ಲಾಭಗಳು:
- ಚದುರಿದ ESG ಡೇಟಾವನ್ನು ರಚಿಸುವ ಮೂಲಕ ಮತ್ತು ಹಸ್ತಚಾಲಿತವಾಗಿ ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಕೋಡ್/ಸೂತ್ರದೊಂದಿಗೆ ಘಟಕ ಪರಿವರ್ತನೆ ಮಾಡುವ ಮೂಲಕ ನಿರ್ಣಾಯಕ ನಿಖರತೆಯನ್ನು ಒದಗಿಸುವ ಸಾಮರ್ಥ್ಯ
- ಡೇಟಾ ಅಂತರವನ್ನು ಅಳವಡಿಸದೆಯೇ ಪ್ರಾಕ್ಸಿ (ಮುನ್ಸೂಚನೆ) ಎಂದು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಮೂಲಕ್ಕೆ ಹಿಂತಿರುಗುವ ಮೂಲಕ ಬೈನರಿ ಎಣಿಕೆ ಮತ್ತು ಔಟ್ಲೈಯರ್ಗಳನ್ನು ಪರಿಹರಿಸುವುದು
- ಪ್ರತಿ ಡಿಜಿಟಲ್ ಐಟಂ ಅನ್ನು ಅದರ ಮೂಲಕ್ಕೆ ಸಂಪರ್ಕಿಸುವ ಆಡಿಟ್ ಟ್ರಯಲ್ ಅನ್ನು ಸ್ಥಾಪಿಸುವ ಮೂಲಕ ಡೇಟಾವನ್ನು ಪತ್ತೆಹಚ್ಚುವ ಸಾಮರ್ಥ್ಯ
ಪ್ರತಿ ಸುಸ್ಥಿರತೆಯ ವರದಿಯ ಕೆಳಗೆ ಶಾಂತವಾದ ಆದರೆ ಸ್ಮಾರಕ ಕಾರ್ಯವಿದೆ: ಡೇಟಾ ಸಂಗ್ರಹಣೆ. ಮಧ್ಯಮ ಗಾತ್ರದ ಕಂಪನಿಯು ಸಹ ವಿದ್ಯುತ್ ಮತ್ತು ನೈಸರ್ಗಿಕ ಅನಿಲ ಬಿಲ್ಗಳು, ಇಂಧನ ರಸೀದಿಗಳು, ತ್ಯಾಜ್ಯ ವರ್ಗಾವಣೆ ದಾಖಲೆಗಳು, ಮಾನವ ಸಂಪನ್ಮೂಲ ವ್ಯವಸ್ಥೆಗಳಿಂದ ಉದ್ಯೋಗಿ ಡೇಟಾ, ಪೂರೈಕೆದಾರರಿಂದ ಸಮೀಕ್ಷೆ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಮತ್ತು ಡಜನ್ಗಟ್ಟಲೆ ಸೌಲಭ್ಯಗಳಿಂದ ಪ್ರಯಾಣ ದಾಖಲೆಗಳನ್ನು ಸಂಗ್ರಹಿಸುತ್ತದೆ. ಈ ಹೆಚ್ಚಿನ ಡೇಟಾವು ಚದುರಿಹೋಗಿದೆ, ವಿಭಿನ್ನ ಸ್ವರೂಪಗಳಲ್ಲಿ, ವಿಭಿನ್ನ ಘಟಕಗಳಲ್ಲಿ ಮತ್ತು ಆಗಾಗ್ಗೆ ಕೈಯಾರೆ ನಮೂದಿಸಲಾಗುತ್ತದೆ. ವರದಿಯ ಗುಣಮಟ್ಟವು ಈ ಕಚ್ಚಾ ಡೇಟಾದ ನಿಖರತೆಯಿಂದ ಬರುತ್ತದೆ, ಅದರ ಫ್ಲ್ಯಾಶಿಯೆಸ್ಟ್ ಗ್ರಾಫ್ ಅಲ್ಲ. ಈ ಘಟಕದಲ್ಲಿ, ಈ ಗೊಂದಲಮಯ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು, ಸ್ವಚ್ಛಗೊಳಿಸಲು ಮತ್ತು ನಿರ್ವಹಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) ಅನ್ನು ಸುರಕ್ಷಿತವಾಗಿ ಹೇಗೆ ಬಳಸುವುದು ಎಂಬುದನ್ನು ನೀವು ಕಲಿಯುವಿರಿ.
