ESG adatgyűjtés, adatminőség és ellenőrzési nyomvonal kezelése — Mesterséges intelligencia a fenntarthatóságban és az ESG-menedzsmentben

Nyereség:

Képes a determinisztikus pontosság biztosítására a szórt ESG adatok strukturálásával és az egységkonverzió végrehajtásával manuális helyett végrehajtható kóddal/képlettel
Képes adathézagok proxyként (előrejelzésként) megjelölni anélkül, hogy illeszkednének, és feloldhatók a bináris számlálás és a kiugró értékek a forráshoz való visszatéréssel
Az adatok nyomon követhetővé tétele egy audit nyomvonal létrehozásával, amely minden egyes digitális elemet a forráshoz köt

Minden fenntarthatósági jelentés mögött egy csendes, de monumentális feladat rejlik: az adatgyűjtés. Még egy közepes méretű cég is begyűjti a villany- és földgázszámlákat, az üzemanyag-bizonylatokat, a hulladékszállítási dokumentumokat, az alkalmazottak adatait a HR-rendszerekből, a felmérési válaszokat a beszállítóktól és az utazási jegyzőkönyveket több tucat létesítményről. Ezen adatok nagy része szétszórtan, különböző formátumokban, különböző mértékegységekben van, és gyakran manuálisan adják meg. A jelentés minősége a nyers adatok pontosságából adódik, nem pedig a legszembetűnőbb grafikonból. Ebben az egységben megtudhatja, hogyan használhatja biztonságosan a mesterséges intelligenciát (AI) ezeknek a rendetlen adatoknak a gyűjtésére, tisztítására és kezelésére.

Először is egy fogalom: az adatminőség azt jelenti, hogy az adatok pontosak (az igazságot tükrözik), teljesek (teljesek), következetesek (nem ellentmondásosak), időszerűek és nyomon követhetők (forrásuk ismert). Az ESG leggyakoribb minőségi problémája az, hogy az adatok nyomon követhetetlenek, semmint pontatlanok: van egy szám, de „honnan ez?” A kérdésre nincs válasz. Pontosan ezt kéri a független könyvvizsgáló (a jelentést ellenőrző külső szakértő). Tehát ennek az egységnek a gerincét egyetlen fogalom alkotja: az ellenőrzési nyomvonal – a rekordok lánca, amely megmutatja, hogy az egyes kiadások melyik dokumentumból származnak, melyik dátumon, milyen feltételezés alapján.

Három tipikus probléma az ESG adatokkal

1. Egységkáosz. Az egyik létesítmény kWh-ban, egy másik MWh-ban, a harmadik pedig GJ-ben (gigajoule) jelenti. Ha nem konvertálja mindet egyetlen egységgé a hozzáadás előtt, az eredmény értelmetlen. Mivel 1 MWh = 1000 kWh, az egység elhagyása esetén 1000-szeres hiba lép fel.

2. Adathiány. Hiányzik egy ingatlan negyedéves számlája. A hiányt vagy valós adatokkal, vagy egyértelműen megfogalmazott becsléssel (proxy) pótoljuk: például hasonló hónapok átlagával. A kritikus dolog az, hogy ne rejtsük el az előrejelzést; "becsült adatként" kell megjelölni a jelentésben.

3. Kettős számolás és következetlenség. Ugyanazt az üzemanyagot kétszer gyűjtik össze, ha a járműflottában és a generátorban is beszámítják. A mesterséges intelligencia segít felfogni az ilyen ellentmondásokat, de nem tudja meghozni a végső döntést.

probléma

tünet

helyes megközelítés

Egységkáosz

kWh/MWh/GJ vegyesen

Átalakítás egyetlen egységre, az átalakítást kóddal végezze el

adathiány

Hiányzó hónap/létesítmény

Használjon proxyt, jelölje meg "becsült"-ként

bináris szám

Két helyen ugyanaz a toll

A forrás rögzítése egyetlen ponthoz

követhetetlenség

számú ismeretlen eredetű

Link az ellenőrzési nyomvonal táblázathoz

Tipp: Aranyszabály az adattisztításban: "Soha ne érintse meg a nyers adatokat, dolgozzon egy másolaton." Az eredeti számlák és nyilvántartások változatlanok maradnak; Minden javítás és átalakítás külön munkafájlban történik, indoklással. Így az auditor mindig visszatérhet az eredeti igazsághoz.

