ESG prikupljanje podataka, kvalitet podataka i upravljanje tragom revizije — Vještačka inteligencija u održivosti i ESG menadžmentu

Dobici:

Sposobnost pružanja determinističke tačnosti strukturiranjem dispergiranih ESG podataka i izvođenjem konverzije jedinica pomoću izvršnog koda/formule umjesto ručno
Sposobnost označavanja praznina u podacima kao proxy (predviđanja) bez njihovog uklapanja i rješavanja binarnog brojanja i odstupanja vraćanjem na izvor
Sposobnost da se podaci učine sljedljivim uspostavljanjem revizorskog traga koji povezuje svaku digitalnu stavku sa njenim izvorom

Ispod svakog izvještaja o održivosti krije se tih, ali monumentalan zadatak: prikupljanje podataka. Čak i srednja kompanija prikuplja račune za struju i prirodni gas, račune za gorivo, dokumente o prijenosu otpada, podatke o zaposlenima iz HR sistema, odgovore na ankete dobavljača i putne evidencije iz desetina objekata. Većina ovih podataka je raštrkana, u različitim formatima, u različitim jedinicama i često se unose ručno. Kvalitet izvještaja proizlazi iz tačnosti ovih sirovih podataka, a ne njegovog najblistavijeg grafikona. U ovoj jedinici ćete naučiti kako sigurno koristiti umjetnu inteligenciju (AI) za prikupljanje, čišćenje i upravljanje ovim neurednim podacima.

Prvo, koncept: kvalitet podataka znači da su podaci tačni (koji odražavaju istinu), potpuni (potpuni), dosljedni (ne kontradiktorni), pravovremeni i sljedivi (njihov izvor je poznat). Najčešći problem kvaliteta u ESG-u je taj što se podaci ne mogu pratiti, a ne netačni: postoji broj, ali „odakle to dolazi?“ Nema odgovora na pitanje. To je upravo ono što nezavisni revizor uvjerenja (spoljni stručnjak koji verificira izvještaj) traži. Dakle, okosnica ove jedinice je jedan koncept: revizorski trag — lanac zapisa koji pokazuje iz kog dokumenta dolazi svako izdanje, kog datuma, pod kojom pretpostavkom.

Tri tipična problema sa ESG podacima

1. Jedinični haos. Jedan objekat prijavljuje električnu energiju u kWh, drugi u MWh, a treći u GJ (gigadžulima). Ako se svi ne pretvore u jednu jedinicu prije dodavanja, rezultat je besmislen. Budući da je 1 MWh = 1.000 kWh, ako se jedinica izostavi, pojavit će se greška 1000 puta.

2. Nedostatak podataka. Nedostaje tromjesečna faktura nekretnine. Praznina se popunjava ili stvarnim podacima ili jasno izraženom procjenom (proxy): na primjer, prosjek iz sličnih mjeseci. Kritična stvar je ne sakriti prognozu; je označiti ga kao "procijenjeni podatak" u izvještaju.

3. Dvostruko brojanje i nedosljednost. Isto gorivo se skuplja dva puta ako se računa i u voznom parku i u generatoru. AI pomaže u hvatanju takvih kontradikcija, ali ne može donijeti konačnu odluku.

problem

simptom

pravi pristup

Jedinični haos

kWh/MWh/GJ mješovito

Pretvorite u jednu jedinicu, izvršite konverziju pomoću koda

jaz u podacima

Nedostaje mjesec/objekat

Koristite proxy, označite ga kao "procijenjeno"

binarni broj

Ista olovka na dva mesta

Pričvrstite izvor na jednu tačku

nesledljivost

broj nepoznatog porijekla

Link na tabelu revizorskog traga

Savjet: Zlatno pravilo u čišćenju podataka: "Nikad ne dirajte neobrađene podatke; radite na kopiji." Originalni računi i evidencija se čuvaju nepromijenjeni; Sve ispravke i konverzije se vrše u posebnom radnom fajlu, sa obrazloženjem. Na ovaj način, revizor se uvijek može vratiti izvornoj istini.

