你在购买物品和服务时花费的每一块钱都为行业的前进提供了动力，换句话说，其实你永远买不到最新的东西。刚买了煤气？但新的油田正在被发掘。正穿着最新的时装？但工厂内仍在24小时运转。

错过90年代经典款之后，你不再愿意购买耐克；富士康神话倒下后，你抛弃了你的MacBook；出于许多原因你删掉了你的Uber。而这些都是同一个原因——你想要你的钱花的更值。

如果你觉得用辛苦赚来的美元来促进社会变革的想法不错，那线上银行服务Aspiration则为你提供了这一工具。如果你与他们合作，Aspiration的测评系统会自动使用两个指标通过你的每次购买来对这家公司进行评分：看看它是如何对待消费者和生态的。

为了实现这个功能，Aspiration在算法上的范围很广，从CEO到员工的薪酬比率到这个公司是否使用太阳能的细节问题，总计约75000个数据点，最终会输出两个从一到一百的数值。

当然，自20世纪90年代中期以来，不实际的社会改良家们已经在使用碳足迹计算法了，而像Tom’s of Maine和United Colors of Benetton这样的品牌的普及也证明了一个不会以牺牲别人为代价但却改善了生活的产品市场的存在。麻烦的是，这些测量都没有跟踪消费者的个人购买情况。

Aspiration的首席执行官Andrei Cherny说：“人们一直都拥有无尽的需求。满足这种需求需要筛选来自Thompson—Reuters和HIP Investor1这类精于收集SEC档案、公共分析调查、自愿劳工或可持续发展报告企业的数据。Aspiration的数据科学家会解读和标准化所有这些电子表格和API等其他事物，以便他们将所有内容与其他内容进行比较并分配分数。

然后就是综合处理——哪些数据对于哪个分数是重要的，哪些完全不重要。像是针对可持续性的测量，数据科学家会对温室气体排放、能源效率和用水量的统计进行整合。员工福利数据、薪酬表和工作场所多样性数字则进入人力和员工权益测量。数据科学家们也会排除无关紧要的东西，比如乒乓球桌数量。

通过这一点，Aspiration会重复相关数据。这个非常重要的一步就是Aspiration数据科学家如何保证每个成绩的可靠性。一般来说，在理想情况下，它需要来自多个来源的数据。例如，假设您正在研究X公司的温室气体排放。如果Aspiration只有一家供应商提供排放数据，那么X公司整体可持续发展评分的数据重量将会很低。Aspiration的产品副总裁Matt Lee说：“我们也会具体情况具体分析，考虑一些数据提供商本身的本身状况。”