ESG sběr dat, kvalita dat a správa auditních stop — Umělá inteligence v udržitelnosti a ESG managementu

zisky:

Schopnost poskytnout deterministickou přesnost strukturováním rozptýlených dat ESG a prováděním převodu jednotek pomocí spustitelného kódu/vzorce spíše než ručně
Schopnost označit mezery v datech jako proxy (predikci) bez jejich přizpůsobení a vyřešit binární počítání a odlehlé hodnoty návratem ke zdroji
Schopnost zajistit sledovatelnost dat vytvořením auditní stopy, která spojuje každou digitální položku s jejím zdrojem

Pod každou zprávou o udržitelnosti se skrývá tichý, ale monumentální úkol: sběr dat. I středně velká firma shromažďuje účty za elektřinu a zemní plyn, účtenky za palivo, doklady o převodu odpadu, údaje o zaměstnancích z HR systémů, odpovědi na průzkumy od dodavatelů a cestovní záznamy z desítek zařízení. Většina těchto dat je rozptýlena, v různých formátech, v různých jednotkách a často se zadávají ručně. Kvalita zprávy vychází z přesnosti těchto nezpracovaných dat, nikoli z jejich nejkřiklavějšího grafu. V této jednotce se naučíte, jak bezpečně používat umělou inteligenci (AI) ke sběru, čištění a správě těchto chaotických dat.

Za prvé, koncept: kvalita dat znamená, že data jsou přesná (odrážející pravdu), úplná (úplná), konzistentní (nerozporná), včasná a sledovatelná (jejich zdroj je znám). Nejčastějším problémem kvality v ESG je to, že data jsou spíše nevysledovatelná než nepřesná: existuje číslo, ale „odkud se to vzalo?“ Na otázku neexistuje odpověď. Přesně na to se ptá nezávislý auditor (externí expert, který zprávu ověřuje). Páteří této jednotky je tedy jediný koncept: audit trail – řetězec záznamů, který ukazuje, z jakého dokumentu každé vydání pochází, ke kterému datu a za jakých předpokladů.

Tři typické problémy s daty ESG

1. Jednotkový chaos. Jedno zařízení uvádí elektřinu v kWh, další v MWh a třetí v GJ (gigajoule). Pokud nejsou všechny před přidáním převedeny do jedné jednotky, výsledek postrádá smysl. Protože 1 MWh = 1 000 kWh, pokud je jednotka vynechána, dojde k 1000násobné chybě.

2. Nedostatek dat. Chybí čtvrtletní faktura nemovitosti. Mezera je vyplněna buď reálnými daty, nebo jasně uvedeným odhadem (proxy): například průměrem z podobných měsíců. Kritické je neskrývat předpověď; je ve zprávě označit jako „odhadované údaje“.

3. Dvojité počítání a nekonzistence. Stejné palivo se odebírá dvakrát, pokud je započítáno jak do vozového parku, tak do generátoru. AI pomáhá zachytit takové rozpory, ale nemůže učinit konečné rozhodnutí.

problém

symptom

správný přístup

Jednotkový chaos

kWh/MWh/GJ smíšené

Převeďte na jednu jednotku, proveďte převod pomocí kódu

datová mezera

Chybějící měsíc/zařízení

Použijte proxy, označte jej jako „odhadovaný“

binární počet

Stejné pero na dvou místech

Připnout zdroj k jednomu bodu

nevysledovatelnost

číslo neznámého původu

Odkaz na tabulku auditních záznamů

Tip: Zlaté pravidlo při čištění dat: "Nikdy se nedotýkejte nezpracovaných dat, pracujte na kopii." Původní faktury a záznamy zůstávají nezměněny; Veškeré opravy a převody se provádějí v samostatném pracovním souboru s odůvodněním. Takto se auditor může vždy vrátit k původní pravdě.

