നേട്ടങ്ങൾ:
- ശരിയായ റിപ്പോർട്ടിംഗ് ചട്ടക്കൂട് (GRI/ESRS/ISSB) തിരഞ്ഞെടുക്കാനും സാമ്പത്തികവും പാരിസ്ഥിതികവുമായ ആഘാതം കണക്കിലെടുത്ത് ഇരട്ട ഭൗതികതയെ വിലയിരുത്താനുമുള്ള കഴിവ്
- മൾട്ടി-സോഴ്സ്, ഡാറ്റയുടെ വ്യത്യസ്ത യൂണിറ്റുകൾ കോഡ് ഉപയോഗിച്ച് ഒരൊറ്റ യൂണിറ്റാക്കി മാറ്റാനും ഓരോ മെട്രിക്കും കണ്ടെത്താനാകുന്ന ഉറവിടവുമായി ബന്ധിപ്പിക്കാനുമുള്ള കഴിവ്
- ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് നിർമ്മിച്ച റിപ്പോർട്ട് ടെക്സ്റ്റ് അതിശയോക്തി കലർന്ന ഭാഷയിൽ നിന്ന് വൃത്തിയാക്കാനും സ്വതന്ത്രമായ ഉറപ്പിനായി തെളിവുകളുടെ ഒരു ശൃംഖല ഉപയോഗിച്ച് തയ്യാറാക്കാനുമുള്ള കഴിവ്
ഒരു സ്ഥാപനത്തിൻ്റെ പാരിസ്ഥിതിക പ്രകടനം എത്ര മികച്ചതാണെങ്കിലും, അത് വിശ്വസനീയമായി റിപ്പോർട്ട് ചെയ്തില്ലെങ്കിൽ അതിന് പരിമിതമായ മൂല്യമുണ്ട്. നിക്ഷേപകർ, റെഗുലേറ്റർമാർ, ഉപഭോക്താക്കൾ, ജീവനക്കാർ എന്നിവർ ഇപ്പോൾ സ്ഥാപനങ്ങൾ അവരുടെ ESG (പരിസ്ഥിതി, സാമൂഹിക, ഭരണം) പ്രകടനം രേഖപ്പെടുത്തുന്നത് കാണാൻ ആഗ്രഹിക്കുന്നു. ഈ യൂണിറ്റിൽ, പ്രധാന റിപ്പോർട്ടിംഗ് ചട്ടക്കൂടുകൾ, ഡാറ്റാ ശേഖരണ ശൃംഖല, AI-യുമായുള്ള റിപ്പോർട്ടിംഗ് ഓട്ടോമേഷൻ, കൂടാതെ - ഏറ്റവും വിമർശനാത്മകമായി - റിപ്പോർട്ടിൻ്റെ ഓഡിറ്റബിലിറ്റി എന്നിവ നിങ്ങൾ പഠിക്കും.
ആദ്യം ഫ്രെയിമുകൾ. GRI (ഗ്ലോബൽ റിപ്പോർട്ടിംഗ് ഇനിഷ്യേറ്റീവ്) ലോകത്തിലെ ഏറ്റവും വ്യാപകമായ സന്നദ്ധ സുസ്ഥിരത റിപ്പോർട്ടിംഗ് മാനദണ്ഡമാണ്. CSRD (കോർപ്പറേറ്റ് സസ്റ്റൈനബിലിറ്റി റിപ്പോർട്ടിംഗ് ഡയറക്റ്റീവ്) എന്നത് വൻകിട കമ്പനികളെ സുസ്ഥിരത റിപ്പോർട്ടുചെയ്യാൻ നിർബന്ധിക്കുന്ന EU നിർദ്ദേശമാണ്, ഇത് ESRS (യൂറോപ്യൻ സുസ്ഥിരതാ റിപ്പോർട്ടിംഗ് സ്റ്റാൻഡേർഡുകൾ) എന്ന് വിളിക്കപ്പെടുന്ന വിശദമായ മാനദണ്ഡങ്ങളെ അടിസ്ഥാനമാക്കിയുള്ളതാണ്. ISSB/IFRS S1-S2 സാമ്പത്തികമായി ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന, ആഗോള സുസ്ഥിരത വെളിപ്പെടുത്തൽ മാനദണ്ഡമാണ്. സമവായം: ക്ലെയിമുകളല്ല, സ്റ്റാൻഡേർഡ്, ഓഡിറ്റബിൾ ഡാറ്റ.
