數據帶動ESG管理 從建立機制到提升品質
企業需揭露的ESG資訊項目日益增加,同時永續報導框架的整併、更新,讓不少企業面臨知識、數據,乃至於未來策略管理。本文編譯由北美地區最大環安衛(EHS)軟體公司Intelex發布的報告,說明如何透過AIADV模型,協助企業盤查現況、監測管理與改善品質。

「沒有度量、沒有管理(If you can't measure it, you can't manage it)」,現代管理學之父彼得杜拉克的思想,正印證著ESG領域的發展重點──科技驅動永續管理。
企業透過數據化管理,掌握專案成效與進度,同時投資機構也越發重視企業的ESG績效,亦做為評估放貸計畫的重要依據。倘若沒有準確、可靠和有意義的ESG數據和分析,企業即可能無法有效地管理專案,或與利害關係人保持順暢溝通。
ESG數據項目
近幾年ESG蓬勃發展,許多研究紛紛指出ESG績效與企業成長、財務間的高度關聯性,並可能是領先指標。例如,企業降低ESG風險,帶動商業成長。換言之,企業溝通其管理ESG風險的政策,不僅可以吸引更多投資者與客戶,並能實際避免風險,促使企業健康地增長。
企業不只需要積極看待ESG議題,同時如何管理ESG數據也是企業需應對的課題。ESG數據管理,代表著企業在瞭解其環境、社會與治理面的影響後,針對這些指標制訂改善計畫。企業透過既有的度量資料,方能制訂相對應的行動計畫,進而有效管理。而ESG數據指標可能來自於Bloomberg此等金融機構,或聯合國與經濟合作暨發展組織(OECD)這類非政府組織,或是企業內部政策與股東會等非結構化資料。企業可進一步參照這些資料、框架,並挑選出適合自身組織追蹤的指標。
面向 |
環境 |
社會 |
治理 |
舉例 |
|
|
|
(ESG 數據項目類別參考)
儘管企業明瞭ESG數據管理的重要性,然而比起處理業務(如客戶或機會)數據或傳統交易數據(如金融交易),ESG數據在管理使用上更具挑戰性。在《Quality-Driven ESG: Build Trust by Improving Data Quality》研究中,提及企業可能將面臨四個反覆出現的關鍵問題,因此有志於投入ESG數據化管理的企業,也需意識到此些侷限。包含:
- 部分可觀測性(Partial Observability):即使在最佳的條件下,ESG數據僅能呈現部分績效。尤其在企業使用外部評級機構評估風險時,這個問題尤為突出。由於評級的建構可能由人類分析師、專有演算法、AI甚或共同建構,彼此之間的關注重點與揭露項目可能大相徑庭,可能產生的問題包含:企業不完全理解數據測量或收集方式、從原始數據與清洗過的數據中轉譯新訊息,以及評級機構對不同企業之間的評級差異。
- 資訊不對稱性(Information Asymmetry):資訊的不對稱性為某些產業帶來經濟利益。尤其當自願性報告框架創造了一個不公平的競爭環境時──亦即資源越豐富的企業,越能夠花費資源於永續專案上。這種競爭環境可能會導致消費者產生特定企業道德水準較高的印象。
- 稀疏覆蓋的數據(Sparse Coverage):當企業使用外部評級機構的數據時,可能存在不準確的結論或推論。由於部分大型評級機構在初始彙整ESG數據時,可能帶有空值,而評比機構會由現有數據推導出空值以填補空缺,因此這些值未必能反映現實。
- 數據的差異與變化(Variation and Evolution:):不同機構對於ESG指標的含義存在巨大差異,尤其是在企業的風險評級上。研究分析各大評級機構(Refinitiv、MSCI、QS Investors Research)的資料後發現,各機構對於將近1,000家企業的ESG評級相關性幾乎為零。也因此,企業在透過這些數據附註判斷時,追蹤來源,並檢查來源之間的一致性變得非常重要。
用AIADV模型,管理ESG數據及擬定策略
在編製ESG報告書時,數據的來源可能迥異,部分來自企業內部或外部供應商,因此在訊息整合時可能遇到不同程度的障礙。而AIADV模型(Arrivals、Integration、Analysis、Delivery、Value)則能夠協助企業撥雲見日,有效管理ESG 數據。該模型改良自品管大師戴明(Edwards Deming)博士提出之SIPOC流程模型。AIADV模型分別代表5個流程,提供給企業思考方向:
- 蒐集數據(Arrivals)
- 企業如何劃分各類別的ESG數據範圍?且是如何決定的?
- 企業如何客觀地選擇ESG 數據來源?
- 企業如何系統性鑑定和審查數據的供應商?
- 整合數據(Integration)
- 企業在進行數據描述前如何準備,以及其中歷程為何?
- 企業如何確保了解此過程的細節和行為?
- 企業如何保存原始數據和清洗後的數據?
- 企業在清洗數據時,有哪些品質控管?並根據哪些原則清理的?
- 分析數據(Analysis)
- 如何確定數據來源的重要性?
- 如何從乾淨的數據產生洞見?
- 如何確保對這個過程的細節,和進行方式有足夠的透明度?
- 企業在分析數據的過程中,有什麼品質控管措施?是如何建立的?
- 企業對於數據成品的保護政策是什麼?
- 報導數據(Delivery)
- 企業如何提供乾淨數據與資訊給用戶及利害關係人,其流程為何?
- 如何及何時提供關鍵數據和新訊息給利害關係人?
- 對於檢索、更新或刪除數據和訊息有哪些政策(若有)?
- 對於提供給用戶和利益相關者的記錄保留有哪些要求(如果有)?
- 數據價值(Value)
- 企業識別從ESG數據中獲取價值的用戶,及其利害關係人的流程是什麼?
- 企業評估決策用戶和利害關係人的過程是什麼?
- 企業在系統性審查數據與決策的流程,是否為利害關係人所理解?
AIADS模型提供了企業ESG數據管理策略,引導數據品質提升,最終帶領企業與利害關係人建立更長遠的信任關係。
ESG數據管理對於企業而言亦趨重要,對永續從業人員而言,數據分析的能力逐漸成為必備技能。根據Greenbiz最新趨勢研究,隨著新科技的出現及應用,意味著永續專業人士必須花費更多精力與時間分析公司績效,以及其追蹤的關鍵指標。擁有數據分析的能力,得以協助永續人才評估不同策略的有效性,並向高階管理階層提出基於數據的建議,並向外部溝通。
核稿:繆葶
註冊會員並免費訂閱《CSRone電子報》,建立個人永續書單、獲取更多永續新知!