| Summary: | Hiilijalanjäljen laskenta on olennainen osa yritysten päästöjen hallintaa.
Päästöjen laskennan avulla yrityksen on mahdollista paikantaa isoimmat
päästölähteet ja näin ollen myös pienentää niitä. Hiilijalanjäljen laskenta on
myös osalle yrityksistä pakollista erilaisten säännösten ja direktiivien myötä.
Lisäksi yritysten vastuullisuudesta ovat kiinnostuneita myös erilaiset
sidosryhmät, kuten sijoittajat ja asiakkaat. Tässä kandidaatintutkielmassa
tarkastellaan hiilijalanjäljen laskentaa ja selvitetään, miten tekoälyn ja
dataintegraation avulla voitaisiin tehostaa nykyisiä menetelmiä. Tutkielma
tehtiin kirjallisuuskatsauksena. Aiheen tutkiminen on tärkeää, koska siitä on
toistaiseksi vain vähän ajankohtaista tutkimusta. Lisäksi hiilijalanjäljen laskenta
tulee lisääntymään merkittävästi tulevien vuosien aikana, joten on tärkeää, että
käytettävät menetelmät ovat mahdollisimman tehokkaita.
Carbon footprint calculation is an essential part of corporate emissions
management. With emissions calculation, it is possible for a company to locate
the largest sources of emissions and thus also reduce them. Carbon footprint
calculation is also mandatory for some companies due to various regulations
and directives. In addition, different stakeholders, such as investors and
customers, are also interested in the responsibility of companies. This bachelor's
thesis examines carbon footprint calculation and investigates how artificial
intelligence and data integration could be used to enhance current methods.
The thesis was done as a literature review. Researching the topic is important
because there is currently only a little up-to-date research on it. In addition,
carbon footprint calculation will significantly increase in the coming years, so it
is important that the methods used are as effective as possible.
|
|---|