Pengumpulan Data ESG, Kualitas Data dan Manajemen Jejak Audit — Kecerdasan Buatan dalam Keberlanjutan dan Manajemen ESG

Keuntungan:

Kemampuan untuk memberikan akurasi deterministik dengan menyusun data ESG yang tersebar dan melakukan konversi unit dengan kode/rumus yang dapat dieksekusi, bukan secara manual
Kemampuan untuk menandai kesenjangan data sebagai proksi (prediksi) tanpa menyesuaikannya dan menyelesaikan penghitungan biner dan outlier dengan kembali ke sumbernya
Kemampuan untuk membuat data dapat dilacak dengan membuat jejak audit yang menghubungkan setiap item digital ke sumbernya

Di balik setiap laporan keberlanjutan terdapat tugas yang tenang namun penting: pengumpulan data. Bahkan perusahaan menengah mengumpulkan tagihan listrik dan gas alam, kuitansi bahan bakar, dokumen pemindahan limbah, data karyawan dari sistem SDM, tanggapan survei dari pemasok, dan catatan perjalanan dari lusinan fasilitas. Sebagian besar data ini tersebar, dalam format berbeda, dalam unit berbeda, dan sering kali dimasukkan secara manual. Kualitas laporan ditentukan oleh keakuratan data mentahnya, bukan grafiknya yang paling mencolok. Di unit ini, Anda akan mempelajari cara menggunakan kecerdasan buatan (AI) dengan aman untuk mengumpulkan, membersihkan, dan mengelola data yang berantakan ini.

Pertama, konsep: kualitas data berarti data akurat (mencerminkan kebenaran), lengkap (lengkap), konsisten (tidak bertentangan), tepat waktu, dan dapat ditelusuri (diketahui sumbernya). Permasalahan kualitas yang paling umum dalam ESG adalah bahwa data tidak dapat dilacak dan bukannya tidak akurat: memang ada angkanya, namun “dari mana data tersebut berasal?” Tidak ada jawaban atas pertanyaan itu. Hal inilah yang ditanyakan oleh auditor jaminan independen (pakar eksternal yang memverifikasi laporan). Jadi tulang punggung unit ini adalah sebuah konsep tunggal: jejak audit — rangkaian catatan yang menunjukkan dari dokumen mana setiap permasalahan berasal, pada tanggal berapa, dan berdasarkan asumsi apa.

Tiga masalah umum pada data ESG

1. Kekacauan satuan. Satu fasilitas melaporkan listrik dalam satuan kWh, satu lagi dalam MWh, dan yang ketiga dalam satuan GJ (gigajoule). Jika tidak semuanya diubah menjadi satu kesatuan sebelum dijumlahkan, hasilnya tidak ada artinya. Karena 1 MWh = 1.000 kWh, jika satuannya dihilangkan, maka akan terjadi kesalahan 1000 kali lipat.

2. Kesenjangan data. Faktur triwulanan suatu properti tidak ada. Kesenjangan tersebut diisi dengan data riil atau dengan perkiraan yang dinyatakan dengan jelas (proksi): misalnya, rata-rata dari bulan yang sama. Hal yang penting adalah jangan menyembunyikan ramalan cuaca; adalah menandainya sebagai "perkiraan data" dalam laporan.

3. Penghitungan ganda dan inkonsistensi. Bahan bakar yang sama dikumpulkan dua kali jika dihitung baik dalam armada kendaraan maupun generator. AI membantu dalam menangkap kontradiksi tersebut tetapi tidak dapat membuat keputusan akhir.

masalah

gejala

pendekatan yang benar

Kekacauan satuan

kWh/MWh/GJ dicampur

Konversikan ke satuan tunggal, lakukan konversi dengan kode

kesenjangan data

Bulan/fasilitas tidak ada

Gunakan proxy, tandai sebagai "perkiraan"

hitungan biner

Pena yang sama di dua tempat

Sematkan sumber ke satu titik

tidak dapat dilacak

sejumlah asal yang tidak diketahui

Tautan ke tabel jejak audit

Tip: Aturan emas dalam pembersihan data: "Jangan pernah menyentuh data mentah; kerjakan salinannya." Faktur dan catatan asli tidak diubah; Semua koreksi dan konversi dilakukan dalam file kerja terpisah, dengan pembenaran. Dengan cara ini, auditor selalu dapat kembali ke kebenaran awal.