ഇരട്ട മെറ്റീരിയൽ: എന്താണ് റിപ്പോർട്ട് ചെയ്യേണ്ടത്?
സിഎസ്ആർഡിയുടെ ഹൃദയഭാഗത്തുള്ള ആശയം ഇരട്ട മെറ്റീരിയൽ വിശകലനമാണ്. ഇത് രണ്ട് മടങ്ങ് ചോദിക്കുന്നു: (1) പരിസ്ഥിതി/സമൂഹം എങ്ങനെയാണ് ഓർഗനൈസേഷനെ (സാമ്പത്തിക ഭൗതികത) സ്വാധീനിക്കുന്നത്? (2) ഓർഗനൈസേഷൻ പരിസ്ഥിതിയെ/സമൂഹത്തെ എങ്ങനെ സ്വാധീനിക്കുന്നു (ഭൗതികതയെ സ്വാധീനിക്കുന്നു)? ഒരു ഓർഗനൈസേഷൻ തനിക്ക് സാമ്പത്തികമായി പ്രാധാന്യമുള്ളത് മാത്രമല്ല, ലോകത്തിന് പ്രധാനമായ അതിൻ്റെ സ്വാധീനവും റിപ്പോർട്ട് ചെയ്യണം. ഏതൊക്കെ പ്രശ്നങ്ങൾ ഭൗതികമായിരിക്കുമെന്ന് രൂപരേഖ തയ്യാറാക്കാൻ AI സഹായിക്കുന്നു, എന്നാൽ മെറ്റീരിയൽ സംബന്ധിച്ച തീരുമാനം ഓഹരി ഉടമകളുടെ അഭിപ്രായത്തിൻ്റെയും മാനേജ്മെൻ്റിൻ്റെയും ഉത്തരവാദിത്തമാണ്.
നുറുങ്ങ്: ഒരു ESG റിപ്പോർട്ട് അതിൻ്റെ ഏറ്റവും ദുർബലമായ ഡാറ്റയുടെ വിശ്വാസ്യത പോലെ വിലപ്പെട്ടതാണ്. ഒരു ഒഴുക്കുള്ള AI- ജനറേറ്റഡ് ടെക്സ്റ്റ്, അതിന് താഴെയുള്ള നമ്പർ പിന്തുടരാൻ കഴിയുന്നില്ലെങ്കിൽ, പരിശോധനയിൽ തകരും. ആദ്യം, ഡാറ്റയും അതിൻ്റെ ഉറവിടവും കഠിനമാക്കുക; മനോഹരമായ വാചകം പിന്നീട് വരുന്നു.
വിവര ശേഖരണ ശൃംഖല
ESG റിപ്പോർട്ടിംഗിൻ്റെ ഏറ്റവും ബുദ്ധിമുട്ടുള്ള ഭാഗം അത് എഴുതുകയല്ല, ഡാറ്റ ശേഖരിക്കുക: ഡസൻ കണക്കിന് സൈറ്റുകളിൽ നിന്ന്, വ്യത്യസ്ത ഫോർമാറ്റുകളിൽ, വ്യത്യസ്ത യൂണിറ്റുകളിൽ. ഇവിടെയാണ് AI ഉപയോഗപ്രദമാകുന്നത് - ക്രമരഹിതമായ ഇൻവോയ്സുകൾ, ടേബിളുകൾ, ഫോമുകൾ എന്നിവ ഒരൊറ്റ ഘടനയാക്കി മാറ്റുക, യൂണിറ്റ് പൊരുത്തക്കേടുകൾ പിടിക്കുക, നഷ്ടപ്പെട്ട ഡാറ്റ ഫ്ലാഗുചെയ്യുക. എന്നാൽ കണ്ടെത്താവുന്ന ഒരു ഉറവിടവുമായി (ഇൻവോയ്സ്, മീറ്റർ, സർട്ടിഫിക്കറ്റ്) ബന്ധിപ്പിക്കാതെ AI നിർമ്മിച്ച ഒരു നമ്പറും റിപ്പോർട്ടിൽ നൽകരുത്.
