การรวบรวมข้อมูล ESG คุณภาพข้อมูล และการจัดการเส้นทางการตรวจสอบ — ปัญญาประดิษฐ์ในด้านความยั่งยืนและการจัดการ ESG

กำไร:

ความสามารถในการให้ความแม่นยำตามที่กำหนดโดยการจัดโครงสร้างข้อมูล ESG ที่กระจัดกระจาย และดำเนินการแปลงหน่วยด้วยโค้ด/สูตรที่ปฏิบัติการได้ แทนที่จะดำเนินการด้วยตนเอง
ความสามารถในการทำเครื่องหมายช่องว่างของข้อมูลเป็นพร็อกซี (การคาดการณ์) โดยไม่ต้องปรับให้เหมาะสม และแก้ไขการนับไบนารีและค่าผิดปกติโดยการกลับไปยังแหล่งที่มา
ความสามารถในการทำให้ข้อมูลสามารถตรวจสอบย้อนกลับได้โดยการสร้างเส้นทางการตรวจสอบที่เชื่อมต่อรายการดิจิทัลแต่ละรายการกับแหล่งที่มา

ภายใต้รายงานความยั่งยืนทุกฉบับ มีงานเงียบๆ แต่ยิ่งใหญ่ นั่นก็คือการรวบรวมข้อมูล แม้แต่บริษัทขนาดกลางก็ยังเก็บค่าไฟฟ้าและก๊าซธรรมชาติ ใบเสร็จรับเงินเชื้อเพลิง เอกสารการถ่ายโอนของเสีย ข้อมูลพนักงานจากระบบทรัพยากรบุคคล การตอบแบบสำรวจจากซัพพลายเออร์ และบันทึกการเดินทางจากสถานที่หลายแห่ง ข้อมูลส่วนใหญ่กระจัดกระจายอยู่ในรูปแบบที่แตกต่างกัน ในหน่วยที่แตกต่างกัน และมักจะป้อนด้วยตนเอง คุณภาพของรายงานมาจากความถูกต้องของข้อมูลดิบ ไม่ใช่กราฟที่ฉูดฉาดที่สุด ในหน่วยนี้ คุณจะได้เรียนรู้วิธีใช้ปัญญาประดิษฐ์ (AI) อย่างปลอดภัยเพื่อรวบรวม ทำความสะอาด และจัดการข้อมูลที่ยุ่งเหยิงนี้

ประการแรก แนวคิด: คุณภาพข้อมูลหมายความว่าข้อมูลมีความถูกต้อง (สะท้อนถึงความจริง) ครบถ้วน (สมบูรณ์) สม่ำเสมอ (ไม่ขัดแย้งกัน) ทันเวลาและสามารถตรวจสอบย้อนกลับได้ (ทราบแหล่งที่มา) ปัญหาด้านคุณภาพที่พบบ่อยที่สุดใน ESG คือข้อมูลไม่สามารถติดตามได้แทนที่จะไม่ถูกต้อง: มีหลายตัวเลข แต่ “มันมาจากไหน” ไม่มีคำตอบสำหรับคำถาม นี่คือสิ่งที่ผู้ตรวจสอบอิสระ (ผู้เชี่ยวชาญภายนอกที่ตรวจสอบรายงาน) ถาม ดังนั้น หัวใจของหน่วยนี้จึงเป็นแนวคิดเดียว นั่นคือ เส้นทางการตรวจสอบ ซึ่งเป็นสายโซ่ของบันทึกที่แสดงว่าแต่ละประเด็นมาจากเอกสารใด วันที่ใด ภายใต้สมมติฐานใด

ปัญหาทั่วไปสามประการเกี่ยวกับข้อมูล ESG

1. หน่วยความวุ่นวาย โรงงานแห่งหนึ่งรายงานไฟฟ้าเป็น kWh อีกแห่งรายงานเป็น MWh และแห่งที่สามรายงานเป็น GJ (กิกะจูล) หากไม่ได้แปลงทั้งหมดเป็นหน่วยเดียวก่อนบวก ผลลัพธ์ก็ไม่มีความหมาย เนื่องจาก 1 MWh = 1,000 kWh หากละเว้นหน่วย จะเกิดข้อผิดพลาด 1,000 ครั้ง