Langkah demi langkah: Amankan alur kerja data dengan AI

1. Kumpulkan data dan simpan sebagaimana adanya. Mengumpulkan faktur dan catatan dalam bentuk aslinya di satu tempat; itu adalah “satu-satunya sumber kebenaran.”

2. Konfigurasi. Urutkan data yang berantakan ke dalam tabel terorganisir (tanaman, periode, item, nilai, unit, sumber). AI pandai memasukkan konten teks atau PDF gratis ke dalam templat tabel ini.

3. Terjemahkan unit dengan kode yang dapat dieksekusi. Jangan biarkan AI melakukan konversi satuan dan menjumlahkan secara manual; cetak rumus spreadsheet atau kode kecil dan Anda menjalankan kode tersebut. Dengan demikian, hasilnya bersifat deterministik (sama dan dapat diverifikasi setiap saat).

4. Lakukan kontrol kualitas. Mintalah mereka menandai hal-hal yang tidak biasa (seperti konsumsi fasilitas yang tiba-tiba meningkat 10 kali lipat), kelalaian, dan kontradiksi. Tapi konfirmasikan setiap tanda dengan mata manusia.

5. Menetapkan jejak audit. Lengkapi tabel yang menghubungkan setiap item numerik ke sumbernya. Tabel ini adalah tulang punggung laporan.

Perintah lemah / Perintah kuat

Perintah yang lemah:

Kumpulkan data fasilitas ini dan beri tahu Anda total konsumsi energi.

Tidak ada aturan satuan, sumber dan ruang; AI dapat menelusuri dan mengumpulkan unit yang berbeda dan secara diam-diam mengganti unit yang hilang.

Perintah yang kuat:

Peran Anda: Analis data ESG.Masukan: tabel satuan nilai periode fasilitas di bawah.Tugas:1) Mengubah semua nilai energi menjadi kWh; tampilkan faktor konversi di kolom terpisah.2) Jumlahkan secara MANUAL; Tulis rumus spreadsheet yang dapat saya gunakan.3) Tandai item yang tampak hilang atau nol sebagai "HILANG — centang", jangan pernah mengisinya sendiri.4) Buat daftar kemungkinan jumlah biner di mana item yang sama muncul dua kali.Keluaran: tabel yang dibersihkan + kolom konversi + daftar peringatan.

Mengapa penting untuk memasukkan data ke dalam kode?

AI adalah generator teks; Mungkin membuat kesalahan ketika secara mental mengumpulkan daftar angka yang panjang. Sebaliknya, jika Anda memintanya untuk membuat rumus atau kode, penghitungan akan dijalankan secara tepat di lingkungan Anda dan mendapatkan hasil yang sama setiap saat. Inilah perbedaan antara "angka yang dikatakan AI" dan "perhitungan yang dapat dikontrol".

Tuliskan kumpulan rumus Excel/Google Sheets untuk tabel data emisi berikut. Kebutuhan:- Pada setiap baris: nilai × faktor konversi = kWh- Jumlah seluruh kWh- Tambahkan sel yang hilang (kosong) sebagai NUMBER; hitung "hitungan hilang" terpisah Jelaskan rumus dengan referensi sel sehingga saya bisa menerapkannya secara manual. Struktur tabel: A=fasilitas, B=periode, C=nilai, D=satuan

Perhatian: Berikan perhatian ekstra pada angka-angka yang "dibaca" AI dari PDF atau gambar. Kesalahan seperti 1,100 vs 11,00, atau kebingungan koma-titik (1,100 vs 1,100) sering terjadi selama pembacaan optik. Bandingkan secara visual setidaknya beberapa contoh dengan dokumen sumber.

tiga kasus mini

Kasus 1 — Perangkap unit. Sebuah perusahaan induk mengumpulkan data energi dari 8 fasilitas. 7 fasilitas melaporkan kWh, 1 fasilitas melaporkan MWh. AI melakukan total dengan melewatkan unit pada percobaan pertama dan menghitung kurang dari fasilitas itu sebanyak 1000 kali; Totalnya ternyata 3.201 MWh, padahal sebenarnya 4.200 MWh. Kesalahan ditangkap dan diperbaiki dengan transformasi berbasis kode.