ಮೊದಲನೆಯದಾಗಿ, ಒಂದು ಪರಿಕಲ್ಪನೆ: ಡೇಟಾ ಗುಣಮಟ್ಟ ಎಂದರೆ ಡೇಟಾ ನಿಖರವಾಗಿದೆ (ಸತ್ಯವನ್ನು ಪ್ರತಿಬಿಂಬಿಸುತ್ತದೆ), ಸಂಪೂರ್ಣ (ಸಂಪೂರ್ಣ), ಸ್ಥಿರವಾಗಿದೆ (ವಿರೋಧಾಭಾಸವಲ್ಲ), ಸಮಯೋಚಿತ ಮತ್ತು ಪತ್ತೆಹಚ್ಚಬಹುದಾದ (ಅದರ ಮೂಲ ತಿಳಿದಿದೆ). ESG ಯಲ್ಲಿನ ಅತ್ಯಂತ ಸಾಮಾನ್ಯ ಗುಣಮಟ್ಟದ ಸಮಸ್ಯೆಯೆಂದರೆ ಡೇಟಾವು ನಿಖರವಾಗಿರುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿ ಪತ್ತೆಹಚ್ಚಲಾಗುವುದಿಲ್ಲ: ಒಂದು ಸಂಖ್ಯೆ ಇದೆ, ಆದರೆ "ಅದು ಎಲ್ಲಿಂದ ಬಂತು?" ಎಂಬ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರವಿಲ್ಲ. ಸ್ವತಂತ್ರ ಭರವಸೆ ಲೆಕ್ಕ ಪರಿಶೋಧಕರು (ವರದಿಯನ್ನು ಪರಿಶೀಲಿಸುವ ಬಾಹ್ಯ ತಜ್ಞರು) ಕೇಳುವುದು ಇದನ್ನೇ. ಆದ್ದರಿಂದ ಈ ಘಟಕದ ಬೆನ್ನೆಲುಬು ಒಂದೇ ಪರಿಕಲ್ಪನೆಯಾಗಿದೆ: ಆಡಿಟ್ ಟ್ರಯಲ್ - ಪ್ರತಿ ಸಂಚಿಕೆ ಯಾವ ದಾಖಲೆಯಿಂದ ಬಂದಿದೆ, ಯಾವ ದಿನಾಂಕದಂದು, ಯಾವ ಊಹೆಯ ಅಡಿಯಲ್ಲಿ ಬಂದಿದೆ ಎಂಬುದನ್ನು ತೋರಿಸುವ ದಾಖಲೆಗಳ ಸರಪಳಿ.
ESG ಡೇಟಾದೊಂದಿಗೆ ಮೂರು ವಿಶಿಷ್ಟ ಸಮಸ್ಯೆಗಳು
1. ಘಟಕ ಅವ್ಯವಸ್ಥೆ. ಒಂದು ಸೌಲಭ್ಯವು kWh ನಲ್ಲಿ ವಿದ್ಯುತ್ ಅನ್ನು ವರದಿ ಮಾಡುತ್ತದೆ, ಇನ್ನೊಂದು MWh ನಲ್ಲಿ ಮತ್ತು ಮೂರನೆಯದು GJ (ಗಿಗಾಜೌಲ್ಸ್) ನಲ್ಲಿ. ಸೇರಿಸುವ ಮೊದಲು ಅವೆಲ್ಲವನ್ನೂ ಒಂದೇ ಘಟಕವಾಗಿ ಪರಿವರ್ತಿಸದಿದ್ದರೆ, ಫಲಿತಾಂಶವು ಅರ್ಥಹೀನವಾಗಿರುತ್ತದೆ. 1 MWh = 1,000 kWh ರಿಂದ, ಘಟಕವನ್ನು ಬಿಟ್ಟುಬಿಟ್ಟರೆ, 1000 ಬಾರಿ ದೋಷ ಸಂಭವಿಸುತ್ತದೆ.
2. ಡೇಟಾ ಅಂತರ. ಆಸ್ತಿಯ ತ್ರೈಮಾಸಿಕ ಸರಕುಪಟ್ಟಿ ಕಾಣೆಯಾಗಿದೆ. ಅಂತರವನ್ನು ನೈಜ ಡೇಟಾ ಅಥವಾ ಸ್ಪಷ್ಟವಾಗಿ ಹೇಳಲಾದ ಅಂದಾಜು (ಪ್ರಾಕ್ಸಿ) ನೊಂದಿಗೆ ತುಂಬಿಸಲಾಗುತ್ತದೆ: ಉದಾಹರಣೆಗೆ, ಇದೇ ತಿಂಗಳುಗಳಿಂದ ಸರಾಸರಿ. ನಿರ್ಣಾಯಕ ವಿಷಯವೆಂದರೆ ಮುನ್ಸೂಚನೆಯನ್ನು ಮರೆಮಾಡುವುದು ಅಲ್ಲ; ವರದಿಯಲ್ಲಿ ಅದನ್ನು "ಅಂದಾಜು ಡೇಟಾ" ಎಂದು ಗುರುತಿಸುವುದು.
3. ಡಬಲ್ ಎಣಿಕೆ ಮತ್ತು ಅಸಂಗತತೆ. ವಾಹನ ಫ್ಲೀಟ್ ಮತ್ತು ಜನರೇಟರ್ ಎರಡರಲ್ಲೂ ಎಣಿಸಿದರೆ ಅದೇ ಇಂಧನವನ್ನು ಎರಡು ಬಾರಿ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. AI ಅಂತಹ ವಿರೋಧಾಭಾಸಗಳನ್ನು ಹಿಡಿಯಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ ಆದರೆ ಅಂತಿಮ ನಿರ್ಧಾರವನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಾಧ್ಯವಿಲ್ಲ.
