De beoogde voordelen van environmental, social en corporate governance (esg) zijn in theorie helder voor ondernemingen, investeerders, en regelgevers: meetbare resultaten in verduurzaming die extern geverifieerd kunnen worden. Hoe esg tot een succes moet worden gemaakt is nog onzeker. Zo is er weinig consensus over welke gegevens ondernemingen moeten verzamelen en hoe ze deze moeten analyseren en rapporteren.
Richtlijnen voor esg-rapportages helpen zeker, maar dat alleen is niet voldoende. Data-analyse en ai kunnen de impact van esg sterk vergroten, maar worden nu nog te weinig gebruikt. De Financial Times constateerde na onderzoek onder investeerders dat, volgens zeven van de tien respondenten, het gebrek aan hoogwaardige data de grootste uitdaging vormt voor esg.
De grootste blokkade voor esg is dus niet het gebrek aan regulatie en richtlijnen. Het is een gebrek aan goede data- en analysetools.
Datagebrek in een datagedreven aanpak
Esg is in grondslag een datagedreven paradigma, maar de huidige esg-rapporten zijn een mix van metingen en marketing – met een nadruk op marketing. Wanneer een rapport van tientallen pagina’s maar twee of drie pagina’s met harde cijfers bevat, kunnen de prestaties extern niet voldoende geverifieerd worden. Ook kun je niet zien of die genoemde cijfers een realistisch beeld van esg-prestaties geven, of dat het simpelweg de makkelijkst te achterhalen cijfers zijn.
Het is een flinke uitdaging: je eigen esg-prestaties in kaart brengen is niet genoeg. Ook prestaties van derde partijen zoals toeleveranciers tellen mee. Zonder de mogelijkheid om esg-data van jezelf én van derden te analyseren en te verifiëren, blijft esg niets meer dan een marketingterm. En dat betekent dat esg-initiatieven uiteindelijk hun geloofwaardigheid zullen verliezen.
Voor zowel het analyse- en verificatieproces als het rapportageproces bestaan geen algemene richtlijnen. Er zijn wel initiatieven om dat gat (deels) te dichten. Zo ondersteunen ruim honderd esg-dataleveranciers ondernemingen in hun rapportageproces. Ook werken Europese regelgevers samen aan een uitgebreide standaard voor esg-rapportages.
Het zijn lovenswaardige initiatieven, maar eigenlijk wil je niet afhankelijk zijn van dataleveranciers van wie de methodologieën en databronnen niet altijd transparant zijn. En het duurt jaren voordat standaarden gefinaliseerd worden, terwijl consumenten én investeerders nu al duurzaamheid eisen van ondernemingen.
Oplossen
Om het dataprobleem rond esg op te lossen, moeten ondernemingen drie vragen kunnen beantwoorden. Voor ieder van deze vragen is de oplossing te vinden in moderne technologie:
Datakwaliteit: is de data accuraat? Het verzamelen van data is in grote mate nog steeds veel handwerk. Waterverbruik, CO2-emissies, demografische analyses – al die data leven hoogstwaarschijnlijk in gescheiden databases die werken met verschillende formats, waardoor het moeilijk is om accurate en hoogwaardige data te verkrijgen. Deze uitdaging is op te lossen door je data bijvoorbeeld in één centraal ‘data lake’ te beheren.
Compliance: behalen we onze doelen? Wanneer je je data in een centraal data lake huist, hebben ondernemingen realtime inzicht in hun esg-prestaties. Hierdoor zijn benchmarks beter te definiëren en is het makkelijker bij te sturen om naleving van de gestelde doelen te verbeteren. Daarnaast zijn ondernemingen dankzij gecentraliseerde en hoogwaardige data in staat vaker hun resultaten te rapporteren.
Verificatie: vertelt de data de waarheid? Zonder accurate data kun je je partners hoogstens vragen zich aan je gedragscode te houden. Maar hoe is dit in hemelsnaam te verifiëren? Ai kan een grote rol spelen in het verificatieproces, dankzij technieken zoals computerlinguïstiek (waarmee automatisch informatie uit tekst wordt gehaald) en graafanalyse (waarmee je kunt analyseren hoe verschillende entiteiten elkaars esg-prestaties beïnvloeden).
Zonder dit fundamentele dataprobleem op te lossen, kunnen ondernemingen geen accuraat beeld krijgen van hun eigen esg-prestaties.
Praktijkvoorbeeld
Om een beeld te krijgen van hoe datatechnologieën esg-rapportages ondersteunen, kunnen we een it-producent als voorbeeld nemen die de esg-prestaties van een van zijn toeleveranciers wil evalueren en verifiëren.
Wil je dat nu doen, dan ben je voor de evaluatie geheel afhankelijk van de data die de toeleverancier zelf onthult en/of van onafhankelijke esg-dataleveranciers. Voor verificatie kun je of de verstrekte data voor waar aannemen, of een handmatige cross-check doen met de beoordelingen van een esg-dataleverancier.
Maar in een ware datagedreven wereld kun je allerlei datatypes (gestructureerde, ongestructureerde of alternatieve data) en ai-technieken gebruiken om esg-prestaties te toetsen. Dat werkt als volgt:
- Eerst gebruik je alternatieve data om inzichten te verkrijgen over luchtvervuiling, de waterkwaliteit in nabijgelegen waterlichamen en de lokale volksgezondheid. Hiermee kun je de ecologische impact per productielocatie analyseren.
- Daarna kun je ai-technieken zoals embedding gebruiken om te evalueren of er bijvoorbeeld in de media een sterk verband wordt gelegd tussen de toeleverancier en voorgenoemde alternatieve data. Hiermee zie je of er een verschil is tussen wat er wordt gerapporteerd, en wat er daadwerkelijk gebeurt.
- Ten slotte kun je met behulp van grootschalige Monte Carlo-simulaties zien of bepaalde economische factoren de capaciteit van de toeleverancier beïnvloeden om aan esg-standaarden te voldoen.
Dit is geen toekomstmuziek: al deze stappen kun je nu al op dit niveau doorlopen met reeds bestaande technologieën.
Deze technologieën resulteren in hoogwaardige en verifieerbare data. Hiermee wordt esg een onderdeel van de bedrijfsprestaties en daarmee onderdeel van de bedrijfsstrategie en governance-processen. En dan kan esg pas écht een verschil maken in de wereld.
Junta Nakai, global industry leader financial services bij Databricks