Kasus 2 — Prediksi rahasia. Faktur bulan Maret pada salah satu fasilitas tidak ada. Analis tersebut meminta AI untuk “mengisi bagian yang kosong”; AI mencantumkan rata-rata bulan-bulan berikutnya tetapi tidak merincinya. Auditor bertanya "nomor ini dari faktur mana?" Saat ditanya, sumbernya tidak dapat ditemukan. Prosesnya telah diperbaiki: perkiraan tersebut dengan jelas ditandai sebagai “proksi — rata-rata bulan Februari/April” dalam laporan.

Kasus 3 — Penghitungan ganda. Di sebuah pabrik, bahan bakar generator dimasukkan dalam item "pembakaran stasioner" dan "energi cadangan". AI menandai pengulangan ini dalam pemindaian kontradiksinya; analis tersebut mengkonfirmasi dan penghitungan ganda sebesar 6 ton CO₂e telah dihapus. Analislah yang menentukan kontribusi AI dan mengambil keputusan.

Kontrol kualitas meminta

Lakukan pemeriksaan kualitas pada tabel data ESG di bawah ini. Deteksi (tapi JANGAN koreksi sendiri, cukup tandai):1) Outlier (item yang menyimpang lebih dari 50% dari periode sebelumnya)2) Perbedaan unit3) Sel kosong/hilang4) Kemungkinan duplikat ketika item yang sama muncul beberapa kali Cantumkan setiap peringatan dengan alasan "mengapa mencurigakan".Tabel: [TABEL]

Perintah berikut menyiapkan kerangka tabel pemantauan yang siap diaudit.

Kesalahan umum

Memodifikasi data mentah. Melakukan koreksi tanpa menyimpan catatan asli akan merusak jejak audit.
Meminta AI melakukan konversi satuan secara manual. Penambahan mental dalam daftar panjang rawan kesalahan; Gunakan kode/rumus.
Sembunyikan ramalan cuaca. Menggunakan data proxy tidak menjadi masalah; Tidak menentukannya merupakan masalah besar dalam audit.
Menghapus outlier secara diam-diam. Penggandaan konsumsi suatu fasilitas mungkin merupakan kesalahan atau bukan; Itu tidak dapat dihapus tanpa diselidiki.
Menerima secara membabi buta nomor yang dibaca dari PDF/gambar. Kontrol sampel terhadap kesalahan pembacaan optik sangat penting.

Singkatnya

Nilai sebenarnya dari laporan ESG terletak pada keakuratan dan ketertelusuran datanya. AI; Ini adalah bantuan yang ampuh dalam menyusun data yang tersebar, menghasilkan rumus untuk konversi satuan, dan menandai outlier dan kontradiksi. Namun risiko terbesarnya bukanlah datanya salah, melainkan tidak bisa dilacak. Simpan data mentah, lakukan transformasi dalam kode, tandai prediksi dengan jelas, dan ikat setiap angka ke jejak audit. “Angkanya terlihat benar” tidaklah cukup; "Saya dapat melacak nomor ini ke sumbernya" harus diisi.

Tugas aplikasi

Siapkan tabel sampel kecil dengan data setidaknya dalam tiga satuan berbeda (misalnya kWh, MWh, liter); Sengaja membiarkan satu atau dua sel kosong. Tanyakan kepada AI dengan perintah kuat di atas tentang serangkaian rumus yang mengubah tabel ini menjadi satu unit dan daftar peringatan kualitas. Kemudian: (1) memeriksa faktor konversi, (2) memverifikasi bahwa kesenjangan tidak dibuat-buat, (3) menulis baris jejak audit kecil untuk setiap item.

daftar periksa

[ ] Saya menyimpan data mentah dalam bentuk aslinya, mengerjakan salinannya.
[ ] Saya mengubah semua unit menjadi satu unit dengan kode/rumus.
[ ] Saya tidak membuat data yang hilang; Saya menandai prediksi sebagai "proxy".
[ ] Saya menyelidiki outlier sebelum menghapusnya.
[] Saya memecahkan kemungkinan penghitungan biner dengan membuka sumbernya.
[ ] Saya secara visual memverifikasi angka-angka yang dibaca dari PDF/gambar dengan sampel.
[] Saya menghubungkan setiap item numerik ke catatan jejak audit.