Load context
On first use: Read ../../CLAUDE.md to obtain scenario-level configuration (ESG metric definitions/disclosure requirements/responsible departments).
/esg-data-integration — ESG data integration
Examples
→ Example: The user says "Carbon emission data comes from three different departments, the calculation bases are inconsistent, help me unify them." The system should invoke this skill to unify the carbon emission data calculation basis.
→ Example: The user says "Scope 3 emissions accounting is not yet systematized, help me design a collection process." The system should invoke this skill to design a Scope 3 data collection framework.
→ Example: The user says "ESG data requires third-party assurance every year, help me prepare the data package required for assurance." The system should invoke this skill to prepare the ESG data assurance package.
Step 1: Identify ESG data sources
ESG metric classification framework:
环境（E）：
□ 碳排放：范围1/2/3 [吨 CO2e]
□ 能源消耗：[MWh]
□ 水资源：[立方米]
□ 废弃物：[吨]
社会（S）：
□ 员工数据：总人数/离职率/培训时长
□ 安全数据：工伤率/损失工时
□ 社区投资：[金额 万元]
□ 供应链：关键供应商数量
治理（G）：
□ 董事会：独立董事比例/女性董事比例
□ 高管薪酬：CEO 薪酬比 [X]
□ 商业道德：反腐培训完成率 [%]
□ 数据隐私：泄露事件数
Data source confirmation:
| 指标类别 | 指标名称 | 数据来源部门 | 系统 | 负责人 | 数据状态 |
|---------|---------|------------|------|--------|---------|
| E-碳排放 | 范围1排放 | 生产部 | [系统] | [姓名] | [✅已收集/⚠️待收集] |
| S-员工 | 离职率 | HR | [系统] | [姓名] | [✅已收集/⚠️待收集] |
Step 2: Data collection
Data collection status:
□ 应收集指标数：[X] 个
□ 已收集：[X] 个
□ 待收集：[X] 个 — 清单：
→ [指标名称] — [未收集原因] — 预计完成 [日期]
□ 收集完成率：[X]%
□ 是否达到报告质量要求：[✅ 是 / ⚠️ 否（完成率需 ≥[X]%）]
Data collection progress tracking:
| 部门 | 应提交指标数 | 已提交 | 完成率 | 最后跟进 |
|------|------------|--------|--------|----------|
| [部门A] | [X] | [X] | [X]% | [日期] |
| [部门B] | [X] | [X] | [X]% | [日期] |
Step 3: Data completeness check
Metric completeness check:
□ 按 GRI/CSRD 框架要求检查：
| 框架指标 | 要求披露 | 实际披露 | 状态 |
|---------|---------|---------|------|
| GRI 302-1 | 是 | [是/否] | [✅/⚠️/🔴] |
| GRI 305-1 | 是 | [是/否] | [✅/⚠️/🔴] |
□ 时间序列完整性：
→ 上期有但本期缺失的指标：[列表]
→ 连续 [X] 期缺失的指标：[列表] — 须说明原因
Value reasonableness check:
□ 同比异常检查：
→ [指标] 本期 [X]，上期 [X]，变化 [±X]% — [✅ 合理 / ⚠️ 需解释]
→ 变化原因：[描述]
□ 逻辑一致性检查：
→ 范围1+2 ≤ 范围3：[✅ 是 / 🔴 否]
→ 总人数 = 各部门人数之和：[✅ 是 / 🔴 差异 [X]]
→ 女性 + 男性 = 总人数：[✅ 是 / 🔴 差异 [X]]
Step 4: Data quality scoring
Quality scoring dimensions:
| 维度 | 权重 | 评分 | 说明 |
|------|------|------|------|
| 完整性 | [X]% | [X]/5 | 指标覆盖率 |
| 准确性 | [X]% | [X]/5 | 数据核实程度 |
| 一致性 | [X]% | [X]/5 | 跨期/跨系统一致性 |
| 时效性 | [X]% | [X]/5 | 数据更新时间 |
| 可追溯性 | [X]% | [X]/5 | 数据来源文档 |
加权总分 = Σ(评分 × 权重) = [X] / 5
质量等级：
4.0-5.0：✅ 高质量（可直接使用）
3.0-3.9：⚠️ 中等质量（使用前需核实）
< 3.0：🔴 低质量（须优先改进）
Step 5: Generate ESG data integration report
═══════════════════════════════════════
ESG 数据整合报告
报告周期：[YYYY]
框架标准：[GRI/CSRD/TCFD]
生成时间：[YYYY-MM-DD HH:MM]
═══════════════════════════════════════
【数据收集进度】
□ 应收集指标：[X] 个
□ 已收集：[X] 个（[X]%）
□ 待收集：[X] 个
→ 高优先级（报告必需）：[X] 个 — 负责部门 [列表]
→ 中优先级（自愿披露）：[X] 个 — 负责部门 [列表]
【数据质量评分】
总体评分：[X]/5（[✅ 高 / ⚠️ 中 / 🔴 低]）
□ 完整性：[X]/5
□ 准确性：[X]/5
□ 一致性：[X]/5
□ 时效性：[X]/5
□ 可追溯性：[X]/5
【主要质量问题】
□ [问题1] — 影响指标 [X] 个 — 建议 [措施]
□ [问题2] — 影响指标 [X] 个 — 建议 [措施]
【完整性状态】
□ GRI 关键指标披露率：[X]%
□ 同比可比指标数：[X] 个
□ 连续缺失指标：[X] 个（须在 [日期] 前补充或说明）
【下一步行动】
□ [行动1] — 负责人 [X] — 完成 [日期]
□ [行动2] — 负责人 [X] — 完成 [日期]
═══════════════════════════════════════
置信度：[✅ 高 / ⚠️ 中 / 🔴 低]
数据就绪度：[✅ 可进入报告编制 / ⏳ 需完成 [X] 项]
═══════════════════════════════════════
Escalation trigger conditions
- Data collection completion rate < [X]% (e.g., 80%), affecting on-time report release
- Quality score < [X]/5, with critical data accuracy issues
- High-priority metrics (required for reporting) are missing and cannot be supplemented before the deadline
- Data quality score is more than [X] percentage points lower than the previous period
- Signs of data falsification or tampering are discovered
- Cross-department data submission is severely delayed without a reasonable explanation
Finance Skills — esg-data-integration atomic skill