ഘട്ടം ഘട്ടമായി: ഒരു ESG റിപ്പോർട്ട് നിർമ്മിക്കുന്നു
1. ഫ്രെയിം തിരഞ്ഞെടുക്കുക. GRI, CSRD/ESRS അല്ലെങ്കിൽ ISSB? നിർബന്ധമോ സ്വമേധയാ ഉള്ളതോ?
2. മെറ്റീരിയൽ വിശകലനം നടത്തുക. ഏതൊക്കെ വിഷയങ്ങൾ റിപ്പോർട്ട് ചെയ്യും?
3. ഡാറ്റ ശേഖരിക്കുകയും സ്റ്റാൻഡേർഡ് ചെയ്യുകയും ചെയ്യുക. അതിൻ്റെ ഉറവിടം ഉൾപ്പെടെ ഒരൊറ്റ യൂണിറ്റായി പരിവർത്തനം ചെയ്തു.
4. മെട്രിക്സ് കണക്കാക്കുക. ഉദ്വമനം, ജലം, മാലിന്യം, ഊർജ്ജ തീവ്രത - ഓരോന്നിനും അതിൻ്റെ ഉറവിടം.
5. ടെക്സ്റ്റ് ഡ്രാഫ്റ്റ് ചെയ്യുക. AI ഉള്ള അസ്ഥികൂടം, പിന്നെ മനുഷ്യ തിരുത്തലും തെളിവുകളുടെ പൊരുത്തവും.
6. പരിശോധിച്ച് ഉറപ്പ് നേടുക. ആന്തരിക നിയന്ത്രണം + സ്വതന്ത്രമായ ഉറപ്പിന് തയ്യാറെടുക്കുക.
മൂന്ന് മിനി കേസുകൾ
കേസ് 1 - കണ്ടെത്താനാകാത്ത നമ്പർ. ഒരു കമ്പനിക്ക് AI ഡ്രാഫ്റ്റ് ഒരു ESG റിപ്പോർട്ട് ഉണ്ടായിരുന്നു; “ഞങ്ങൾ ഞങ്ങളുടെ ജല ഉപഭോഗം 15% കുറച്ചു,” വാചകം വായിച്ചു. ഈ നമ്പറിൻ്റെ ഉറവിടത്തെക്കുറിച്ച് ഓഡിറ്റർ ചോദിച്ചു; ഈ നമ്പർ എവിടെ നിന്നാണ് വന്നതെന്ന് ടീമിന് കണ്ടെത്താനായില്ല - മുൻ വാചകങ്ങളിൽ നിന്ന് AI ഒരു "വിശ്വസനീയമായ" നമ്പർ നിർമ്മിച്ചു. നമ്പർ പിൻവലിച്ചു, യഥാർത്ഥ ഡാറ്റ ഉപയോഗിച്ച് മാറ്റി (9% കുറവ്). കണ്ടെത്താനാകാത്ത എല്ലാ നമ്പറുകളും അർത്ഥമാക്കുന്നത് നിയന്ത്രണത്തിലുള്ള ബോംബ് എന്നാണ്.
