ESG データ収集、データ品質、監査証跡管理

利益:

分散した ESG データを構造化し、手動ではなく実行可能コード/式を使用して単位変換を実行することにより、決定的な精度を提供する機能
データギャップをフィッティングせずにプロキシ（予測）としてマークし、ソースに戻ってバイナリカウントと外れ値を解決する機能
各デジタルアイテムをそのソースに接続する監査証跡を確立することにより、データを追跡可能にする機能

すべての持続可能性レポートの下には、データ収集という地味だが重要なタスクが横たわっています。中堅企業であっても、電気や天然ガスの料金、燃料の領収書、廃棄物の移動書類、人事システムからの従業員データ、サプライヤーからのアンケート回答、数十の施設からの出張記録などを収集しています。このデータのほとんどは、さまざまな形式、さまざまな単位で散在しており、多くの場合、手動で入力されます。レポートの品質は、派手なグラフではなく、この生データの正確さによって決まります。この単元では、人工知能 (AI) を安全に使用して、この乱雑なデータを収集、クリーンアップ、管理する方法を学びます。

まず概念ですが、データ品質とは、データが正確 (真実を反映している)、完全 (完全)、一貫性 (矛盾がない)、タイムリーで追跡可能 (ソースがわかっている) であることを意味します。 ESG における最も一般的な品質問題は、データが不正確であるというよりも、データが追跡できないことです。数字はありますが、「それはどこから来たのか?」ということです。という質問に対する答えはありません。これはまさに、独立保証監査人（報告書を検証する外部専門家）が求めていることです。したがって、この単元のバックボーンは単一の概念です。監査証跡です。これは、各問題がどの文書から、どの日付に、どのような仮定の下で作成されたかを示す一連の記録です。

ESG データに関する 3 つの典型的な問題

1. ユニットの混乱。 1 つの施設は電力量を kWh で報告し、別の施設は MWh で報告し、3 つ目は GJ (ギガジュール) で報告します。加算する前にすべてを 1 つの単位に変換しないと、結果は意味がありません。 1MWh＝1,000kWhなので単位を省略すると1000倍の誤差が生じます。

2. データのギャップ。宿泊施設の四半期請求書がありません。このギャップは、実際のデータ、または明確に記載された推定値 (代用値)、たとえば、類似した月の平均値のいずれかで埋められます。重要なことは、予測を隠さないことです。レポート内で「推定データ」としてマークすることです。

3. 二重カウントと不一致。同じ燃料が車両群と発電機の両方でカウントされる場合、2 回回収されます。 AIはそのような矛盾を捉えるのには役立ちますが、最終的な決定を下すことはできません。

問題

症状

正しいアプローチ

ユニットカオス

kWh/MWh/GJ混合

単一ユニットに変換、コードで変換を実行

データギャップ

月/施設が欠落しています

プロキシを使用し、「推定」としてマークします

バイナリカウント

同じペンが 2 か所にある

ソースを単一点にピン留めする

追跡不能

出所不明の数

監査証跡テーブルへのリンク

ヒント: データクリーニングの黄金律: 「生データには決して触れないでください。コピーで作業します。」元の請求書と記録は変更されずに保管されます。すべての修正と変換は、正当な理由を示して別の作業ファイルで行われます。こうすることで、監査人はいつでも元の真実に戻ることができます。

ステップバイステップ: AI を使用した安全なデータワークフロー

1. データを収集し、そのまま保管します。請求書と記録を元の形式で 1 か所に収集します。それが「唯一の真実の情報源」なのです。

2. 設定します。乱雑なデータを整理された表 (プラント、期間、品目、値、単位、ソース) に分類します。 AI は、フリーテキストまたは PDF コンテンツをこの表テンプレートに組み込むのが得意です。

3. 実行可能コードを使用してユニットを変換します。 AI に単位変換と合計を手動で行わせないでください。スプレッドシートの数式または小さなコードを出力し、そのコードを実行します。したがって、結果は決定的です (毎回同じで検証可能です)。

4. 品質管理を行います。異常値 (施設の消費量が突然 10 倍に増加したなど)、欠落、矛盾にフラグを立ててもらいます。ただし、それぞれの兆候は人間の目で確認してください。

5. 監査証跡を確立します。各数値項目とその出典を結び付ける表を完成させます。このテーブルはレポートのバックボーンです。

弱いプロンプト / 強いプロンプト

弱いプロンプト:

この施設データを収集し、総エネルギー消費量を示します。

単位、ソース、スペースのルールはありません。 AI はさまざまなユニットをざっと読んで収集し、不足しているユニットを黙って補うことができます。

強力なプロンプト:

あなたの役割: ESG データアナリスト。入力: 以下の施設-期間-価値-単位の表。タスク:1) すべてのエネルギー値を kWh に変換します。換算係数を別の列に表示します。2) 手動で合計を作成します。使用できるスプレッドシートの数式を作成します。3) 欠落しているかゼロに見える項目には「欠落 — チェック」とマークし、決して自分で入力しないでください。4) 同じ項目が 2 回出現する可能性のあるバイナリカウントをリストします。出力: クリーンアップされたテーブル + 変換列 + 警告リスト。

データをコードに組み込むことが重要なのはなぜですか?

