ইএসজি ডেটা কালেকশন, ডেটা কোয়ালিটি এবং অডিট ট্রেইল ম্যানেজমেন্ট — স্থায়িত্ব এবং ইএসজি ব্যবস্থাপনায় কৃত্রিম বুদ্ধিমত্তা

লাভ:

বিচ্ছুরিত ESG ডেটা গঠন করে এবং ম্যানুয়ালির পরিবর্তে এক্সিকিউটেবল কোড/সূত্রের সাথে ইউনিট রূপান্তর সম্পাদন করে নির্ধারক নির্ভুলতা প্রদান করার ক্ষমতা
ডেটা ফাঁকগুলিকে ফিট না করে প্রক্সি (ভবিষ্যদ্বাণী) হিসাবে চিহ্নিত করার ক্ষমতা এবং উত্সে ফিরে গিয়ে বাইনারি গণনা এবং আউটলিয়ারগুলি সমাধান করার ক্ষমতা
প্রতিটি ডিজিটাল আইটেমকে তার উৎসের সাথে সংযুক্ত করে এমন একটি অডিট ট্রেইল স্থাপন করে ডেটা ট্রেসযোগ্য করার ক্ষমতা

প্রতিটি টেকসই প্রতিবেদনের নীচে একটি শান্ত কিন্তু গুরুত্বপূর্ণ কাজ রয়েছে: ডেটা সংগ্রহ। এমনকি একটি মাঝারি আকারের কোম্পানি বিদ্যুৎ এবং প্রাকৃতিক গ্যাসের বিল, জ্বালানি রসিদ, বর্জ্য স্থানান্তর নথি, এইচআর সিস্টেম থেকে কর্মচারী ডেটা, সরবরাহকারীদের জরিপ প্রতিক্রিয়া এবং ডজন ডজন সুবিধা থেকে ভ্রমণ রেকর্ড সংগ্রহ করে। এই ডেটার বেশিরভাগই ছড়িয়ে ছিটিয়ে আছে, বিভিন্ন ফর্ম্যাটে, বিভিন্ন ইউনিটে, এবং প্রায়শই ম্যানুয়ালি প্রবেশ করানো হয়। একটি প্রতিবেদনের গুণমান এই কাঁচা ডেটার নির্ভুলতা থেকে আসে, এর সবচেয়ে উজ্জ্বল গ্রাফ থেকে নয়। এই ইউনিটে, আপনি শিখবেন কীভাবে নিরাপদে কৃত্রিম বুদ্ধিমত্তা (AI) ব্যবহার করতে হয় এই অগোছালো ডেটা সংগ্রহ, পরিষ্কার এবং পরিচালনা করতে।

প্রথমত, একটি ধারণা: ডেটা গুণমান মানে হল যে ডেটা সঠিক (সত্যকে প্রতিফলিত করে), সম্পূর্ণ (সম্পূর্ণ), সামঞ্জস্যপূর্ণ (পরস্পরবিরোধী নয়), সময়োপযোগী এবং সন্ধানযোগ্য (এর উত্স জানা যায়)। ESG-তে সবচেয়ে সাধারণ মানের সমস্যা হল যে ডেটা ভুলের পরিবর্তে খুঁজে পাওয়া যায় না: একটি সংখ্যা আছে, কিন্তু "এটি কোথা থেকে এসেছে?" প্রশ্নের কোন উত্তর নেই। স্বাধীন আশ্বাস নিরীক্ষক (বহিরাগত বিশেষজ্ঞ যিনি প্রতিবেদনটি যাচাই করেন) ঠিক এটিই জিজ্ঞাসা করেন। সুতরাং এই ইউনিটের মেরুদণ্ড হল একটি একক ধারণা: অডিট ট্রেইল — রেকর্ডের শৃঙ্খল যা দেখায় যে প্রতিটি সমস্যা কোন নথি থেকে এসেছে, কোন তারিখে, কোন অনুমানের অধীনে।