Korak po korak: Osigurajte radni tok podataka pomoću AI

1. Prikupite podatke i čuvajte ih onakvima kakvi jesu. Prikupljajte fakture i evidenciju u originalnom obliku na jednom mjestu; to je „jedini izvor istine“.

2. Konfigurirajte. Sortirajte neuredne podatke u organiziranu tabelu (biljka, period, stavka, vrijednost, jedinica, izvor). AI je dobar u uklapanju slobodnog teksta ili PDF sadržaja u ovaj predložak tablice.

3. Prevedite jedinice izvršnim kodom. Nemojte da AI ručno izvrši konverziju jedinica i zbroj; odštampajte formulu proračunske tablice ili mali kod i pokrenete kod. Dakle, rezultat je deterministički (isti i provjerljiv svaki put).

4. Izvršite kontrolu kvaliteta. Neka označe nedostatke (kao što je potrošnja objekta koja se iznenada povećava 10 puta), propuste i kontradikcije. Ali svaki znak potvrdite ljudskim očima.

5. Uspostavite revizorski trag. Dopunite tabelu povezujući svaku numeričku stavku sa njenim izvorom. Ova tabela je okosnica izvještaja.

Slaba prompt / Jaka prompt

Slab upit:

Prikupite podatke o ovom objektu i recite vam ukupnu potrošnju energije.

Ne postoje pravila o jedinici, izvoru i prostoru; AI može pregledati i prikupiti različite jedinice i tiho nadoknaditi one koje nedostaju.

Snažan upit:

Vaša uloga: analitičar ESG podataka. Ulaz: tabela jedinica-period-vrijednosti objekta ispod. Zadatak: 1) Pretvorite sve energetske vrijednosti u kWh; pokazati faktore konverzije u posebnoj koloni.2) Izrada ukupnog RUČNO; Napišite formulu za tabelarne proračune koju mogu koristiti. 3) Označite stavke koje nedostaju ili nula kao "NESTAJU — provjerite", nikada ih ne popunjavajte sami. 4) Navedite moguće binarne brojeve gdje se ista stavka pojavljuje dvaput. Izlaz: očišćena tabela + kolona konverzije + lista upozorenja.

Zašto je ključno staviti podatke u kod?

AI je generator teksta; Može pogriješiti kada mentalno prikuplja dugačke liste brojeva. Suprotno tome, ako od njega zatražite da generiše formulu ili kod, on će izvršiti proračun precizno u vašem okruženju i svaki put dobiti isti rezultat. Ovo je razlika između "broja koji AI kaže" i "kontroliranog izračuna".

Napišite skup formula Excel/Google Sheets za sljedeću tabelu sa podacima o emisijama. Potrebno:- U svakom redu: vrijednost × faktor konverzije = kWh- Zbir svih kWh- Dodajte ćelije koje nedostaju (prazne) kao BROJ; brojite odvojeni "broj koji nedostaje" Objasnite formule sa referencama na ćelije da ih mogu primijeniti ručno. Struktura tabele: A=objekat, B=period, C=vrijednost, D=jedinica

Oprez: Obratite posebnu pažnju na brojeve koje AI "čita" iz PDF-a ili slike. Greške kao što su 1.100 naspram 11.00 ili konfuzija sa zarezom (1.100 vs 1.100) su uobičajene tokom optičkog očitavanja. Vizuelno usporedite barem nekoliko primjera s izvornim dokumentom.

tri mini kofera

Slučaj 1 — Jedinična zamka. Holding kompanija je prikupila energetske podatke za 8 objekata. 7 objekata prijavilo je kWh, 1 objekat prijavilo je MWh. AI je uradio ukupno tako što je promašio jedinice u prvom pokušaju i smanjio taj objekat za faktor od 1000; Ukupno se ispostavilo da je 3.201 MWh, dok je zapravo bilo 4.200 MWh. Greška je uhvaćena i ispravljena transformacijom zasnovanom na kodu.