ಸಮಸ್ಯೆ
ಲಕ್ಷಣ
ಸರಿಯಾದ ವಿಧಾನ
ಘಟಕ ಅವ್ಯವಸ್ಥೆ
kWh/MWh/GJ ಮಿಶ್ರಿತ
ಏಕ ಘಟಕಕ್ಕೆ ಪರಿವರ್ತಿಸಿ, ಕೋಡ್ನೊಂದಿಗೆ ಪರಿವರ್ತನೆ ಮಾಡಿ
ಡೇಟಾ ಅಂತರ
ತಿಂಗಳು/ಸೌಲಭ್ಯ ಕಾಣೆಯಾಗಿದೆ
ಪ್ರಾಕ್ಸಿ ಬಳಸಿ, ಅದನ್ನು "ಅಂದಾಜು" ಎಂದು ಗುರುತಿಸಿ
ಬೈನರಿ ಎಣಿಕೆ
ಎರಡು ಸ್ಥಳಗಳಲ್ಲಿ ಒಂದೇ ಪೆನ್
ಮೂಲವನ್ನು ಒಂದೇ ಬಿಂದುವಿಗೆ ಪಿನ್ ಮಾಡಿ
ಪತ್ತೆಹಚ್ಚಲಾಗದಿರುವಿಕೆ
ಅಜ್ಞಾತ ಮೂಲದ ಸಂಖ್ಯೆ
ಆಡಿಟ್ ಟ್ರಯಲ್ ಟೇಬಲ್ಗೆ ಲಿಂಕ್
ಸಲಹೆ: ಡೇಟಾ ಶುಚಿಗೊಳಿಸುವಿಕೆಯಲ್ಲಿ ಸುವರ್ಣ ನಿಯಮ: "ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಎಂದಿಗೂ ಸ್ಪರ್ಶಿಸಬೇಡಿ; ನಕಲಿನಲ್ಲಿ ಕೆಲಸ ಮಾಡಿ." ಮೂಲ ಇನ್ವಾಯ್ಸ್ಗಳು ಮತ್ತು ದಾಖಲೆಗಳನ್ನು ಬದಲಾಗದೆ ಇರಿಸಲಾಗುತ್ತದೆ; ಎಲ್ಲಾ ತಿದ್ದುಪಡಿಗಳು ಮತ್ತು ಪರಿವರ್ತನೆಗಳನ್ನು ಸಮರ್ಥನೆಯೊಂದಿಗೆ ಪ್ರತ್ಯೇಕ ಕೆಲಸದ ಫೈಲ್ನಲ್ಲಿ ಮಾಡಲಾಗುತ್ತದೆ. ಈ ರೀತಿಯಾಗಿ, ಆಡಿಟರ್ ಯಾವಾಗಲೂ ಮೂಲ ಸತ್ಯಕ್ಕೆ ಹಿಂತಿರುಗಬಹುದು.
ಹಂತ ಹಂತವಾಗಿ: AI ಜೊತೆಗೆ ಸುರಕ್ಷಿತ ಡೇಟಾ ವರ್ಕ್ಫ್ಲೋ
1. ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿ ಮತ್ತು ಅದನ್ನು ಹಾಗೆಯೇ ಇರಿಸಿ. ಇನ್ವಾಯ್ಸ್ಗಳು ಮತ್ತು ದಾಖಲೆಗಳನ್ನು ಅವುಗಳ ಮೂಲ ರೂಪದಲ್ಲಿ ಒಂದೇ ಸ್ಥಳದಲ್ಲಿ ಸಂಗ್ರಹಿಸಿ; ಇದು "ಸತ್ಯದ ಏಕೈಕ ಮೂಲವಾಗಿದೆ."
2. ಕಾನ್ಫಿಗರ್ ಮಾಡಿ. ಗೊಂದಲಮಯ ಡೇಟಾವನ್ನು ಸಂಘಟಿತ ಕೋಷ್ಟಕದಲ್ಲಿ ವಿಂಗಡಿಸಿ (ಸಸ್ಯ, ಅವಧಿ, ಐಟಂ, ಮೌಲ್ಯ, ಘಟಕ, ಮೂಲ). ಈ ಟೇಬಲ್ ಟೆಂಪ್ಲೇಟ್ಗೆ ಉಚಿತ ಪಠ್ಯ ಅಥವಾ PDF ವಿಷಯವನ್ನು ಅಳವಡಿಸಲು AI ಉತ್ತಮವಾಗಿದೆ.
3. ಕಾರ್ಯಗತಗೊಳಿಸಬಹುದಾದ ಕೋಡ್ನೊಂದಿಗೆ ಘಟಕಗಳನ್ನು ಅನುವಾದಿಸಿ. AI ಅನ್ನು ಹೊಂದಿಲ್ಲ, ಘಟಕ ಪರಿವರ್ತನೆ ಮತ್ತು ಮೊತ್ತವನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಮಾಡಿ; ಅದನ್ನು ಸ್ಪ್ರೆಡ್ಶೀಟ್ ಸೂತ್ರ ಅಥವಾ ಸಣ್ಣ ಕೋಡ್ ಅನ್ನು ಮುದ್ರಿಸಿ ಮತ್ತು ನೀವು ಕೋಡ್ ಅನ್ನು ರನ್ ಮಾಡಿ. ಹೀಗಾಗಿ, ಫಲಿತಾಂಶವು ನಿರ್ಣಾಯಕವಾಗಿದೆ (ಪ್ರತಿ ಬಾರಿಯೂ ಒಂದೇ ಮತ್ತು ಪರಿಶೀಲಿಸಬಹುದಾಗಿದೆ).
4. ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣವನ್ನು ನಿರ್ವಹಿಸಿ. ಅವುಗಳನ್ನು ಫ್ಲ್ಯಾಗ್ ಔಟ್ಲೈಯರ್ಗಳನ್ನು ಹೊಂದಿರಿ (ಉದಾಹರಣೆಗೆ ಸೌಲಭ್ಯದ ಬಳಕೆ ಹಠಾತ್ 10 ಪಟ್ಟು ಹೆಚ್ಚಾಗುವುದು), ಲೋಪಗಳು ಮತ್ತು ವಿರೋಧಾಭಾಸಗಳು. ಆದರೆ ಪ್ರತಿ ಚಿಹ್ನೆಯನ್ನು ಮಾನವ ಕಣ್ಣುಗಳಿಂದ ದೃಢೀಕರಿಸಿ.
5. ಆಡಿಟ್ ಟ್ರಯಲ್ ಅನ್ನು ಸ್ಥಾಪಿಸಿ. ಪ್ರತಿ ಸಂಖ್ಯಾತ್ಮಕ ಐಟಂ ಅನ್ನು ಅದರ ಮೂಲಕ್ಕೆ ಸಂಪರ್ಕಿಸುವ ಕೋಷ್ಟಕವನ್ನು ಪೂರ್ಣಗೊಳಿಸಿ. ಈ ಕೋಷ್ಟಕವು ವರದಿಯ ಬೆನ್ನೆಲುಬಾಗಿದೆ.
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್
ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:
ಈ ಸೌಲಭ್ಯದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿ ಮತ್ತು ಒಟ್ಟು ಶಕ್ತಿಯ ಬಳಕೆಯನ್ನು ನಿಮಗೆ ತಿಳಿಸಿ.
ಯಾವುದೇ ಘಟಕ, ಮೂಲ ಮತ್ತು ಬಾಹ್ಯಾಕಾಶ ನಿಯಮಗಳಿಲ್ಲ; AI ವಿವಿಧ ಘಟಕಗಳನ್ನು ಸ್ಕಿಮ್ ಮಾಡಬಹುದು ಮತ್ತು ಸಂಗ್ರಹಿಸಬಹುದು ಮತ್ತು ಕಾಣೆಯಾದ ಘಟಕಗಳಿಗೆ ಮೌನವಾಗಿ ಸರಿದೂಗಿಸಬಹುದು.
ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:
ನಿಮ್ಮ ಪಾತ್ರ: ESG ಡೇಟಾ ವಿಶ್ಲೇಷಕ. ಇನ್ಪುಟ್: ಸೌಲಭ್ಯ-ಅವಧಿ-ಮೌಲ್ಯ-ಯೂನಿಟ್ ಟೇಬಲ್ ಕೆಳಗೆ. ಕಾರ್ಯ: 1) ಎಲ್ಲಾ ಶಕ್ತಿ ಮೌಲ್ಯಗಳನ್ನು kWh ಗೆ ಪರಿವರ್ತಿಸಿ; ಪ್ರತ್ಯೇಕ ಅಂಕಣದಲ್ಲಿ ಪರಿವರ್ತನೆ ಅಂಶಗಳನ್ನು ತೋರಿಸಿ. 2) ಒಟ್ಟು ಹಸ್ತಚಾಲಿತವಾಗಿ ಮಾಡುವುದು; ನಾನು ಬಳಸಬಹುದಾದ ಸ್ಪ್ರೆಡ್ಶೀಟ್ ಸೂತ್ರವನ್ನು ಬರೆಯಿರಿ. 3) ಕಾಣೆಯಾಗಿರುವ ಅಥವಾ ಶೂನ್ಯವಾಗಿ ಕಂಡುಬರುವ ಐಟಂಗಳನ್ನು "ಮಿಸ್ಸಿಂಗ್ - ಚೆಕ್" ಎಂದು ಗುರುತಿಸಿ, ಅವುಗಳನ್ನು ನಿಮ್ಮಲ್ಲಿ ಎಂದಿಗೂ ತುಂಬಬೇಡಿ. 4) ಒಂದೇ ಐಟಂ ಎರಡು ಬಾರಿ ಗೋಚರಿಸುವ ಸಂಭವನೀಯ ಬೈನರಿ ಎಣಿಕೆಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಔಟ್ಪುಟ್: ಸ್ವಚ್ಛಗೊಳಿಸಿದ ಟೇಬಲ್ + ಪರಿವರ್ತನೆ ಕಾಲಮ್ + ಎಚ್ಚರಿಕೆ ಪಟ್ಟಿ.