ESG ডেটা নিয়ে তিনটি সাধারণ সমস্যা

1. ইউনিট বিশৃঙ্খলা। একটি সুবিধা kWh-এ বিদ্যুতের রিপোর্ট করে, অন্যটি MWh-এ এবং তৃতীয়টি GJ (gigajoules)। যোগ করার আগে যদি সেগুলিকে একক ইউনিটে রূপান্তরিত না করা হয় তবে ফলাফলটি অর্থহীন। যেহেতু 1 MWh = 1,000 kWh, যদি ইউনিটটি বাদ দেওয়া হয়, 1000 বার ত্রুটি ঘটবে।

2. ডেটা গ্যাপ। একটি সম্পত্তির ত্রৈমাসিক চালান অনুপস্থিত. শূন্যস্থানটি হয় বাস্তব ডেটা দিয়ে বা একটি স্পষ্টভাবে বর্ণিত অনুমান (প্রক্সি) দিয়ে পূরণ করা হয়: উদাহরণস্বরূপ, একই মাসের গড়। গুরুত্বপূর্ণ বিষয় হল পূর্বাভাস গোপন করা নয়; প্রতিবেদনে এটিকে "আনুমানিক ডেটা" হিসাবে চিহ্নিত করা।

3. ডাবল গণনা এবং অসঙ্গতি। গাড়ির বহরে এবং জেনারেটর উভয় ক্ষেত্রেই গণনা করা হলে একই জ্বালানি দুবার সংগ্রহ করা হয়। AI এই ধরনের দ্বন্দ্ব ধরতে সাহায্য করে কিন্তু চূড়ান্ত সিদ্ধান্ত নিতে পারে না।

সমস্যা

উপসর্গ

সঠিক পদ্ধতি

ইউনিট বিশৃঙ্খলা

kWh/MWh/GJ মিশ্রিত

একক ইউনিটে রূপান্তর করুন, কোড দিয়ে রূপান্তর করুন

তথ্য ফাঁক

অনুপস্থিত মাস/সুবিধা

প্রক্সি ব্যবহার করুন, এটিকে "আনুমানিক" হিসাবে চিহ্নিত করুন

বাইনারি গণনা

দুই জায়গায় একই কলম

একক বিন্দুতে উৎস পিন করুন

untraceability

অজানা উত্স সংখ্যা

অডিট ট্রেইল টেবিলের লিঙ্ক

পরামর্শ: ডেটা পরিষ্কারের সুবর্ণ নিয়ম: "কখনও কাঁচা ডেটা স্পর্শ করবেন না; একটি অনুলিপিতে কাজ করুন।" মূল চালান এবং রেকর্ড অপরিবর্তিত রাখা হয়; সমস্ত সংশোধন এবং রূপান্তর ন্যায্যতা সহ একটি পৃথক কার্যকরী ফাইলে করা হয়। এইভাবে, নিরীক্ষক সর্বদা মূল সত্যে ফিরে যেতে পারে।

ধাপে ধাপে: AI এর সাথে ডেটা ওয়ার্কফ্লো সুরক্ষিত করুন

1. তথ্য সংগ্রহ করুন এবং এটি যেমন আছে. এক জায়গায় তাদের আসল আকারে চালান এবং রেকর্ড সংগ্রহ করুন; এটি "সত্যের একমাত্র উৎস"।

2. কনফিগার করুন। একটি সংগঠিত টেবিলে অগোছালো ডেটা সাজান (উদ্ভিদ, সময়কাল, আইটেম, মান, একক, উত্স)। AI এই টেবিল টেমপ্লেটে বিনামূল্যে পাঠ্য বা পিডিএফ বিষয়বস্তু ফিট করতে ভাল।

3. এক্সিকিউটেবল কোড সহ ইউনিট অনুবাদ করুন। AI-কে ইউনিট রূপান্তর এবং যোগফল ম্যানুয়ালি করতে নেই; এটি একটি স্প্রেডশীট সূত্র বা একটি ছোট কোড প্রিন্ট করুন এবং আপনি কোড চালান। সুতরাং, ফলাফলটি নির্ধারক (প্রতিবার একই এবং যাচাইযোগ্য)।