കേസ് 2 - യൂണിറ്റ് ഓട്ടോമേഷൻ. ഒരു ഗ്രൂപ്പ് 30 സൗകര്യങ്ങളിൽ നിന്നുള്ള ഊർജ്ജ ഡാറ്റ സംയോജിപ്പിക്കുകയായിരുന്നു; ചിലത് kWh-ലും ചിലത് MWh-ലും ചിലത് GJ-ലും ആയിരുന്നു. എല്ലാ ഡാറ്റയും ഒരൊറ്റ യൂണിറ്റാക്കി (MWh), കൺവേർഷൻ കോഫിഫിഷ്യൻ്റ് പ്രദർശിപ്പിക്കുകയും സംശയാസ്പദമായ മൂല്യങ്ങൾ ഫ്ലാഗ് ചെയ്യുകയും ചെയ്യുന്ന ഒരു പൈത്തൺ കോഡ് ഉപയോഗിച്ച് അവർ AI സ്റ്റാൻഡേർഡൈസ് ചെയ്തു. സ്വമേധയാ ദിവസങ്ങൾ എടുക്കുമായിരുന്നത് മണിക്കൂറുകളായി ചുരുക്കി; ഓരോ പരിവർത്തനവും രേഖപ്പെടുത്തുകയും ഓഡിറ്റബിൾ ആയി തുടരുകയും ചെയ്തു.
കേസ് 3 - ഇരട്ട പ്രാധാന്യം. ഒരു സംഘടന അതിൻ്റെ ചെലവിനെ ബാധിക്കുന്ന കാര്യങ്ങൾ മാത്രം റിപ്പോർട്ട് ചെയ്യാൻ പദ്ധതിയിട്ടിരുന്നു. അവർ AI-യെ ഇരട്ട പ്രാധാന്യമുള്ള ചട്ടക്കൂട് ബാധകമാക്കി; ഓർഗനൈസേഷൻ്റെ വിതരണ ശൃംഖലയിലെ ജല ആഘാതം സ്വന്തം സാമ്പത്തിക കാര്യങ്ങളിൽ ചെറിയ സ്വാധീനം ചെലുത്തിയാലും "ഇംപാക്റ്റ് മെറ്റീരിയൽ" എന്നതിൻ്റെ അടിസ്ഥാനത്തിൽ റിപ്പോർട്ട് ചെയ്യണമെന്ന് ഇത് മാറുന്നു. CSRD പാലിക്കുന്നതിന് ഇത് നിർബന്ധമായിരുന്നു. തീരുമാനത്തിന് വീണ്ടും പങ്കാളികളുടെ അഭിപ്രായം അംഗീകരിച്ചു.
ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്
ദുർബലമായ പ്രോംപ്റ്റ്:
എനിക്ക് ഒരു സുസ്ഥിരതാ റിപ്പോർട്ട് എഴുതൂ.
എന്തുകൊണ്ടാണ് ഇത് ദുർബലമായത്: ചട്ടക്കൂട്, ഡാറ്റ, മെറ്റീരിയൽ, തെളിവ് എന്നിവയുടെ അഭാവം. AI മികച്ചതായി തോന്നുന്ന ടെക്സ്റ്റ് നിർമ്മിക്കുന്നു, പക്ഷേ പിന്തുടരാൻ കഴിയില്ല, പരിശോധനയിൽ ക്രാഷ് ചെയ്യും.
