的事讲清楚”，而ESG分析师的核心动作是“把还没变成钱的风险算出来”——气候转型成本、供应链用工争议、董事会对可持续事项的问责权重，这些都不进利润表，却会实实在在影响一家公司的再融资成本和估值溢价。

这也是为什么近两年上市公司交出的可持续报告里，定性形容词越来越吃不开。业内有个挺扎心的观察：一份通篇写满“持续推动”“效果显著”却没有一个具体数值的报告，跟没有数字的年报差不多——投资者没法据此建模。

一个必须懂的概念：双重重要性

如果你只看一份材料就想知道ESG分析师怎么工作，建议从双重重要性（Double Materiality）入手。它和普通人熟悉的“财务重要性”不一样：

• •

• 财务重要性：某件事会不会影响公司报表？比如碳价上涨推高生产成本。

• •

• 影响重要性：公司做的事，会不会对环境、社区、员工造成实质影响？哪怕当期不进损益表。

• •

• 双重重要性：两份清单同时跑，交集才是必须披露的核心议题。

国际主流准则里，ISSB（国际可持续发展准则理事会）的 IFRS S1 / IFRS S2 主要盯财务重要性，而 GRI、欧洲 ESRS 以及国内多个披露指引都选择了双重路径。对分析师来说，区别很实在——只按财务重要性筛议题，容易漏掉那些“当下不花钱、三年后会反噬品牌”的社会风险。

气候那一栏，分析师最爱用 TCFD 四件套

说到气候议题，TCFD 的“治理—战略—风险管理—指标和目标”四要素框架几乎是行业通用语法。它把气候风险拆成两类：

分析师的活儿，就是把这两类风险翻译成管理层能拍板的语言：哪条产线要在几个月内做适应性改造、备用供应商名单覆盖到哪一级、范围三排放里哪一类外包运输占了大头。

AI 进来之后，变的是什么、没变的是什么

2025 年起一个明显变化是：工具层的自动化已经卷完了，判断层的缺口反而更大。

像联想在南方智造基地部署的 ESG 导航仪，把能源、温室气体、水和废弃物数据做成近实时 KPI 追踪，数据收集的人力直接降了一档；Datamaran 这类平台则自动抓取舆情、法规变更和多源公开数据，映射到 GRI / SASB / TCFD 口径，出标准化底稿。

但工具解决不了三件事，而这三点正是资深分析师和被淘汰的数据录入员的分界线：

1. 1.

2. 口径一致性——两家产量接近的制造企业，碳强度差出数倍，往往只是核算边界不同，得人工对齐。

3. 2.

4. 异常归因——AI 能把偏离基线的数据点标红，但“是锅炉改造还是统计口径切换导致的下降”只能靠行业经验判断。

5. 3.

6. 叙事诚信——选择性披露（只晒绿不晒污）在机器读出来之前，先得过分析师的交叉核验。

📌 一个常被忽略的事实：目前国内 A 股发布可持续报告的企业里，请第三方做鉴证的比例仍不到一成。这意味着绝大多数报告还处于“自说自话”阶段——这恰恰是非财务数据分析岗不会消失的理由。

想往这个方向靠，真实需要的能力地图

不聊任何证书和考试，只说雇主在 JD 里反复出现的硬通货：

• •

• 碳核算基础：GHG Protocol scope 1/2/3 边界划分，尤其是 scope 3 十五个类别里哪些跟所在行业强相关；

• •

• 框架映射能力：同一条数据能同时填进 GRI、SASB、IFRS S2 三张表，且不发生口径冲突；

• •

• 供应链数据清洗：用 NLP 工具从数千份供应商问卷、安保日志、舆情快照里抽结构化字段；

• •

• 可视化讲故事：把 materiality matrix（重要性矩阵）讲给 CFO 听，而不是只给 EHS 总监看。

工具会迭代，但“给不可比的非财务数据建可比口径”这件事，短期内没有被替代的路径。

中英联合认证LCC ESG国际分析师授权办理，北京青蓝智慧科技

马老师13521730416

丁老师13522094648