你在購買物品和服務時花費的每一塊錢都為行業的前進提供了動力，換句話說，其實你永遠買不到最新的東西。剛買了煤氣？但新的油田正在被發掘。正穿著最新的時裝？但工廠內仍在24小時運轉。

錯過90年代經典款之后，你不再愿意購買耐克；富士康神話倒下后，你拋棄了你的MacBook；出于許多原因你刪掉了你的Uber。而這些都是同一個原因——你想要你的錢花的更值。

如果你覺得用辛苦賺來的美元來促進社會變革的想法不錯，那線上銀行服務Aspiration則為你提供了這一工具。如果你與他們合作，Aspiration的測評系統會自動使用兩個指標通過你的每次購買來對這家公司進行評分：看看它是如何對待消費者和生態的。

為了實現這個功能，Aspiration在算法上的范圍很廣，從CEO到員工的薪酬比率到這個公司是否使用太陽能的細節問題，總計約75000個數據點，最終會輸出兩個從一到一百的數值。

當然，自20世紀90年代中期以來，不實際的社會改良家們已經在使用碳足跡計算法了，而像Tom’s of Maine和United Colors of Benetton這樣的品牌的普及也證明了一個不會以犧牲別人為代價但卻改善了生活的產品市場的存在。麻煩的是，這些測量都沒有跟蹤消費者的個人購買情況。

Aspiration的首席執行官Andrei Cherny說：“人們一直都擁有無盡的需求。滿足這種需求需要篩選來自Thompson—Reuters和HIP Investor1這類精于收集SEC檔案、公共分析調查、自愿勞工或可持續發展報告企業的數據。Aspiration的數據科學家會解讀和標準化所有這些電子表格和API等其他事物，以便他們將所有內容與其他內容進行比較并分配分數。

然后就是綜合處理——哪些數據對于哪個分數是重要的，哪些完全不重要。像是針對可持續性的測量，數據科學家會對溫室氣體排放、能源效率和用水量的統計進行整合。員工福利數據、薪酬表和工作場所多樣性數字則進入人力和員工權益測量。數據科學家們也會排除無關緊要的東西，比如乒乓球桌數量。

通過這一點，Aspiration會重復相關數據。這個非常重要的一步就是Aspiration數據科學家如何保證每個成績的可靠性。一般來說，在理想情況下，它需要來自多個來源的數據。例如，假設您正在研究X公司的溫室氣體排放。如果Aspiration只有一家供應商提供排放數據，那么X公司整體可持續發展評分的數據重量將會很低。Aspiration的產品副總裁Matt Lee說：“我們也會具體情況具體分析，考慮一些數據提供商本身的本身狀況。”