ശക്തമായ നിർദ്ദേശം:
നിങ്ങളുടെ റോൾ: ESG റിപ്പോർട്ടിംഗ് വിദഗ്ദ്ധൻ. GRI സ്റ്റാൻഡേർഡ് അനുസരിച്ച് "എമിഷൻ" വിഭാഗം ഡ്രാഫ്റ്റ് ചെയ്യുക. ഞാൻ താഴെ നൽകിയിരിക്കുന്ന പരിശോധിച്ച ഡാറ്റ മാത്രം ഉപയോഗിക്കുക; മറ്റൊരു നമ്പർ വ്യാജമാണ്. ഓരോ ലക്കത്തിനും അടുത്തുള്ള ഒരു [source] ടാഗ് ഉപയോഗിച്ച് ഉറവിടം പരിരക്ഷിക്കുക. അവ്യക്തമായ/അതിശയോക്തി കലർന്ന ഭാഷ ഉപയോഗിക്കുന്നത് (ഉദാ. "പരിസ്ഥിതി സൗഹൃദം"); തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള, അളന്ന ഭാഷ ഉപയോഗിക്കുക. നഷ്ടമായ ഡാറ്റ ഉള്ള സ്ഥലങ്ങളെ [DATA MISSING] എന്ന് അടയാളപ്പെടുത്തുക. ഡാറ്റ: [ഇവിടെ]
പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ
1) തെളിവുകൾ അടിസ്ഥാനമാക്കിയുള്ള റിപ്പോർട്ട് വിഭാഗം:
നിങ്ങളുടെ റോൾ: ESG വിദഗ്ദ്ധൻ. [ഫ്രെയിംവർക്ക്: GRI/ESRS] അനുസരിച്ച് ഡ്രാഫ്റ്റ് [വിഭാഗം] എഴുതുക. ഞാൻ നൽകുന്ന പരിശോധിച്ച ഡാറ്റ മാത്രം ഉപയോഗിക്കുക; നമ്പർ നിർമ്മാണം. ഹെർമെറ്റിക്കിന് അടുത്തായി നിങ്ങളുടെ ഉറവിടം സംരക്ഷിക്കുക. അതിശയോക്തി കലർന്ന ഭാഷ ഉപയോഗിക്കുന്നു; കാണാതായത് അടയാളപ്പെടുത്തുക[DATA MISSING]. ഡാറ്റ: [ഇവിടെ]
2) മൾട്ടി-സോഴ്സ് ഡാറ്റ സ്റ്റാൻഡേർഡൈസേഷൻ (കോഡിനൊപ്പം):
ഇനിപ്പറയുന്ന [ഊർജ്ജം/ജലം/മാലിന്യങ്ങൾ] ഡാറ്റയെ വ്യത്യസ്ത യൂണിറ്റുകളിലും ഫോർമാറ്റുകളിലും പൈത്തൺ ഉപയോഗിച്ച് ഒരൊറ്റ യൂണിറ്റാക്കി മാറ്റുക. നിങ്ങൾ ഉപയോഗിച്ച പരിവർത്തന ഗുണകങ്ങൾ കാണിക്കുക; അവരെ ഉണ്ടാക്കരുത്. സംശയാസ്പദമായ/അങ്ങേയറ്റത്തെ മൂല്യങ്ങൾ ഫ്ലാഗ് ചെയ്യുക. എല്ലാ പരിവർത്തനങ്ങളും ട്രാക്ക് ചെയ്യാവുന്ന രീതിയിൽ സൂക്ഷിക്കുക. ഡാറ്റ: [ഇവിടെ]
3) ഇരട്ട മെറ്റീരിയൽ ഔട്ട്ലൈൻ:
