「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	有效利用有形物質的比例 溫室氣體排放 能源使用 水資源使用 污染物 生物多樣性 土地使用	人權 勞工權益 員工健康 員工安全 多元、平等、共融（DEI） 員工平等機會 產品健康與品質 隱私權保護 對社會與當地社區的衝擊／影響	董事會職能 道德行為、反賄賂、反貪腐措施 股權結構 管理階層的當責性 利害關係人溝通 資訊透明度

（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：

1. 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。
2. 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。
3. 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。
4. 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：

1. 蒐集數據（Arrivals）
   1. 企業如何劃分各類別的ESG數據範圍？且是如何決定的？
   2. 企業如何客觀地選擇ESG 數據來源？
   3. 企業如何系統性鑑定和審查數據的供應商？
2. 整合數據（Integration）
   1. 企業在進行數據描述前如何準備，以及其中歷程為何？
   2. 企業如何確保了解此過程的細節和行為？
   3. 企業如何保存原始數據和清洗後的數據？
   4. 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？
3. 分析數據（Analysis）
   1. 如何確定數據來源的重要性？
   2. 如何從乾淨的數據產生洞見？
   3. 如何確保對這個過程的細節，和進行方式有足夠的透明度？
   4. 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？
   5. 企業對於數據成品的保護政策是什麼？
4. 報導數據（Delivery）
   1. 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？
   2. 如何及何時提供關鍵數據和新訊息給利害關係人？
   3. 對於檢索、更新或刪除數據和訊息有哪些政策（若有）？
   4. 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）？
5. 數據價值（Value）
   1. 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？
   2. 企業評估決策用戶和利害關係人的過程是什麼？
   3. 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。

亞太地區永續盛會2023 第九屆台灣永續趨勢與分析發表會也觀察到此一潮流，邀請到國內外重量級來賓，包含Boston Consulting Group partner and director Tim Mohin、台灣微軟首席營運長陳慧蓉、玉山金控科技長暨副總經理張智星及BSI 英國標準協會技術長鄭仲凱齊聚一堂，分享以科技驅動永續管理的標竿案例，引領與會者一同迎接下一波永續科技浪潮。

 

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！