Krok za krokem: Zabezpečte práci s daty pomocí AI

1. Sbírejte data a uchovávejte je tak, jak jsou. Sbírejte faktury a záznamy v původní podobě na jednom místě; je to „jediný zdroj pravdy“.

2. Nakonfigurujte. Třídit chaotická data do organizované tabulky (závod, období, položka, hodnota, jednotka, zdroj). Umělá inteligence je dobrá ve vkládání volného textu nebo obsahu PDF do této šablony tabulky.

3. Přeložte jednotky pomocí spustitelného kódu. Nenechávejte AI provádět převod jednotek a součet ručně; vytiskněte tabulkový vzorec nebo malý kód a spustíte kód. Výsledek je tedy deterministický (pokaždé stejný a ověřitelný).

4. Proveďte kontrolu kvality. Požádejte je, aby označili odlehlé hodnoty (např. spotřeba zařízení náhle vzrostla 10krát), opomenutí a rozpory. Každé znamení ale potvrďte lidskýma očima.

5. Vytvořte auditní záznam. Vyplňte tabulku, která spojí každou číselnou položku s jejím zdrojem. Tato tabulka je páteří zprávy.

Slabá výzva / Silná výzva

Slabá výzva:

Shromážděte tato data zařízení a sdělte vám celkovou spotřebu energie.

Neexistují žádná pravidla týkající se jednotek, zdrojů a prostoru; Umělá inteligence může procházet a sbírat různé jednotky a tiše doplňovat ty chybějící.

Výkonná výzva:

Vaše role: Analytik dat ESG. Vstup: tabulka zařízení-období-hodnota-jednotka níže.Úkol:1) Převeďte všechny energetické hodnoty na kWh; uveďte konverzní faktory v samostatném sloupci. 2) Vytváření součtu RUČNĚ; Napište tabulkový vzorec, který mohu použít. 3) Položky, které se objevují jako chybějící nebo nulové, označte jako „CHYBÍ – zaškrtněte“, nikdy je nevyplňujte sami. 4) Vypište možná binární počty, kde se stejná položka vyskytuje dvakrát. Výstup: vyčištěná tabulka + sloupec pro převod + seznam varování.

Proč je důležité vkládat data do kódu?

AI je textový generátor; Může dělat chyby při mentálním sbírání dlouhých seznamů čísel. Naopak, pokud jej požádáte o vygenerování vzorce nebo kódu, spustí výpočet přesně ve vašem prostředí a pokaždé získá stejný výsledek. To je rozdíl mezi „číslem, které AI říká“ a „kontrolovatelným výpočtem“.

Napište sadu vzorců Excel/Google Sheets pro následující tabulku s údaji o emisích. Potřebujete:- V každém řádku: hodnota × konverzní faktor = kWh- Součet všech kWh- Doplňte chybějící buňky (prázdné) jako ČÍSLO; počítat samostatný "chybějící počet"Vysvětlete vzorce pomocí odkazů na buňky, abych je mohl použít ručně. Struktura tabulky: A=zařízení, B=období, C=hodnota, D=jednotka

Upozornění: Věnujte zvýšenou pozornost číslům, která AI „přečte“ z PDF nebo obrázku. Při optickém čtení jsou běžné chyby jako 1 100 vs 11,00 nebo záměna čárky a tečky (1 100 vs 1 100). Vizuálně porovnejte alespoň pár příkladů se zdrojovým dokumentem.

tři mini pouzdra

Případ 1 – Jednotková past. Holdingová společnost shromáždila energetická data 8 zařízení. 7 zařízení uvedlo kWh, 1 zařízení uvedlo MWh. Umělá inteligence udělala celkem tím, že minula jednotky na první pokus a podpočítala toto zařízení faktorem 1000; Celkem vyšlo 3 201 MWh, když to bylo ve skutečnosti 4 200 MWh. Chyba byla zachycena a opravena transformací založenou na kódu.