ಡೇಟಾವನ್ನು ಕೋಡ್ಗೆ ಹಾಕುವುದು ಏಕೆ ನಿರ್ಣಾಯಕ?
AI ಒಂದು ಪಠ್ಯ ಜನರೇಟರ್ ಆಗಿದೆ; ಸಂಖ್ಯೆಗಳ ದೀರ್ಘ ಪಟ್ಟಿಗಳನ್ನು ಮಾನಸಿಕವಾಗಿ ಸಂಗ್ರಹಿಸುವಾಗ ತಪ್ಪುಗಳನ್ನು ಮಾಡಬಹುದು. ವ್ಯತಿರಿಕ್ತವಾಗಿ, ನೀವು ಅದನ್ನು ಸೂತ್ರ ಅಥವಾ ಕೋಡ್ ಅನ್ನು ರಚಿಸಲು ಕೇಳಿದರೆ, ಅದು ನಿಮ್ಮ ಪರಿಸರದಲ್ಲಿ ನಿಖರವಾಗಿ ಲೆಕ್ಕಾಚಾರವನ್ನು ನಡೆಸುತ್ತದೆ ಮತ್ತು ಪ್ರತಿ ಬಾರಿಯೂ ಅದೇ ಫಲಿತಾಂಶವನ್ನು ಪಡೆಯುತ್ತದೆ. ಇದು "AI ಹೇಳುವ ಸಂಖ್ಯೆ" ಮತ್ತು "ನಿಯಂತ್ರಿತ ಲೆಕ್ಕಾಚಾರ" ನಡುವಿನ ವ್ಯತ್ಯಾಸವಾಗಿದೆ.
ಕೆಳಗಿನ ಹೊರಸೂಸುವಿಕೆಯ ಡೇಟಾ ಟೇಬಲ್ಗಾಗಿ Excel/Google ಶೀಟ್ಗಳ ಸೂತ್ರಗಳ ಗುಂಪನ್ನು ಬರೆಯಿರಿ. ಅಗತ್ಯವಿದೆ:- ಪ್ರತಿ ಸಾಲಿನಲ್ಲಿ: ಮೌಲ್ಯ × ಪರಿವರ್ತನೆ ಅಂಶ = kWh- ಎಲ್ಲಾ kWhs ಮೊತ್ತ- ಕಾಣೆಯಾದ ಸೆಲ್ಗಳನ್ನು (ಖಾಲಿ) NUMBER ನಂತೆ ಸೇರಿಸಿ; ಪ್ರತ್ಯೇಕ "ಕಾಣೆಯಾದ ಎಣಿಕೆ" ಎಣಿಕೆ ಸೂತ್ರಗಳನ್ನು ಸೆಲ್ ಉಲ್ಲೇಖಗಳೊಂದಿಗೆ ವಿವರಿಸಿ ಹಾಗಾಗಿ ನಾನು ಅವುಗಳನ್ನು ಕೈಯಾರೆ ಅನ್ವಯಿಸಬಹುದು. ಟೇಬಲ್ ರಚನೆ: A=ಸೌಲಭ್ಯ, B=ಅವಧಿ, C=ಮೌಲ್ಯ, D=ಘಟಕ
ಎಚ್ಚರಿಕೆ: PDF ಅಥವಾ ಚಿತ್ರದಿಂದ AI "ಓದುವ" ಸಂಖ್ಯೆಗಳಿಗೆ ಹೆಚ್ಚಿನ ಗಮನ ಕೊಡಿ. ಆಪ್ಟಿಕಲ್ ರೀಡಿಂಗ್ ಸಮಯದಲ್ಲಿ 1.100 vs 11.00, ಅಥವಾ ಅಲ್ಪವಿರಾಮ-ಡಾಟ್ ಗೊಂದಲ (1.100 vs 1.100) ನಂತಹ ದೋಷಗಳು ಸಾಮಾನ್ಯವಾಗಿದೆ. ಮೂಲ ದಾಖಲೆಯೊಂದಿಗೆ ಕನಿಷ್ಠ ಕೆಲವು ಉದಾಹರಣೆಗಳನ್ನು ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಹೋಲಿಕೆ ಮಾಡಿ.
ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು
ಪ್ರಕರಣ 1 - ಘಟಕದ ಬಲೆ. ಹೋಲ್ಡಿಂಗ್ ಕಂಪನಿಯು 8 ಸೌಲಭ್ಯಗಳ ಶಕ್ತಿಯ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಿದೆ. 7 ಸೌಲಭ್ಯಗಳು kWh, 1 ಸೌಲಭ್ಯ ವರದಿ MWh. ಮೊದಲ ಪ್ರಯತ್ನದಲ್ಲಿ ಯೂನಿಟ್ಗಳನ್ನು ಕಳೆದುಕೊಳ್ಳುವ ಮೂಲಕ AI ಒಟ್ಟು ಮೊತ್ತವನ್ನು ಮಾಡಿದೆ ಮತ್ತು ಆ ಸೌಲಭ್ಯವನ್ನು 1000 ಅಂಶದಿಂದ ಕಡಿಮೆ ಮಾಡಿದೆ; ಒಟ್ಟು 3,201 MWh ಆಗಿ ಹೊರಹೊಮ್ಮಿತು, ಅದು ವಾಸ್ತವವಾಗಿ 4,200 MWh ಆಗಿತ್ತು. ಕೋಡ್ ಆಧಾರಿತ ರೂಪಾಂತರದ ಮೂಲಕ ದೋಷವನ್ನು ಹಿಡಿಯಲಾಗಿದೆ ಮತ್ತು ಸರಿಪಡಿಸಲಾಗಿದೆ.