AI はテキストジェネレーターです。長い数字のリストを頭の中で収集するときに間違いを犯す可能性があります。逆に、数式やコードの生成を依頼すると、環境内で正確に計算が実行され、毎回同じ結果が得られます。これが「AIが言う数字」と「制御可能な計算」の違いです。

次の排出量データテーブルの一連の Excel/Google スプレッドシートの数式を作成します。必要:- 各行: 値 × 変換係数 = kWh- すべての kWh の合計- 欠落しているセル (空白) を NUMBER として追加します。別の「欠落カウント」をカウントします。手動で適用できるように、セル参照を使用して数式を説明します。テーブル構造: A=設備、B=期間、C=値、D=単位

注意: AI が PDF または画像から「読み取る」数値には特に注意してください。光学式読み取りでは、1.100 対 11.00 やカンマドットの混乱 (1.100 対 1.100) などのエラーがよく発生します。少なくともいくつかの例をソース文書と視覚的に比較します。

ミニケース3個

ケース 1 — ユニットのトラップ。持株会社が8施設のエネルギーデータを収集した。 7 施設が kWh、1 施設が MWh を報告しました。 AI は、最初の試行でユニットを欠落させて合計を計算し、その施設を 1000 分の 1 で過少カウントしました。実際には4,200MWhだったのが、合計は3,201MWhとなった。エラーはコードベースの変換によって検出され、修正されました。

ケース 2 — 秘密の予測。ある施設の3月の請求書が紛失していた。アナリストは AI に「空白を埋める」ように指示しました。 AIは隣接する月の平均を出しましたが、それを特定しませんでした。監査人は「この番号はどの請求書からのものですか?」と尋ねます。尋ねたところ、ソースは見つかりませんでした。プロセスは修正され、予測はレポート内で「代理 - 2 月/4 月の平均」として明確にマークされます。

ケース 3 — 二重カウント。ある工場では、発電機の燃料が「定常燃焼」と「バックアップエネルギー」の両方の項目に入力されていました。 AI は矛盾スキャンでこの繰り返しにフラグを立てました。アナリストはそれを確認し、6 トンの CO₂e の二重カウントは削除されました。 AI の貢献を評価し、決定を下すのはアナリスト次第でした。

品質管理のプロンプト

以下の ESG データ表で品質チェックを実行します。検出します (ただし、自分で修正しないでください。マークするだけです):1) 外れ値 (前の期間から 50% 以上逸脱している項目)2) 単位の不一致3) 空のセルまたは欠落しているセル4) 同じ項目が複数回表示される重複の可能性各アラートを「なぜ疑わしいのか」の理由とともにリストします。表: [表]

次のプロンプトは、監査の準備ができた監視テーブルのスケルトンを設定します。

よくある間違い

生データを変更する。元の記録を保存せずに修正を行うと、監査証跡が破壊されます。
AIに単位変換を手動で行わせる。長いリストを頭の中で足し算すると間違いが起こりやすくなります。コード/式を使用します。
予測を非表示にします。プロキシデータの使用は問題ありません。それを指定しないことは監査において大きな問題です。
異常値をサイレントに削除します。施設の消費量が 2 倍になるということは、間違いである場合もあれば、間違いではない場合もあります。調査せずに削除することはできません。
PDF/画像から読み取った数値を盲目的に受け入れます。光学読み取りエラーに対するサンプル管理は不可欠です。

要約すると

ESG レポートの真の価値は、データの正確さとトレーサビリティにあります。 AI;これは、散在するデータを構造化し、単位変換のための式を生成し、外れ値や矛盾をマークする際に強力に役立ちます。しかし、最大のリスクはデータが間違っていることではなく、追跡できないことです。生データを保存し、コード内で変換を実行し、予測を明確にマークして、各数値を監査証跡に結び付けます。「数字は正しいようです」だけでは十分ではありません。「この番号をその出所まで追跡できる」ことが必須であるべきです。

アプリケーションタスク

少なくとも 3 つの異なる単位 (kWh、MWh、リットルなど) のデータを含む小さなサンプルテーブルを準備します。 1 つまたは 2 つのセルを意図的に空白のままにします。上記の強力なプロンプトを使用して AI に、このテーブルを単一の単位と品質アラートのリストに変換する一連の式を要求します。次に、(1) 換算係数を確認し、(2) ギャップが埋められていないことを確認し、(3) 各項目に小さな監査証跡行を書き込みます。

チェックリスト

[ ] 生データを元の形式で保存し、コピーに取り組みました。
[ ] コード/式を使用して、すべてのユニットを単一のユニットに変換しました。
[ ] 不足しているデータを補ったわけではありません。予測を「プロキシ」としてマークしました。
[ ] 削除する前に外れ値を調査しました。
[ ] ソースにアクセスして、考えられるバイナリカウントを解決しました。
[ ] PDF/画像から読み取った数値をサンプルで目視検証してみました。
[ ] 各数値項目を監査証跡レコードにリンクしました。