ഇനിപ്പറയുന്ന കോർപ്പറേറ്റ്, വ്യാവസായിക വിവരങ്ങളോടൊപ്പം ഇരട്ട-മെറ്റീരിയലിറ്റി ചട്ടക്കൂടിൽ (സാമ്പത്തിക ആഘാതം + പാരിസ്ഥിതിക/സാമൂഹിക ആഘാതം) സാദ്ധ്യമായ സാദ്ധ്യതയുള്ള ESG പ്രശ്നങ്ങൾ ലിസ്റ്റ് ചെയ്യുക. ഓരോ ലക്കവും രണ്ട് അക്ഷങ്ങളിൽ വിലയിരുത്തുക. ഇതൊരു ഡ്രാഫ്റ്റാണ്; അന്തിമ മെറ്റീരിയലിറ്റി തീരുമാനത്തിന് സ്റ്റേക്ക്ഹോൾഡർ കൺസൾട്ടേഷനും മാനേജ്മെൻ്റ് അംഗീകാരവും ആവശ്യമാണ്, അങ്ങനെ പറയുക. വിവരങ്ങൾ: [ഇവിടെ]
4) ഓഡിറ്റിന് മുമ്പുള്ള ട്രെയ്സിബിലിറ്റി നിയന്ത്രണം:
ചുവടെയുള്ള റിപ്പോർട്ട് ടെക്സ്റ്റിലെ എല്ലാ സംഖ്യാപരമായ ക്ലെയിമുകളും എടുത്ത് “ഉറവിടം ഉദ്ധരിച്ചിട്ടുണ്ടോ?” എന്ന് ചോദിക്കുക. എഴുതുക (അതെ/ഇല്ല). ഉറവിടം ഇല്ലാത്ത ഏത് നമ്പറും ഓഡിറ്റ് റിസ്ക് ആയി അടയാളപ്പെടുത്തുക. വാചകം മാറ്റുക; പരിശോധിക്കുക. വാചകം: [ഇവിടെ]
സാധാരണ തെറ്റുകൾ
- കണ്ടെത്താൻ കഴിയാത്ത നമ്പർ ഇടുന്നു. ഓരോ മെട്രിക്കും ഒരു ഡോക്യുമെൻ്റുമായി ലിങ്ക് ചെയ്യണം.
- പൊരുത്തപ്പെടുന്ന തെളിവുകളില്ലാതെ AI വാചകം പ്രസിദ്ധീകരിക്കുന്നു. ഒഴുക്കുള്ള വാക്യങ്ങൾ ഡാറ്റ വിശ്വാസ്യതയ്ക്ക് പകരമല്ല.
- ഒരു വിധത്തിൽ ഇരട്ടി പ്രാധാന്യം പ്രയോഗിക്കുന്നു. സാമ്പത്തിക ആഘാതവും പാരിസ്ഥിതിക ആഘാതവും റിപ്പോർട്ട് ചെയ്യപ്പെടുന്നു.
- യൂണിറ്റ് ആശയക്കുഴപ്പം അവഗണിക്കുന്നു. kWh/MWh/GJ പരിവർത്തനങ്ങൾ രേഖപ്പെടുത്തണം.
- അതിശയോക്തി കലർന്ന ഭാഷ ഉപയോഗിക്കുന്നു. "പരിസ്ഥിതി സൗഹൃദം" പോലെയുള്ള പദപ്രയോഗങ്ങൾ ഒരു ഓഡിറ്റും റെഗുലേറ്ററി റിസ്കും ആണ്.
മുന്നറിയിപ്പ്: സിഎസ്ആർഡിക്കും സമാനമായ നിർബന്ധിത ചട്ടക്കൂടുകൾക്കും റിപ്പോർട്ട് സ്വതന്ത്രമായ ഉറപ്പ് ഉപയോഗിച്ച് പരിശോധിക്കേണ്ടതുണ്ട്. നിങ്ങളുടെ വാചകമല്ല, പ്രശ്നത്തിന് പിന്നിലെ തെളിവുകളുടെ ശൃംഖലയാണ് ഓഡിറ്റർ പരിശോധിക്കുന്നത്. AI ടെക്സ്റ്റ് വേഗത്തിലാക്കുന്നു, പക്ഷേ തെളിവുകളുടെ ശൃംഖല സ്ഥാപിക്കാൻ കഴിയില്ല; നിങ്ങൾ അത് നിർമ്മിക്കുക.
