جمع البيانات البيئية والاجتماعية والحوكمة، وجودة البيانات، وإدارة مسار التدقيق — الذكاء الاصطناعي في الاستدامة والإدارة البيئية والاجتماعية والحوكمة

المكاسب:

القدرة على توفير دقة حتمية من خلال هيكلة بيانات ESG المتفرقة وإجراء تحويل الوحدة باستخدام كود/صيغة قابلة للتنفيذ بدلاً من ذلك يدويًا
القدرة على تحديد فجوات البيانات كبديل (تنبؤ) دون ملاءمتها وحل العد الثنائي والقيم المتطرفة من خلال العودة إلى المصدر
القدرة على جعل البيانات قابلة للتتبع من خلال إنشاء مسار تدقيق يربط كل عنصر رقمي بمصدره

تحت كل تقرير عن الاستدامة تكمن مهمة هادئة ولكنها ضخمة: جمع البيانات. حتى الشركات المتوسطة الحجم تقوم بجمع فواتير الكهرباء والغاز الطبيعي، وإيصالات الوقود، ووثائق نقل النفايات، وبيانات الموظفين من أنظمة الموارد البشرية، واستجابات الاستبيانات من الموردين، وسجلات السفر من عشرات المرافق. معظم هذه البيانات متناثرة، في تنسيقات مختلفة، في وحدات مختلفة، وغالبًا ما يتم إدخالها يدويًا. جودة التقرير تأتي من دقة هذه البيانات الأولية، وليس من الرسم البياني الأكثر بهرجة. في هذه الوحدة، ستتعلم كيفية استخدام الذكاء الاصطناعي (AI) بأمان لجمع هذه البيانات الفوضوية وتنظيفها وإدارتها.

أولا، مفهوم: جودة البيانات تعني أن البيانات دقيقة (تعكس الحقيقة)، وكاملة (كاملة)، ومتسقة (غير متناقضة)، وحسنة التوقيت، وقابلة للتتبع (مصدرها معروف). إن مشكلة الجودة الأكثر شيوعاً في المعايير البيئية والاجتماعية والحوكمة هي أن البيانات غير قابلة للتتبع وليست غير دقيقة: هناك رقم، ولكن "من أين جاء ذلك؟" لا توجد إجابة على السؤال. وهذا بالضبط ما يطلبه مدقق التأكيد المستقل (الخبير الخارجي الذي يتحقق من التقرير). لذا فإن العمود الفقري لهذه الوحدة هو مفهوم واحد: مسار التدقيق - سلسلة السجلات التي توضح الوثيقة التي جاء منها كل إصدار، وفي أي تاريخ، وتحت أي افتراض.

ثلاث مشاكل نموذجية تتعلق ببيانات الحوكمة البيئية والاجتماعية وحوكمة الشركات

1. فوضى الوحدة. تبلغ إحدى المنشآت عن الكهرباء بالكيلووات في الساعة، والأخرى بالميجاواط في الساعة، والثالثة بالجيجاجول (جيجا جول). إذا لم يتم تحويلها كلها إلى وحدة واحدة قبل إضافتها، فإن النتيجة لا معنى لها. نظرًا لأن 1 ميجاوات في الساعة = 1000 كيلووات في الساعة، إذا تم حذف الوحدة، فسيحدث خطأ 1000 مرة.

2. فجوة البيانات. الفاتورة ربع السنوية للعقار مفقودة. ويتم ملء هذه الفجوة إما ببيانات حقيقية أو بتقدير محدد بوضوح (بديل): على سبيل المثال، متوسط الأشهر المماثلة. الشيء الحاسم هو عدم إخفاء التوقعات؛ هو وضع علامة عليها على أنها "بيانات تقديرية" في التقرير.

3. العد المزدوج وعدم الاتساق. يتم جمع نفس الوقود مرتين إذا تم احتسابه في كل من أسطول المركبات والمولد. يساعد الذكاء الاصطناعي في اكتشاف مثل هذه التناقضات، لكنه لا يستطيع اتخاذ القرار النهائي.

مشكلة

أعراض

النهج الصحيح

فوضى الوحدة

كيلووات ساعة/ ميجاوات ساعة/ جيجا جول مختلط

تحويل إلى وحدة واحدة، قم بالتحويل باستخدام الكود

فجوة البيانات

الشهر/المنشأة مفقودة

استخدم الوكيل، ضع علامة عليه كـ "مقدر"

العد الثنائي

نفس القلم في مكانين

تثبيت المصدر على نقطة واحدة

عدم إمكانية التتبع

عدد مجهول المصدر

رابط جدول مراجعة الحسابات

نصيحة: القاعدة الذهبية في تنظيف البيانات: "لا تلمس البيانات الأولية أبدًا، واعمل على نسخة منها." يتم الاحتفاظ بالفواتير والسجلات الأصلية دون تغيير؛ يتم إجراء كافة التصحيحات والتحويلات في ملف عمل منفصل، مع التبرير. وبهذه الطريقة، يستطيع المدقق دائمًا العودة إلى الحقيقة الأصلية.