2. ช่องว่างข้อมูล ไม่มีใบแจ้งหนี้รายไตรมาสของสถานที่ให้บริการ ช่องว่างจะเต็มไปด้วยข้อมูลจริงหรือประมาณการที่ชัดเจน (พร็อกซี) เช่น ค่าเฉลี่ยจากเดือนที่คล้ายกัน สิ่งสำคัญคืออย่าซ่อนการคาดการณ์ คือการทำเครื่องหมายว่าเป็น "ข้อมูลโดยประมาณ" ในรายงาน

3. การนับซ้ำและความไม่สอดคล้องกัน เชื้อเพลิงเดียวกันจะถูกรวบรวมสองครั้งหากนับรวมในกลุ่มยานพาหนะและเครื่องกำเนิดไฟฟ้า AI ช่วยในการจับความขัดแย้งดังกล่าวแต่ไม่สามารถตัดสินใจขั้นสุดท้ายได้

ปัญหา

อาการ

แนวทางที่ถูกต้อง

ความวุ่นวายของหน่วย

kWh/MWh/GJ ผสม

แปลงเป็นหน่วยเดียว ทำการแปลงด้วยโค้ด

ช่องว่างข้อมูล

เดือน/สิ่งอำนวยความสะดวกหายไป

ใช้พรอกซี ทำเครื่องหมายว่า "โดยประมาณ"

การนับไบนารี

ปากกาเดียวกันในสองแห่ง

ปักหมุดแหล่งที่มาไว้ที่จุดเดียว

ไม่สามารถติดตามได้

จำนวนไม่ทราบที่มา

ลิงค์ไปยังตารางเส้นทางการตรวจสอบ

เคล็ดลับ: กฎทองในการล้างข้อมูล: "อย่าแตะต้องข้อมูลดิบ ทำงานกับสำเนา" ใบแจ้งหนี้และบันทึกเดิมจะถูกเก็บไว้ไม่เปลี่ยนแปลง การแก้ไขและการแปลงทั้งหมดจะทำในไฟล์การทำงานแยกต่างหากพร้อมเหตุผล ด้วยวิธีนี้ผู้ตรวจสอบบัญชีสามารถกลับไปสู่ความจริงดั้งเดิมได้ตลอดเวลา

ทีละขั้นตอน: รักษาความปลอดภัยเวิร์กโฟลว์ข้อมูลด้วย AI

1. รวบรวมข้อมูลและเก็บไว้ตามเดิม รวบรวมใบแจ้งหนี้และบันทึกในรูปแบบดั้งเดิมไว้ในที่เดียว มันเป็น “แหล่งเดียวของความจริง”

2. กำหนดค่า จัดเรียงข้อมูลที่ยุ่งเหยิงลงในตารางที่จัดระเบียบ (พืช ช่วงเวลา รายการ มูลค่า หน่วย แหล่งที่มา) AI เก่งในการปรับข้อความอิสระหรือเนื้อหา PDF ลงในเทมเพลตตารางนี้

3. แปลหน่วยด้วยรหัสปฏิบัติการ อย่าให้ AI ทำการแปลงหน่วยและรวมด้วยตนเอง พิมพ์เป็นสูตรสเปรดชีตหรือโค้ดขนาดเล็กแล้วคุณก็รันโค้ด ดังนั้นผลลัพธ์จึงกำหนดได้ (เหมือนเดิมและตรวจสอบได้ทุกครั้ง)

4. ดำเนินการควบคุมคุณภาพ ให้พวกเขาตั้งค่าสถานะค่าผิดปกติ (เช่น ปริมาณการใช้ของสิ่งอำนวยความสะดวกเพิ่มขึ้น 10 เท่าอย่างกะทันหัน) การละเว้น และความขัดแย้ง แต่ยืนยันแต่ละสัญญาณด้วยสายตามนุษย์

5. สร้างเส้นทางการตรวจสอบ กรอกตารางโดยเชื่อมต่อแต่ละรายการที่เป็นตัวเลขกับแหล่งที่มา ตารางนี้เป็นแกนหลักของรายงาน

พรอมต์อ่อน / พรอมต์แรง

พรอมต์ที่อ่อนแอ:

รวบรวมข้อมูลสิ่งอำนวยความสะดวกนี้และแจ้งให้คุณทราบถึงการใช้พลังงานทั้งหมด

ไม่มีกฎของหน่วย แหล่งกำเนิด และพื้นที่ AI สามารถสำรวจและรวบรวมยูนิตต่างๆ และชดเชยยูนิตที่หายไปอย่างเงียบๆ

พรอมต์อันทรงพลัง:

บทบาทของคุณ: นักวิเคราะห์ข้อมูล ESG อินพุต: ตารางสิ่งอำนวยความสะดวก-ช่วงเวลา-มูลค่า-หน่วยด้านล่าง งาน: 1) แปลงค่าพลังงานทั้งหมดเป็น kWh; แสดงปัจจัยการแปลงในคอลัมน์แยก 2) ทำให้ผลรวมด้วยตนเอง; เขียนสูตรสเปรดชีตที่ฉันสามารถใช้ได้ 3) ทำเครื่องหมายรายการที่ปรากฏว่าหายไปหรือเป็นศูนย์ว่า "หายไป — ตรวจสอบ" อย่ากรอกข้อมูลด้วยตนเอง 4) แสดงรายการการนับไบนารีที่เป็นไปได้ซึ่งมีรายการเดียวกันปรากฏขึ้นสองครั้ง ผลลัพธ์: ตารางที่ล้างข้อมูล + คอลัมน์การแปลง + รายการคำเตือน

เหตุใดการใส่ข้อมูลลงในโค้ดจึงเป็นสิ่งสำคัญ

AI เป็นตัวสร้างข้อความ อาจผิดพลาดได้เมื่อรวบรวมรายชื่อตัวเลขยาวๆ ในทางกลับกัน หากคุณขอให้สร้างสูตรหรือโค้ด ระบบจะดำเนินการคำนวณในสภาพแวดล้อมของคุณอย่างแม่นยำ และได้รับผลลัพธ์เดียวกันทุกครั้ง นี่คือความแตกต่างระหว่าง "ตัวเลขที่ AI พูด" และ "การคำนวณที่ควบคุมได้"

เขียนชุดสูตร Excel/Google ชีตสำหรับตารางข้อมูลการปล่อยก๊าซเรือนกระจกต่อไปนี้ ต้องการ:- ในแต่ละแถว: ค่า × ปัจจัยการแปลง = kWh- ผลรวมของ kWhs ทั้งหมด- เพิ่มเซลล์ที่หายไป (ว่าง) เป็น NUMBER; นับ "จำนวนที่ขาดหายไป" แยกต่างหาก อธิบายสูตรด้วยการอ้างอิงเซลล์ เพื่อให้ฉันสามารถนำไปใช้ด้วยตนเอง โครงสร้างตาราง: A=สิ่งอำนวยความสะดวก, B=ช่วงเวลา, C=ค่า, D=หน่วย

ข้อควรระวัง: ให้ความสนใจเป็นพิเศษกับตัวเลขที่ AI "อ่าน" จาก PDF หรือรูปภาพ ข้อผิดพลาดเช่น 1.100 กับ 11.00 หรือความสับสนของจุดลูกน้ำ (1.100 กับ 1.100) เป็นเรื่องปกติในระหว่างการอ่านด้วยแสง เปรียบเทียบตัวอย่างบางส่วนกับเอกสารต้นฉบับด้วยสายตา

มินิเคสสามอัน

กรณีที่ 1 — ยูนิตกับดัก บริษัทโฮลดิ้งแห่งหนึ่งรวบรวมข้อมูลพลังงานของโรงงาน 8 แห่ง โรงงาน 7 แห่งรายงาน kWh, โรงงาน 1 แห่งรายงาน MWh AI ทำได้ทั้งหมดโดยพลาดยูนิตไปในการลองครั้งแรกและนับสิ่งอำนวยความสะดวกนั้นต่ำกว่า 1,000 เท่า ยอดรวมกลายเป็น 3,201 MWh เมื่อเป็นจริง 4,200 MWh ข้อผิดพลาดถูกจับได้และแก้ไขโดยการแปลงตามโค้ด

กรณีที่ 2 — การทำนายความลับ ใบแจ้งหนี้เดือนมีนาคมของสถานที่หนึ่งแห่งหายไป นักวิเคราะห์บอกให้ AI “กรอกข้อมูลในช่องว่าง”; AI ใส่ค่าเฉลี่ยเดือนข้างเคียงแต่ไม่ได้ระบุ ผู้สอบบัญชีถามว่า "หมายเลขนี้มาจากใบแจ้งหนี้ใด" เมื่อถามก็ไม่พบแหล่งที่มา กระบวนการได้รับการแก้ไขแล้ว: การคาดการณ์ระบุไว้อย่างชัดเจนว่าเป็น “พร็อกซี — ค่าเฉลี่ยเดือนกุมภาพันธ์/เมษายน” ในรายงาน