Lépésről lépésre: Biztonságos adatmunkafolyamat mesterséges intelligencia segítségével

1. Gyűjtse össze az adatokat, és őrizze meg azokat. Gyűjtse össze a számlákat, nyilvántartásokat eredeti formájukban egy helyen; ez az „igazság egyetlen forrása”.

2. Konfigurálás. Rendezze a rendetlen adatokat egy szervezett táblázatba (üzem, időszak, cikk, érték, egység, forrás). Az AI jól illeszti a szabad szöveges vagy PDF-tartalmat ebbe a táblázatsablonba.

3. Fordítsa le a végrehajtható kóddal rendelkező egységeket. Ne végezze el a mesterséges intelligencia az egységkonvertálást és az összegzést kézzel; nyomtasson ki egy táblázatkezelő képletet vagy egy kis kódot, és futtassa a kódot. Így az eredmény determinisztikus (minden alkalommal ugyanaz és ellenőrizhető).

4. Végezzen minőség-ellenőrzést. Jelölje meg a kiugró értékeket (például egy létesítmény fogyasztása hirtelen 10-szeresére nő), kihagyásokat és ellentmondásokat. De minden jelet erősítsen meg emberi szemmel.

5. Állítsa be az ellenőrzési nyomvonalat. Töltse ki a táblázatot az egyes numerikus elemek forrásaihoz való kapcsolásával. Ez a táblázat képezi a jelentés gerincét.

Gyenge felszólítás / Erős felszólítás

Gyenge felszólítás:

Gyűjtsd össze ezeket a létesítményadatokat, és mondd el a teljes energiafogyasztást.

Nincsenek mértékegység-, forrás- és térszabályok; A mesterséges intelligencia képes átfutni és összegyűjteni a különböző egységeket, és csendben pótolni a hiányzó egységeket.

Erőteljes felszólítás:

Az Ön szerepe: ESG adatelemző. Bemenet: létesítmény-időszak-érték-egység táblázat lent. Feladat:1) Konvertálja át az összes energiaértéket kWh-ra; a konverziós tényezőket külön oszlopban jelenítse meg.2) A végösszeg KÉZI készítése; Írjon egy táblázatos képletet, amelyet használhatok.3) A hiányzónak vagy nullának tűnő elemeket jelölje meg "HIÁNYZATOK - Check"-ként, soha ne töltse ki őket saját maga.4) Sorolja fel azokat a lehetséges bináris számokat, ahol ugyanaz az elem kétszer jelenik meg. Kimenet: tisztított táblázat + konverziós oszlop + figyelmeztető lista.

Miért kritikus az adatok kódba helyezése?

Az AI egy szöveggenerátor; Hibákat követhet el, amikor hosszú számlistákat gyűjt össze. Ellenkező esetben, ha megkéri, hogy állítson elő egy képletet vagy kódot, akkor pontosan lefutja a számítást a környezetében, és minden alkalommal ugyanazt az eredményt kapja. Ez a különbség a „szám, amit az AI mond” és a „vezérelhető számítás” között.

Írjon Excel/Google Sheets képleteket a következő kibocsátási adattáblázathoz.Szükség:- Minden sorban: érték × konverziós tényező = kWh- Az összes kWh összege- Adja hozzá a hiányzó cellákat (üres) SZÁMként; számoljon egy külön "hiányzó számot" Magyarázza meg a képleteket cellahivatkozásokkal, hogy kézzel tudjam alkalmazni. A táblázat szerkezete: A=létesítmény, B=periódus, C=érték, D=egység

Vigyázat: Fordítson különös figyelmet azokra a számokra, amelyeket az AI „olvas” a PDF-ből vagy a képből. Az optikai olvasás során gyakoriak az olyan hibák, mint az 1.100 vs. 11.00, vagy a vesszők összekeverése (1.100 vs 1.100). Vizuálisan hasonlítson össze legalább néhány példát a forrásdokumentummal.

három mini tok

1. eset – Egységcsapda. Egy holding 8 létesítmény energetikai adatait gyűjtötte össze. 7 létesítmény kWh-t, 1 létesítmény MWh-t jelentett. A mesterséges intelligencia úgy érte el a teljes eredményt, hogy az első próbálkozásra kihagyta az egységeket, és 1000-szeresen alászámolta a létesítményt; A végösszeg 3201 MWh lett, amikor valójában 4200 MWh volt. A hibát kódalapú átalakítás észlelte és javította.