4. মান নিয়ন্ত্রণ সঞ্চালন. তাদের ফ্ল্যাগ আউটলিয়ার (যেমন একটি সুবিধার ব্যবহার হঠাৎ করে 10-গুণ বেড়ে যাওয়া), বাদ দেওয়া এবং দ্বন্দ্বগুলি দেখান৷ কিন্তু মানুষের চোখ দিয়ে প্রতিটি চিহ্ন নিশ্চিত করুন।

5. অডিট ট্রেইল স্থাপন করুন। প্রতিটি সংখ্যাসূচক আইটেমকে তার উৎসের সাথে সংযুক্ত করে টেবিলটি সম্পূর্ণ করুন। এই টেবিলটি রিপোর্টের মেরুদণ্ড।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

এই সুবিধার ডেটা সংগ্রহ করুন এবং আপনাকে মোট শক্তি খরচ বলুন।

কোন একক, উৎস এবং স্থান নিয়ম নেই; AI স্কিম করতে পারে এবং বিভিন্ন ইউনিট সংগ্রহ করতে পারে এবং নিঃশব্দে অনুপস্থিতগুলির জন্য মেকআপ করতে পারে।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: ESG ডেটা বিশ্লেষক। ইনপুট: সুবিধা-পর্যায়-মান-ইউনিট টেবিল নীচে। টাস্ক: 1) সমস্ত শক্তি মানকে kWh-এ রূপান্তর করুন; পৃথক কলামে রূপান্তর কারণগুলি দেখান। 2) মোট ম্যানুয়ালি করা; একটি স্প্রেডশীট সূত্র লিখুন যা আমি ব্যবহার করতে পারি। 3) যে আইটেমগুলি অনুপস্থিত বা শূন্য দেখাচ্ছে "মিসিং — চেক" হিসাবে চিহ্নিত করুন, সেগুলি কখনই নিজের মধ্যে পূরণ করবেন না। 4) সম্ভাব্য বাইনারি গণনার তালিকা করুন যেখানে একই আইটেম দুইবার প্রদর্শিত হবে। আউটপুট: পরিষ্কার টেবিল + রূপান্তর কলাম + সতর্কতা তালিকা।

কোডে ডেটা রাখা কেন গুরুত্বপূর্ণ?

এআই একটি টেক্সট জেনারেটর; মানসিকভাবে সংখ্যার দীর্ঘ তালিকা সংগ্রহ করার সময় ভুল হতে পারে। বিপরীতভাবে, আপনি যদি এটিকে একটি সূত্র বা কোড তৈরি করতে বলেন, তাহলে এটি আপনার পরিবেশে সঠিকভাবে গণনা চালাবে এবং প্রতিবার একই ফলাফল পাবে। এটি "এআই বলছে সংখ্যা" এবং "নিয়ন্ত্রণযোগ্য গণনা" এর মধ্যে পার্থক্য।

নিম্নলিখিত নির্গমন ডেটা টেবিলের জন্য এক্সেল/গুগল শীট সূত্রের একটি সেট লিখুন। প্রয়োজন:- প্রতিটি সারিতে: মান × রূপান্তর ফ্যাক্টর = kWh- সমস্ত kWhs-এর যোগফল- NUMBER হিসাবে অনুপস্থিত ঘর (খালি) যোগ করুন; একটি পৃথক "অনুপস্থিত গণনা" গণনা করুন সেল রেফারেন্স সহ সূত্রগুলি ব্যাখ্যা করুন যাতে আমি সেগুলি ম্যানুয়ালি প্রয়োগ করতে পারি৷ সারণী গঠন: A=সুবিধা, B=পিরিয়ড, C=মান, D=ইউনিট

সতর্কতা: পিডিএফ বা ইমেজ থেকে AI "পড়া" নম্বরগুলিতে অতিরিক্ত মনোযোগ দিন। 1.100 বনাম 11.00, বা কমা-ডট বিভ্রান্তির মতো ত্রুটি (1.100 বনাম 1.100) অপটিক্যাল পড়ার সময় সাধারণ। উৎস নথির সাথে অন্তত কয়েকটি উদাহরণ দৃশ্যত তুলনা করুন।