خطوة بخطوة: تأمين سير عمل البيانات باستخدام الذكاء الاصطناعي

1. جمع البيانات والاحتفاظ بها كما هي. جمع الفواتير والسجلات بشكلها الأصلي في مكان واحد؛ إنه "المصدر الوحيد للحقيقة".

2. تكوين. فرز البيانات الفوضوية في جدول منظم (النبات، الفترة، العنصر، القيمة، الوحدة، المصدر). يعد الذكاء الاصطناعي جيدًا في ملاءمة النص المجاني أو محتوى PDF في قالب الجدول هذا.

3. ترجمة الوحدات ذات التعليمات البرمجية القابلة للتنفيذ. لا تجعل الذكاء الاصطناعي يقوم بتحويل الوحدات وجمعها يدويًا؛ اطبعها صيغة جدول بيانات أو رمزًا صغيرًا وقم بتشغيل الكود. وبالتالي تكون النتيجة حتمية (نفسها ويمكن التحقق منها في كل مرة).

4. إجراء مراقبة الجودة. اطلب منهم وضع علامة على القيم المتطرفة (مثل زيادة استهلاك المنشأة فجأة بمقدار 10 أضعاف)، والإغفالات، والتناقضات. لكن تأكد من كل علامة بالعين البشرية.

5. إنشاء مسار التدقيق. أكمل الجدول الذي يربط كل عنصر عددي بمصدره. وهذا الجدول هو العمود الفقري للتقرير.

موجه ضعيف / موجه قوي

حث ضعيف:

اجمع بيانات هذه المنشأة وأخبرك بإجمالي استهلاك الطاقة.

لا توجد قواعد للوحدة والمصدر والمساحة؛ يستطيع الذكاء الاصطناعي قراءة الوحدات المختلفة وجمعها والتعويض عن الوحدات المفقودة بصمت.

مطالبة قوية:

دورك: محلل بيانات ESG. الإدخال: جدول المنشأة-فترة-قيمة-الوحدة أدناه. المهمة:1) تحويل جميع قيم الطاقة إلى كيلوواط ساعة؛ إظهار عوامل التحويل في عمود منفصل.2) جعل المجموع يدويا؛ اكتب صيغة جدول بيانات يمكنني استخدامها. 3) حدد العناصر التي تظهر مفقودة أو صفر على أنها "مفقود - تحقق"، لا تملأها بنفسك أبدًا. 4) قم بإدراج الأعداد الثنائية المحتملة حيث يظهر نفس العنصر مرتين. الإخراج: جدول نظيف + عمود تحويل + قائمة تحذير.

لماذا من المهم وضع البيانات في التعليمات البرمجية؟

الذكاء الاصطناعي هو منشئ النصوص؛ قد يرتكب أخطاء عند التجميع الذهني لقوائم طويلة من الأرقام. على العكس من ذلك، إذا طلبت منه إنشاء صيغة أو رمز، فسيتم تشغيل الحساب بدقة في بيئتك ويحصل على نفس النتيجة في كل مرة. هذا هو الفرق بين "الرقم الذي يقوله الذكاء الاصطناعي" و"الحساب الذي يمكن التحكم فيه".

اكتب مجموعة من صيغ Excel/Google Sheets لجدول بيانات الانبعاثات التالي. تحتاج إلى: - في كل صف: القيمة × عامل التحويل = kWh- مجموع كل kWhs- أضف الخلايا المفقودة (فارغة) كرقم؛ حساب "عدد مفقود" منفصل اشرح الصيغ باستخدام مراجع الخلايا حتى أتمكن من تطبيقها يدويًا. بنية الجدول: A=facility، B=period، C=value، D=unit

تحذير: انتبه جيدًا للأرقام التي "يقرأها" الذكاء الاصطناعي من ملف PDF أو الصورة. تعد الأخطاء مثل 1.100 مقابل 11.00، أو الخلط بين النقاط الفاصلة (1.100 مقابل 1.100) شائعة أثناء القراءة البصرية. قارن بصريًا بعض الأمثلة على الأقل مع المستند المصدر.

ثلاث حالات صغيرة

الحالة 1 - فخ الوحدة. قامت إحدى الشركات القابضة بجمع بيانات الطاقة لثمانية منشآت. تم الإبلاغ عن 7 منشآت كيلووات في الساعة، ومنشأة واحدة تم الإبلاغ عنها ميجاوات في الساعة. لقد حقق الذكاء الاصطناعي النتيجة الإجمالية من خلال فقدان الوحدات في المحاولة الأولى وتقليل عدد تلك المنشأة بمعامل 1000؛ وتبين أن المجموع هو 3201 ميجاوات في الساعة، في حين كان في الواقع 4200 ميجاوات في الساعة. تم اكتشاف الخطأ وإصلاحه عن طريق التحويل المستند إلى التعليمات البرمجية.