Slučaj 2 — Tajno predviđanje. Nedostajala je faktura jednog objekta za mart. Analitičar je rekao AI da “popuni prazninu”; AI je postavio prosjek susjednih mjeseci, ali ga nije precizirao. Revizor pita "iz koje je fakture ovaj broj?" Na pitanje, izvor nije pronađen. Proces je fiksiran: prognoza je u izvještaju jasno označena kao „proxy — prosek za februar/april“.

Slučaj 3 — Dvostruko brojanje. U fabrici je generatorsko gorivo uneto i pod stavke "stacionarno sagorevanje" i "rezervna energija". AI je označio ovo ponavljanje u svom skeniranju kontradiktornosti; analitičar je potvrdio i dvostruko brojanje od 6 tona CO₂e je uklonjeno. Na analitičaru je bilo da označi doprinos AI i donese odluku.

Upute za kontrolu kvaliteta

Izvršite provjeru kvaliteta na tablici ESG podataka ispod. Otkrijte (ali NEMOJTE to sami ispraviti, samo označite):1) Outliers (stavke koje odstupaju za više od 50% od prethodnog perioda)2) Nepodudarnosti jedinica3) Prazne/nedostajuće ćelije4) Mogući duplikati gdje se ista stavka pojavljuje više puta. Navedite svako upozorenje sa "lepo" [why]

Sljedeća prompt postavlja kostur tablice praćenja spreman za reviziju.

Uobičajene greške

Izmjena sirovih podataka. Pravljenje ispravki bez očuvanja originalnih zapisa prekida revizorski trag.
Ako AI izvrši konverziju jedinica ručno. Mentalno dodavanje na duge liste je sklono greškama; Koristite kod/formulu.
Sakrij prognozu. Korišćenje proxy podataka nije problem; Nepreciziranje je veliki problem u reviziji.
Tiho brisanje odstupanja. Udvostručenje potrošnje objekta može, ali ne mora biti greška; Ne može se izbrisati bez istrage.
Slijepo prihvatanje broja pročitanog iz PDF-a/slike. Kontrola uzorka protiv grešaka optičkog očitavanja je neophodna.

Ukratko

Prava vrijednost ESG izvještaja leži u tačnosti i sljedivosti njegovih podataka. AI; To je moćna pomoć u strukturiranju raštrkanih podataka, generiranju formula za konverziju jedinica i označavanju odstupanja i kontradikcija. Ali najveći rizik nije da su podaci pogrešni, već da im se ne može ući u trag. Sačuvajte sirove podatke, izvršite transformaciju u kodu, jasno označite predviđanje i povežite svaki broj sa revizorskim tragom. “Broj izgleda ispravno” nije dovoljan; "Mogu pratiti ovaj broj do njegovog izvora" bi trebalo biti obavezno.

Zadatak aplikacije

Pripremite malu tabelu uzoraka s podacima u najmanje tri različite jedinice (npr. kWh, MWh, litar); Namjerno ostavite jednu ili dvije ćelije prazne. Zamolite AI pomoću moćnog upitnika iznad za skup formula koje pretvaraju ovu tablicu u jednu jedinicu i listu upozorenja o kvaliteti. Zatim: (1) provjerite faktore konverzije, (2) provjerite da praznine nisu nadoknađene, (3) napišite mali revizijski trag za svaku stavku.

kontrolna lista

[ ] Zadržao sam sirove podatke u originalnom obliku, radio na kopiji.
[ ] Pretvorio sam sve jedinice u jednu jedinicu sa kodom/formulom.
[ ] Nisam nadoknadio podatke koji nedostaju; Označio sam predviđanja kao "proxy".
[ ] Istražio sam odlike prije nego što sam ih izbrisao.
[ ] Moguća binarna brojanja sam riješio odlaskom na izvor.
[ ] Vizuelno sam provjerio brojeve pročitane iz PDF-a/slike pomoću uzorka.
[ ] Povezao sam svaku numeričku stavku sa zapisom revizorskog traga.