2. eset – Titkos jóslat. Az egyik létesítmény márciusi számlája hiányzott. Az elemző azt mondta az AI-nak, hogy „töltse ki az ürességet”; Az AI a szomszédos hónapok átlagát tette fel, de nem adta meg. A könyvvizsgáló megkérdezi, hogy "melyik számláról van ez a szám?" Kérdésre a forrás nem található. A folyamatot rögzítették: az előrejelzés egyértelműen „proxy – február/április átlag” jelöléssel szerepel a jelentésben.

3. eset – Kettős számítás. Egy gyárban a generátor tüzelőanyagát az "álló égés" és a "tartalék energia" tételek közé is beírták. Az AI megjelölte ezt az ismétlést az ellentmondásos vizsgálat során; Az elemző megerősítette, és a 6 tonna CO₂e kétszeres számlálása megszűnt. Az elemzőn múlott, hogy megjelölje az AI hozzájárulását, és meghozza a döntést.

Minőség-ellenőrzési felszólítások

Végezzen minőségellenőrzést az alábbi ESG adattáblázaton.Érzékelje (de NE javítsa ki, csak jelölje meg):1) Kiugró értékek (az előző időszakhoz képest több mint 50%-kal eltérő tételek)2) Mértékegység-eltérések3) Üres/hiányzó cellák4) Lehetséges ismétlődések, ahol ugyanaz az elem többször is megjelenik.Minden egyes riasztás felsorolása lehetséges [B:why" figyelmeztetés.

A következő prompt beállít egy audit-kész megfigyelési tábla vázat.

Gyakori hibák

Nyers adatok módosítása. Az eredeti nyilvántartások megőrzése nélküli javítások megtörik az ellenőrzési nyomvonalat.
Az AI kézzel végezze el a mértékegység-átalakítást. A hosszú listák mentális kiegészítése hajlamos a hibákra; Használjon kódot/képletet.
Az előrejelzés elrejtése. A proxyadatok használata nem jelent problémát; Ennek elmulasztása nagy probléma az auditálás során.
A kiugró érték csendben törlése. Egy létesítmény fogyasztásának megkétszerezése lehet hiba, de lehet, hogy nem; Nem törölhető kivizsgálás nélkül.
A PDF-ből/képből kiolvasott szám vakon elfogadása. Az optikai olvasási hibák elleni mintaellenőrzés elengedhetetlen.

Összefoglalva

Az ESG-jelentés valódi értéke az adatok pontosságában és nyomon követhetőségében rejlik. AI; Hatékony segítség a szórt adatok strukturálásához, mértékegység-átváltási képletek generálásához, valamint a kiugró értékek és ellentmondások megjelöléséhez. De a legnagyobb kockázat nem az, hogy hibásak az adatok, hanem az, hogy nyomon követhetetlenek. Őrizze meg a nyers adatokat, hajtsa végre az átalakítást kódban, jelölje meg egyértelműen az előrejelzést, és kösse az egyes számokat egy ellenőrzési nyomvonalhoz. „A szám megfelelőnek tűnik” nem elég; "Ki tudom követni ezt a számot a forrásig" kötelező.

Pályázati feladat

Készítsen egy kis mintatáblázatot az adatokkal legalább három különböző mértékegységben (pl. kWh, MWh, liter); Szándékosan hagyjon üresen egy vagy két cellát. Kérje meg az AI-t a fenti hatékony prompt segítségével egy olyan képletkészlethez, amely ezt a táblázatot egyetlen egységgé alakítja, és egy minőségi figyelmeztetések listáját. Ezután: (1) ellenőrizze a konverziós tényezőket, (2) ellenőrizze, hogy nincsenek-e hiányok, (3) írjon egy kis ellenőrzési nyomvonalat minden tételhez.

ellenőrző lista

[ ] A nyers adatokat eredeti formájában megőriztem, a másolaton dolgoztam.
[ ] Minden mértékegységet egyetlen egységgé konvertáltam kóddal/képlettel.
[ ] Nem pótoltam a hiányzó adatokat; Az előrejelzéseket "proxy"-ként jelöltem meg.
[ ] A kiugró értékeket a törlés előtt megvizsgáltam.
[ ] A lehetséges bináris számlálásokat úgy oldottam meg, hogy a forráshoz mentem.
[ ] A PDF-ből/képből kiolvasott számokat egy mintával szemrevételezéssel ellenőriztem.
[ ] Minden numerikus elemet egy ellenőrzési nyomvonal rekordhoz kapcsoltam.