الحالة 2 - التنبؤ السري. كانت فاتورة شهر مارس الخاصة بأحد المنشآت مفقودة. وطلب المحلل من منظمة العفو الدولية "ملء الفراغ"؛ وقد حددت منظمة العفو الدولية متوسط الأشهر المجاورة لكنها لم تحدده. يسأل المدقق "من أي فاتورة هذا الرقم؟" وعندما سئل، لا يمكن العثور على المصدر. تم إصلاح العملية: تم وضع علامة واضحة على التوقعات على أنها "بديل - متوسط فبراير/أبريل" في التقرير.

الحالة 3 - العد المزدوج. وفي أحد المصانع، تم إدخال وقود المولدات ضمن بنود "الحرق الثابت" و"الطاقة الاحتياطية". وقد أشار الذكاء الاصطناعي إلى هذا التكرار في مسحه للتناقضات؛ أكد المحلل وتمت إزالة العد المزدوج لـ 6 أطنان من ثاني أكسيد الكربون. كان الأمر متروكًا للمحلل لتحديد مساهمة الذكاء الاصطناعي واتخاذ القرار.

مطالبات مراقبة الجودة

قم بإجراء فحص الجودة في جدول بيانات الحوكمة البيئية والاجتماعية والحوكمة (ESG) أدناه. اكتشف (ولكن لا تقم بتصحيحه بنفسك، فقط ضع علامة): 1) القيم المتطرفة (العناصر التي تنحرف بأكثر من 50٪ عن الفترة السابقة) 2) تناقضات الوحدة 3) الخلايا الفارغة/المفقودة 4) التكرارات المحتملة حيث يظهر نفس العنصر عدة مرات قم بإدراج كل تنبيه مع سبب "لماذا هو مريب". الجدول: [جدول]

تقوم المطالبة التالية بإعداد هيكل جدول مراقبة جاهز للتدقيق.

الأخطاء الشائعة

تعديل البيانات الخام. يؤدي إجراء التصحيحات دون الاحتفاظ بالسجلات الأصلية إلى قطع مسار التدقيق.
إن قيام الذكاء الاصطناعي بإجراء تحويل الوحدة يدويًا. الإضافة الذهنية في القوائم الطويلة عرضة للخطأ؛ استخدم الكود/الصيغة.
إخفاء التوقعات. لا يمثل استخدام بيانات الوكيل مشكلة؛ عدم تحديدها يمثل مشكلة كبيرة في التدقيق.
حذف القيم المتطرفة بصمت. مضاعفة استهلاك المنشأة قد يكون خطأ وقد لا يكون؛ ولا يمكن حذفه دون التحقيق فيه.
قبول الرقم المقروء من ملف PDF/الصورة بشكل أعمى. يعد التحكم في العينة ضد أخطاء القراءة البصرية أمرًا ضروريًا.

باختصار

تكمن القيمة الحقيقية لتقرير الحوكمة البيئية والاجتماعية وحوكمة الشركات في دقة بياناته وإمكانية تتبعها. منظمة العفو الدولية. إنها أداة مساعدة قوية في هيكلة البيانات المتفرقة، وإنشاء صيغ لتحويل الوحدات، ووضع علامات على القيم المتطرفة والتناقضات. لكن الخطر الأكبر ليس أن تكون البيانات خاطئة، بل أنه لا يمكن تعقبها. الحفاظ على البيانات الأولية، وإجراء التحويل في التعليمات البرمجية، ووضع علامة واضحة على التنبؤ، وربط كل رقم بمسار التدقيق. "الرقم يبدو صحيحا" ليس كافيا؛ يجب أن يكون "يمكنني تتبع هذا الرقم حتى مصدره" مطلوبًا.

مهمة التطبيق

قم بإعداد جدول عينة صغير يحتوي على بيانات في ثلاث وحدات مختلفة على الأقل (مثل كيلووات ساعة، ميجاوات ساعة، لتر)؛ اترك خلية أو خليتين فارغتين عن قصد. اطلب من الذكاء الاصطناعي باستخدام الموجه القوي أعلاه الحصول على مجموعة من الصيغ التي تحول هذا الجدول إلى وحدة واحدة وقائمة تنبيهات الجودة. بعد ذلك: (1) التحقق من عوامل التحويل، (2) التحقق من عدم سد الفجوات، (3) كتابة سطر تدقيق صغير لكل عنصر.

قائمة مرجعية

[ ] احتفظت بالبيانات الأولية في شكلها الأصلي، وعملت على نسخها.
[ ] لقد قمت بتحويل جميع الوحدات إلى وحدة واحدة برمز/صيغة.
[ ] لم أقم بتعويض البيانات المفقودة؛ لقد قمت بوضع علامة على التوقعات على أنها "وكيل".
[ ] لقد قمت بالتحقق من القيم المتطرفة قبل حذفها.
[ ] لقد قمت بحل الأعداد الثنائية المحتملة بالانتقال إلى المصدر.
[ ] لقد قمت بالتحقق بصريًا من الأرقام المقروءة من ملف PDF/الصورة باستخدام عينة.
[ ] لقد قمت بربط كل عنصر رقمي بسجل تتبع التدقيق.