ಪ್ರಕರಣ 2 - ರಹಸ್ಯ ಭವಿಷ್ಯ. ಒಂದು ಸೌಲಭ್ಯದ ಮಾರ್ಚ್ ಇನ್ವಾಯ್ಸ್ ಕಾಣೆಯಾಗಿದೆ. ವಿಶ್ಲೇಷಕರು AI ಗೆ "ಖಾಲಿಯನ್ನು ತುಂಬಲು" ಹೇಳಿದರು; AI ನೆರೆಯ ತಿಂಗಳುಗಳ ಸರಾಸರಿಯನ್ನು ಹಾಕಿದೆ ಆದರೆ ಅದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಲಿಲ್ಲ. ಲೆಕ್ಕ ಪರಿಶೋಧಕರು "ಈ ಸಂಖ್ಯೆ ಯಾವ ಸರಕುಪಟ್ಟಿಯಿಂದ ಬಂದಿದೆ?" ಕೇಳಿದಾಗ ಮೂಲ ಸಿಗಲಿಲ್ಲ. ಪ್ರಕ್ರಿಯೆಯನ್ನು ಸರಿಪಡಿಸಲಾಗಿದೆ: ವರದಿಯಲ್ಲಿ ಮುನ್ಸೂಚನೆಯನ್ನು "ಪ್ರಾಕ್ಸಿ - ಫೆಬ್ರವರಿ/ಏಪ್ರಿಲ್ ಸರಾಸರಿ" ಎಂದು ಸ್ಪಷ್ಟವಾಗಿ ಗುರುತಿಸಲಾಗಿದೆ.
ಪ್ರಕರಣ 3 - ಡಬಲ್ ಎಣಿಕೆ. ಕಾರ್ಖಾನೆಯಲ್ಲಿ, ಜನರೇಟರ್ ಇಂಧನವನ್ನು "ಸ್ಥಾಯಿ ಸುಡುವಿಕೆ" ಮತ್ತು "ಬ್ಯಾಕ್ಅಪ್ ಶಕ್ತಿ" ಐಟಂಗಳ ಅಡಿಯಲ್ಲಿ ನಮೂದಿಸಲಾಗಿದೆ. AI ತನ್ನ ವಿರೋಧಾಭಾಸ ಸ್ಕ್ಯಾನ್ನಲ್ಲಿ ಈ ಪುನರಾವರ್ತನೆಯನ್ನು ಫ್ಲ್ಯಾಗ್ ಮಾಡಿದೆ; ವಿಶ್ಲೇಷಕರು ದೃಢಪಡಿಸಿದರು ಮತ್ತು 6 ಟನ್ಗಳಷ್ಟು CO₂e ನ ಎರಡು ಎಣಿಕೆಯನ್ನು ತೆಗೆದುಹಾಕಲಾಗಿದೆ. AI ನ ಕೊಡುಗೆಯನ್ನು ಗುರುತಿಸುವುದು ಮತ್ತು ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವುದು ವಿಶ್ಲೇಷಕರಿಗೆ ಬಿಟ್ಟದ್ದು.
ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣ ಅಪೇಕ್ಷಿಸುತ್ತದೆ
ಕೆಳಗಿನ ESG ಡೇಟಾ ಟೇಬಲ್ನಲ್ಲಿ ಗುಣಮಟ್ಟದ ಪರಿಶೀಲನೆಯನ್ನು ಮಾಡಿ. ಪತ್ತೆ ಮಾಡಿ (ಆದರೆ ಅದನ್ನು ನೀವೇ ಸರಿಪಡಿಸಬೇಡಿ, ಕೇವಲ ಗುರುತಿಸಿ):1) ಔಟ್ಲೈಯರ್ಗಳು (ಹಿಂದಿನ ಅವಧಿಯಿಂದ 50% ಕ್ಕಿಂತ ಹೆಚ್ಚು ವಿಚಲನಗೊಳ್ಳುವ ಐಟಂಗಳು)2) ಘಟಕ ವ್ಯತ್ಯಾಸಗಳು3) ಖಾಲಿ/ಕಾಣೆಯಾದ ಸೆಲ್ಗಳು4) ಸಂಭವನೀಯ ನಕಲುಗಳು ಒಂದೇ ಐಟಂ ಕಾಣಿಸಿಕೊಳ್ಳುವ ಸಾಧ್ಯತೆಯಿದೆ. [ಕೋಷ್ಟಕ]
ಕೆಳಗಿನ ಪ್ರಾಂಪ್ಟ್ ಆಡಿಟ್-ಸಿದ್ಧ ಮಾನಿಟರಿಂಗ್ ಟೇಬಲ್ ಅಸ್ಥಿಪಂಜರವನ್ನು ಹೊಂದಿಸುತ್ತದೆ.