তিনটি মিনি কেস

কেস 1 — ইউনিট ফাঁদ। একটি হোল্ডিং কোম্পানি 8টি সুবিধার শক্তি ডেটা সংগ্রহ করেছে। 7টি সুবিধার রিপোর্ট করা হয়েছে kWh, 1টি সুবিধা রিপোর্ট করা হয়েছে MWh. AI প্রথম চেষ্টায় ইউনিটগুলি মিস করে এবং 1000 এর ফ্যাক্টর দ্বারা সেই সুবিধাটি কম গণনা করে মোট করেছে; মোট দাঁড়ায় ৩,২০১ মেগাওয়াট, যখন তা ছিল ৪,২০০ মেগাওয়াট। কোড-ভিত্তিক রূপান্তর দ্বারা ত্রুটি ধরা পড়ে এবং সংশোধন করা হয়েছিল।

কেস 2 - গোপন ভবিষ্যদ্বাণী। একটি সুবিধার মার্চ চালান অনুপস্থিত ছিল. বিশ্লেষক AI কে বলেছেন "শূন্যস্থান পূরণ করুন"; AI প্রতিবেশী মাসের গড় রাখলেও তা নির্দিষ্ট করেনি। অডিটর জিজ্ঞেস করে "এই নম্বরটি কোন চালান?" জানতে চাইলে সূত্র পাওয়া যায়নি। প্রক্রিয়াটি স্থির করা হয়েছে: প্রতিবেদনে পূর্বাভাসটি স্পষ্টভাবে "প্রক্সি — ফেব্রুয়ারি/এপ্রিল গড়" হিসাবে চিহ্নিত করা হয়েছে।

কেস 3 - ডাবল গণনা। একটি কারখানায়, জেনারেটরের জ্বালানী "স্থির বার্ন" এবং "ব্যাকআপ শক্তি" উভয় আইটেমের অধীনে প্রবেশ করা হয়েছিল। AI তার দ্বন্দ্ব স্ক্যানে এই পুনরাবৃত্তিটিকে ফ্ল্যাগ করেছে; বিশ্লেষক নিশ্চিত করেছেন এবং 6 টন CO₂e এর দ্বিগুণ গণনা অপসারণ করা হয়েছে। AI এর অবদান চিহ্নিত করা এবং সিদ্ধান্ত নেওয়ার জন্য এটি বিশ্লেষকের উপর নির্ভর করে।

মান নিয়ন্ত্রণ প্রম্পট

নীচের ESG ডেটা টেবিলে একটি গুণমান পরীক্ষা করুন। সনাক্ত করুন (তবে এটি নিজে সংশোধন করবেন না, শুধু চিহ্নিত করুন): 1) বহিরাগত (আগের সময়ের থেকে 50% এর বেশি বিচ্যুত আইটেম) 2) ইউনিট অসঙ্গতি3) খালি/অনুপস্থিত কোষ4) সম্ভাব্য ডুপ্লিকেট যেখানে একই আইটেম একাধিকবার প্রদর্শিত হয়। "প্রত্যেকটি সতর্কতার সাথে এটি একটি যুক্তিযুক্ত কারণ" তালিকাভুক্ত করুন। [টেবিল]