Případ 2 — Tajná předpověď. Březnová faktura jednoho zařízení chyběla. Analytik řekl AI, aby „vyplnila prázdné místo“; AI uvedla průměr sousedních měsíců, ale nespecifikovala jej. Auditor se ptá "z které faktury je toto číslo?" Na dotaz se zdroj nepodařilo najít. Proces byl opraven: předpověď je ve zprávě jasně označena jako „proxy — únor/duben průměr“.

Případ 3 – Dvojité počítání. V továrně bylo palivo generátoru zadáno pod položky „stacionární spalování“ a „záložní energie“. Umělá inteligence označila toto opakování při skenování rozporu; analytik potvrdil a dvojité započítání 6 tun CO₂e bylo odstraněno. Bylo na analytikovi, aby označil příspěvek AI a učinil rozhodnutí.

Výzvy ke kontrole kvality

Proveďte kontrolu kvality v tabulce s údaji ESG níže. Zjistěte (ale NEOPRAVUJTE to sami, pouze označte):1) Odlehlé hodnoty (položky, které se liší o více než 50 % od předchozího období)2) Nesrovnalosti v jednotkách3) Prázdné/chybějící buňky4) Možné duplikáty, kde se stejná položka objevuje vícekrátUveďte každé upozornění s "proč" je to podezřelé. [TABLETpodezřelé:

Následující výzva nastaví kostru monitorovací tabulky připravenou k auditu.

Časté chyby

Úprava nezpracovaných dat. Provádění oprav bez zachování původních záznamů porušuje auditní stopu.
Nechat AI provést převod jednotek ručně. Mentální sčítání v dlouhých seznamech je náchylné k chybám; Použijte kód/vzorec.
Skrýt předpověď. Použití proxy dat není problém; Jeho neuvedení je v auditování velkým problémem.
Tiché smazání odlehlé hodnoty. Zdvojnásobení spotřeby zařízení může, ale nemusí být chybou; Bez prošetření to nelze smazat.
Slepé přijetí čísla přečteného z PDF/obrázku. Kontrola vzorku proti optickým chybám čtení je nezbytná.

V souhrnu

Skutečná hodnota zprávy ESG spočívá v přesnosti a sledovatelnosti jejích dat. AI; Je to silný pomocník při strukturování rozptýlených dat, generování vzorců pro převod jednotek a označování odlehlých hodnot a rozporů. Ale největším rizikem není to, že data jsou chybná, ale to, že jsou nedohledatelná. Zachovejte nezpracovaná data, proveďte transformaci v kódu, jasně označte předpověď a připojte každé číslo k auditní stopě. „Číslo vypadá správně“ nestačí; Mělo by být vyžadováno „Mohu vysledovat toto číslo k jeho zdroji“.

Aplikační úkol

Připravte si malou vzorovou tabulku s údaji alespoň ve třech různých jednotkách (např. kWh, MWh, litr); Záměrně ponechte jednu nebo dvě buňky prázdné. Požádejte AI pomocí výkonné výzvy výše o sadu vzorců, které převedou tuto tabulku na jednu jednotku, a seznam upozornění na kvalitu. Poté: (1) zkontrolujte konverzní faktory, (2) ověřte, že mezery nejsou zarovnané, (3) napište pro každou položku malý řádek auditní stopy.

kontrolní seznam

[ ] Ponechal jsem nezpracovaná data v původní podobě, pracoval jsem na kopii.
[ ] Všechny jednotky jsem převedl do jedné jednotky pomocí kódu/vzorce.
[ ] chybějící údaje jsem nedoplnil; Předpovědi jsem označil jako "proxy".
[ ] Odlehlé hodnoty jsem prozkoumal, než jsem je smazal.
[ ] Možné binární počty jsem vyřešil přechodem ke zdroji.
[ ] Načtená čísla z PDF/obrázku jsem vizuálně ověřil ukázkou.
[ ] Propojil jsem každou číselnou položku se záznamem auditní stopy.