ನಿಮ್ಮ ಪಾತ್ರ: ESG ಡೇಟಾ ಮ್ಯಾನೇಜರ್. ಕಾರ್ಯ: ಈ ಕೆಳಗಿನ ಐಟಂಗಳಿಗಾಗಿ ಆಡಿಟ್ ಟ್ರಯಲ್ ಟೇಬಲ್ ಅನ್ನು ತಯಾರಿಸಿ. ಕಾಲಮ್ಗಳು: ಐಟಂ | ಮೌಲ್ಯ | ಘಟಕ | ಮೂಲ ದಾಖಲೆ ಪ್ರಕಾರ | ದಾಖಲೆ ಸಂಖ್ಯೆ/ದಿನಾಂಕ | ಜವಾಬ್ದಾರಿಯುತ | ಗೆಸ್ (Y/N) | ಇದನ್ನು ಪರಿಶೀಲಿಸಲಾಗಿದೆಯೇ? ಮೂಲವು ತಿಳಿದಿಲ್ಲದ ಪ್ರತಿ ಸಾಲಿನಲ್ಲಿ "ಮೂಲದ ಅಗತ್ಯವಿದೆ" ಎಂದು ಬರೆಯಿರಿ. ಪೆನ್ಸಿಲ್ಗಳು: [PENSES]
ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು
- ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಮಾರ್ಪಡಿಸಲಾಗುತ್ತಿದೆ. ಮೂಲ ದಾಖಲೆಗಳನ್ನು ಸಂರಕ್ಷಿಸದೆ ತಿದ್ದುಪಡಿಗಳನ್ನು ಮಾಡುವುದು ಆಡಿಟ್ ಟ್ರಯಲ್ ಅನ್ನು ಮುರಿಯುತ್ತದೆ.
- AI ಹೊಂದಿರುವ ಘಟಕ ಪರಿವರ್ತನೆಯನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಮಾಡಿ. ದೀರ್ಘ ಪಟ್ಟಿಗಳಲ್ಲಿ ಮಾನಸಿಕ ಸೇರ್ಪಡೆ ದೋಷಕ್ಕೆ ಗುರಿಯಾಗುತ್ತದೆ; ಕೋಡ್/ಸೂತ್ರವನ್ನು ಬಳಸಿ.
- ಮುನ್ಸೂಚನೆಯನ್ನು ಮರೆಮಾಡಿ. ಪ್ರಾಕ್ಸಿ ಡೇಟಾವನ್ನು ಬಳಸುವುದು ಯಾವುದೇ ಸಮಸ್ಯೆಯಲ್ಲ; ಅದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸದಿರುವುದು ಆಡಿಟಿಂಗ್ನಲ್ಲಿ ದೊಡ್ಡ ಸಮಸ್ಯೆಯಾಗಿದೆ.
- ಸೈಲೆಂಟ್ ಆಗಿ ಔಟ್ಲೈಯರ್ ಅನ್ನು ಅಳಿಸಲಾಗುತ್ತಿದೆ. ಸೌಲಭ್ಯದ ಬಳಕೆಯನ್ನು ದ್ವಿಗುಣಗೊಳಿಸುವುದು ತಪ್ಪಾಗಿರಬಹುದು ಅಥವಾ ಇಲ್ಲದಿರಬಹುದು; ತನಿಖೆ ನಡೆಸದೆ ಅದನ್ನು ಅಳಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.
- PDF/ಚಿತ್ರದಿಂದ ಓದಿದ ಸಂಖ್ಯೆಯನ್ನು ಕುರುಡಾಗಿ ಸ್ವೀಕರಿಸುವುದು. ಆಪ್ಟಿಕಲ್ ರೀಡಿಂಗ್ ದೋಷಗಳ ವಿರುದ್ಧ ಮಾದರಿ ನಿಯಂತ್ರಣ ಅತ್ಯಗತ್ಯ.