ചുരുക്കത്തിൽ
ESG റിപ്പോർട്ടിംഗ്; ഇതിന് ശരിയായ ചട്ടക്കൂടും ഇരട്ട പ്രാധാന്യവും കണ്ടെത്താവുന്ന ഡാറ്റയും ഓഡിറ്റബിൾ ടെക്സ്റ്റും ആവശ്യമാണ്. AI; ഡാറ്റ സ്റ്റാൻഡേർഡൈസേഷൻ, ഡ്രാഫ്റ്റിംഗ്, സ്ഥിരത നിയന്ത്രണം എന്നിവയിൽ ഇത് ശക്തമായ ആക്സിലറേറ്ററാണ്. എന്നിരുന്നാലും, ഓരോ ലക്കത്തിൻ്റെയും ഉറവിടത്തിലേക്കുള്ള ആട്രിബ്യൂഷൻ, മെറ്റീരിയലിറ്റി തീരുമാനവും സ്വതന്ത്രമായ ഉറപ്പിനുള്ള തയ്യാറെടുപ്പും വിദഗ്ദ്ധൻ്റെതാണ്. റിപ്പോർട്ട് അതിൻ്റെ ഏറ്റവും ദുർബലമായ ഡാറ്റ പോലെ ശക്തമാണ്; ആദ്യം ഡാറ്റ ഏകീകരിക്കുക, തുടർന്ന് വാക്യം.
ആപ്ലിക്കേഷൻ ടാസ്ക്
ഒരു ഓർഗനൈസേഷൻ്റെ നിരവധി പാരിസ്ഥിതിക അളവുകൾ (എമിഷൻ, ജലം, ഊർജ്ജം) അവയുടെ സ്രോതസ്സുകൾക്കൊപ്പം ലിസ്റ്റ് ചെയ്യുക (മനപ്പൂർവം ഒന്നോ രണ്ടോ ഉറവിടം ഒഴിവാക്കുക). ടെംപ്ലേറ്റ് 1 ഉപയോഗിച്ച്, AI ഡ്രാഫ്റ്റ് ഒരു GRI “എമിഷൻസ്” വിഭാഗം ഉണ്ടാക്കി, ഉറവിടമില്ലാത്ത ഡാറ്റ [ഡാറ്റ നഷ്ടമായി] എന്ന് അടയാളപ്പെടുത്തിയിട്ടുണ്ടോയെന്ന് പരിശോധിക്കുക. തുടർന്ന് ടെംപ്ലേറ്റ് 4 ഉപയോഗിച്ച് നിങ്ങൾ നിർമ്മിക്കുന്ന വാചകത്തിൻ്റെ ഓരോ ലക്കവും കണ്ടെത്താനായി ഓഡിറ്റ് ചെയ്യുക. ഉറവിടമില്ലാതെ തുടരുന്ന ഓരോ ലക്കത്തിനും ഒരു പ്ലാൻ തയ്യാറാക്കുക.
ചെക്ക്ലിസ്റ്റ്
- [ ] ഞാൻ ശരിയായ റിപ്പോർട്ടിംഗ് ചട്ടക്കൂട് (GRI/ESRS/ISSB) തിരഞ്ഞെടുത്തു.
- [ ] സാമ്പത്തികവും ആഘാതവുമായ വശങ്ങളുടെ അടിസ്ഥാനത്തിൽ ഞാൻ ഇരട്ട ഭൗതികതയെ വിലയിരുത്തി.
- [ ] ഞാൻ ഓരോ മെട്രിക്കും കണ്ടെത്താവുന്ന ഉറവിടത്തിലേക്ക് ലിങ്ക് ചെയ്തു.
- [ ] ഗുണകങ്ങൾ രേഖപ്പെടുത്തിക്കൊണ്ട് ഞാൻ മൾട്ടി-സോഴ്സ് ഡാറ്റ ഒരൊറ്റ യൂണിറ്റാക്കി മാറ്റി.
- [ ] ഞാൻ വാചകത്തിൽ നിന്ന് അതിശയോക്തി കലർന്ന/ആധാരമല്ലാത്ത ഭാഷ നീക്കം ചെയ്തു.
- [ ] സ്വതന്ത്രമായ ഉറപ്പിന് വേണ്ടി ഞാൻ തെളിവുകളുടെ ഒരു ശൃംഖല സഹിതം റിപ്പോർട്ട് തയ്യാറാക്കിയിട്ടുണ്ട്.