নিম্নলিখিত প্রম্পট একটি অডিট-প্রস্তুত পর্যবেক্ষণ টেবিল কঙ্কাল সেট আপ করে।

সাধারণ ভুল

কাঁচা ডেটা পরিবর্তন করা হচ্ছে। মূল রেকর্ড সংরক্ষণ না করে সংশোধন করা নিরীক্ষার পথ ভেঙে দেয়।
AI থাকলে ম্যানুয়ালি ইউনিট রূপান্তর করা হয়। দীর্ঘ তালিকায় মানসিক সংযোজন ত্রুটির প্রবণতা; কোড/সূত্র ব্যবহার করুন।
পূর্বাভাস লুকান। প্রক্সি ডেটা ব্যবহার করা কোন সমস্যা নয়; এটা উল্লেখ না করা অডিট করার ক্ষেত্রে একটি বড় সমস্যা।
নীরবে আউটলিয়ার মুছে ফেলা হচ্ছে। একটি সুবিধার খরচ দ্বিগুণ একটি ভুল হতে পারে বা নাও হতে পারে; তদন্ত ছাড়া এটি মুছে ফেলা যাবে না।
পিডিএফ/ইমেজ থেকে পড়া নম্বরটি অন্ধভাবে গ্রহণ করা। অপটিক্যাল রিডিং ত্রুটির বিরুদ্ধে নমুনা নিয়ন্ত্রণ অপরিহার্য।

সংক্ষেপে

একটি ESG রিপোর্টের প্রকৃত মূল্য তার ডেটার নির্ভুলতা এবং সন্ধানযোগ্যতার মধ্যে নিহিত। এআই; এটি বিক্ষিপ্ত ডেটা গঠনে, ইউনিট রূপান্তরের জন্য সূত্র তৈরি করতে এবং বহিরাগত এবং দ্বন্দ্ব চিহ্নিত করতে একটি শক্তিশালী সহায়তা। কিন্তু সবচেয়ে বড় ঝুঁকি হল যে ডেটা ভুল তা নয়, এটি হল এটি খুঁজে পাওয়া যায় না। কাঁচা ডেটা সংরক্ষণ করুন, কোডে রূপান্তর করুন, ভবিষ্যদ্বাণীটি পরিষ্কারভাবে চিহ্নিত করুন এবং প্রতিটি সংখ্যাকে একটি অডিট ট্রেইলে বাঁধুন। "সংখ্যাটি সঠিক দেখাচ্ছে" যথেষ্ট নয়; "আমি এই নম্বরটিকে এর উত্সে ট্রেস করতে পারি" প্রয়োজন হওয়া উচিত।

আবেদন টাস্ক

কমপক্ষে তিনটি ভিন্ন ইউনিটে ডেটা সহ একটি ছোট নমুনা টেবিল প্রস্তুত করুন (যেমন kWh, MWh, লিটার); উদ্দেশ্যমূলকভাবে এক বা দুটি ঘর ফাঁকা রাখুন। উপরের শক্তিশালী প্রম্পট সহ AI কে জিজ্ঞাসা করুন সূত্রের একটি সেট যা এই টেবিলটিকে একক ইউনিটে রূপান্তর করে এবং গুণমানের সতর্কতার একটি তালিকা। তারপর: (1) রূপান্তর কারণগুলি পরীক্ষা করুন, (2) যাচাই করুন যে ফাঁকগুলি তৈরি হয়নি, (3) প্রতিটি আইটেমের জন্য একটি ছোট অডিট ট্রেল লাইন লিখুন৷

চেকলিস্ট

[ ] আমি কাঁচা ডেটা তার আসল আকারে রেখেছি, অনুলিপিতে কাজ করেছি।
আমি কোড/সূত্র সহ সমস্ত ইউনিটকে একক ইউনিটে রূপান্তর করেছি।
[ ] আমি অনুপস্থিত ডেটা তৈরি করিনি; আমি ভবিষ্যদ্বাণীগুলিকে "প্রক্সি" হিসাবে চিহ্নিত করেছি৷
[ ] আমি তাদের মুছে ফেলার আগে বহিরাগতদের তদন্ত করেছি৷
[ ] আমি উৎসে গিয়ে সম্ভাব্য বাইনারি গণনা সমাধান করেছি।
[ ] আমি একটি নমুনা সহ PDF/ইমেজ থেকে পঠিত সংখ্যাগুলি দৃশ্যত যাচাই করেছি৷
[ ] আমি প্রতিটি সংখ্যাসূচক আইটেমকে একটি অডিট ট্রেইল রেকর্ডের সাথে সংযুক্ত করেছি৷