ಸಾರಾಂಶದಲ್ಲಿ
ESG ವರದಿಯ ನೈಜ ಮೌಲ್ಯವು ಅದರ ಡೇಟಾದ ನಿಖರತೆ ಮತ್ತು ಪತ್ತೆಹಚ್ಚುವಿಕೆಯಲ್ಲಿದೆ. AI; ಇದು ಚದುರಿದ ದತ್ತಾಂಶವನ್ನು ರಚಿಸುವಲ್ಲಿ, ಘಟಕ ಪರಿವರ್ತನೆಗಾಗಿ ಸೂತ್ರಗಳನ್ನು ರಚಿಸುವಲ್ಲಿ ಮತ್ತು ಹೊರಗಿನವರು ಮತ್ತು ವಿರೋಧಾಭಾಸಗಳನ್ನು ಗುರುತಿಸುವಲ್ಲಿ ಪ್ರಬಲವಾದ ಸಹಾಯವಾಗಿದೆ. ಆದರೆ ದೊಡ್ಡ ಅಪಾಯವೆಂದರೆ ಡೇಟಾ ತಪ್ಪಾಗಿದೆ ಎಂದು ಅಲ್ಲ, ಅದು ಪತ್ತೆಹಚ್ಚಲು ಸಾಧ್ಯವಿಲ್ಲ. ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಸಂರಕ್ಷಿಸಿ, ಕೋಡ್ನಲ್ಲಿ ರೂಪಾಂತರವನ್ನು ಮಾಡಿ, ಭವಿಷ್ಯವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಗುರುತಿಸಿ ಮತ್ತು ಪ್ರತಿ ಸಂಖ್ಯೆಯನ್ನು ಆಡಿಟ್ ಟ್ರಯಲ್ಗೆ ಟೈ ಮಾಡಿ. "ಸಂಖ್ಯೆ ಸರಿಯಾಗಿ ಕಾಣುತ್ತದೆ" ಸಾಕಾಗುವುದಿಲ್ಲ; "ನಾನು ಈ ಸಂಖ್ಯೆಯನ್ನು ಅದರ ಮೂಲಕ್ಕೆ ಪತ್ತೆಹಚ್ಚಬಲ್ಲೆ" ಎಂದು ಅಗತ್ಯವಿದೆ.
ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ
ಕನಿಷ್ಠ ಮೂರು ವಿಭಿನ್ನ ಘಟಕಗಳಲ್ಲಿ (ಉದಾ. kWh, MWh, ಲೀಟರ್) ಡೇಟಾದೊಂದಿಗೆ ಸಣ್ಣ ಮಾದರಿ ಕೋಷ್ಟಕವನ್ನು ತಯಾರಿಸಿ; ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಒಂದು ಅಥವಾ ಎರಡು ಕೋಶಗಳನ್ನು ಖಾಲಿ ಬಿಡಿ. ಈ ಟೇಬಲ್ ಅನ್ನು ಒಂದೇ ಘಟಕವಾಗಿ ಪರಿವರ್ತಿಸುವ ಸೂತ್ರಗಳ ಸೆಟ್ ಮತ್ತು ಗುಣಮಟ್ಟದ ಎಚ್ಚರಿಕೆಗಳ ಪಟ್ಟಿಗಾಗಿ ಮೇಲಿನ ಪ್ರಬಲ ಪ್ರಾಂಪ್ಟ್ನೊಂದಿಗೆ AI ಅನ್ನು ಕೇಳಿ. ನಂತರ: (1) ಪರಿವರ್ತನೆ ಅಂಶಗಳನ್ನು ಪರಿಶೀಲಿಸಿ, (2) ಅಂತರವನ್ನು ಮಾಡಲಾಗಿಲ್ಲ ಎಂದು ಪರಿಶೀಲಿಸಿ, (3) ಪ್ರತಿ ಐಟಂಗೆ ಸಣ್ಣ ಆಡಿಟ್ ಟ್ರಯಲ್ ಲೈನ್ ಅನ್ನು ಬರೆಯಿರಿ.
ಪರಿಶೀಲನಾಪಟ್ಟಿ
- [ ] ನಾನು ಕಚ್ಚಾ ಡೇಟಾವನ್ನು ಅದರ ಮೂಲ ರೂಪದಲ್ಲಿ ಇರಿಸಿದೆ, ನಕಲಿನಲ್ಲಿ ಕೆಲಸ ಮಾಡಿದೆ.
- [ ] ನಾನು ಎಲ್ಲಾ ಘಟಕಗಳನ್ನು ಕೋಡ್/ಸೂತ್ರದೊಂದಿಗೆ ಒಂದೇ ಘಟಕಕ್ಕೆ ಪರಿವರ್ತಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಕಾಣೆಯಾದ ಡೇಟಾವನ್ನು ರೂಪಿಸಲಿಲ್ಲ; ನಾನು ಭವಿಷ್ಯವಾಣಿಗಳನ್ನು "ಪ್ರಾಕ್ಸಿ" ಎಂದು ಗುರುತಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಅವುಗಳನ್ನು ಅಳಿಸುವ ಮೊದಲು ಔಟ್ಲೈಯರ್ಗಳನ್ನು ತನಿಖೆ ಮಾಡಿದ್ದೇನೆ.
- [ ] ನಾನು ಮೂಲಕ್ಕೆ ಹೋಗುವ ಮೂಲಕ ಸಂಭವನೀಯ ಬೈನರಿ ಎಣಿಕೆಗಳನ್ನು ಪರಿಹರಿಸಿದೆ.
- [ ] ನಾನು PDF/ಚಿತ್ರದಿಂದ ಓದಿದ ಸಂಖ್ಯೆಗಳನ್ನು ಮಾದರಿಯೊಂದಿಗೆ ದೃಷ್ಟಿಗೋಚರವಾಗಿ ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
- [ ] ನಾನು ಪ್ರತಿ ಸಂಖ್ಯಾ ಐಟಂ ಅನ್ನು ಆಡಿಟ್ ಟ್ರಯಲ್ ರೆಕಾರ್ಡ್ಗೆ ಲಿಂಕ್ ಮಾಡಿದ್ದೇನೆ.