กรณีที่ 3 — การนับซ้ำ ในโรงงาน เชื้อเพลิงของเครื่องกำเนิดไฟฟ้าป้อนเข้าทั้งรายการ "การเผาไหม้แบบอยู่กับที่" และ "พลังงานสำรอง" AI ทำเครื่องหมายการซ้ำนี้ในการสแกนที่ขัดแย้งกัน นักวิเคราะห์ยืนยันและยกเลิกการนับ CO₂e จำนวน 6 ตันสองครั้งแล้ว ขึ้นอยู่กับนักวิเคราะห์ที่จะทำเครื่องหมายการมีส่วนร่วมของ AI และทำการตัดสินใจ

แจ้งการควบคุมคุณภาพ

ทำการตรวจสอบคุณภาพในตารางข้อมูล ESG ด้านล่าง ตรวจหา (แต่อย่าแก้ไขด้วยตนเอง เพียงทำเครื่องหมาย):1) ค่าผิดปกติ (รายการที่เบี่ยงเบนมากกว่า 50% จากช่วงเวลาก่อนหน้า)2) ความคลาดเคลื่อนของหน่วย3) เซลล์ว่าง/หายไป4) รายการซ้ำที่เป็นไปได้ซึ่งมีรายการเดียวกันปรากฏขึ้นหลายครั้งแสดงรายการการแจ้งเตือนแต่ละรายการพร้อมเหตุผล "เหตุใดจึงน่าสงสัย" ตาราง: [ตาราง]

พร้อมท์ต่อไปนี้จะตั้งค่าโครงกระดูกตารางการตรวจสอบที่พร้อมสำหรับการตรวจสอบ

ข้อผิดพลาดทั่วไป

การปรับเปลี่ยนข้อมูลดิบ การแก้ไขโดยไม่รักษาบันทึกต้นฉบับจะทำลายเส้นทางการตรวจสอบ
ให้ AI ทำการแปลงหน่วยด้วยตนเอง การเพิ่มจิตในรายการยาว ๆ มีแนวโน้มที่จะเกิดข้อผิดพลาด ใช้โค้ด/สูตร
ซ่อนการคาดการณ์ การใช้ข้อมูลพรอกซีก็ไม่มีปัญหา การไม่ระบุเป็นปัญหาใหญ่ในการตรวจสอบ
ลบค่าผิดปกติอย่างเงียบๆ การบริโภคสิ่งอำนวยความสะดวกที่เพิ่มขึ้นเป็นสองเท่าอาจเป็นข้อผิดพลาดหรือไม่ก็ได้ ไม่สามารถลบออกได้หากไม่ได้รับการตรวจสอบ
สุ่มสี่สุ่มห้ายอมรับตัวเลขที่อ่านจาก PDF/รูปภาพ การควบคุมตัวอย่างต่อข้อผิดพลาดในการอ่านค่าแสงถือเป็นสิ่งสำคัญ

โดยสรุป

มูลค่าที่แท้จริงของรายงาน ESG อยู่ที่ความแม่นยำและความสามารถในการตรวจสอบย้อนกลับของข้อมูล AI; เป็นตัวช่วยที่มีประสิทธิภาพในการจัดโครงสร้างข้อมูลที่กระจัดกระจาย การสร้างสูตรสำหรับการแปลงหน่วย และการทำเครื่องหมายค่าผิดปกติและข้อขัดแย้ง แต่ความเสี่ยงที่ใหญ่ที่สุดไม่ใช่ว่าข้อมูลผิด แต่คือไม่สามารถติดตามได้ เก็บรักษาข้อมูลดิบ ทำการแปลงรหัส ทำเครื่องหมายการคาดการณ์อย่างชัดเจน และผูกแต่ละหมายเลขกับเส้นทางการตรวจสอบ “ตัวเลขดูดี” ยังไม่เพียงพอ จำเป็นต้องมี "ฉันสามารถติดตามหมายเลขนี้ไปยังแหล่งที่มาได้"

งานสมัคร

เตรียมตารางตัวอย่างขนาดเล็กพร้อมข้อมูลในหน่วยที่แตกต่างกันอย่างน้อยสามหน่วย (เช่น kWh, MWh, ลิตร) ปล่อยให้เซลล์ว่างหนึ่งหรือสองเซลล์โดยตั้งใจ ถาม AI ด้วยข้อความแจ้งที่มีประสิทธิภาพด้านบนสำหรับชุดสูตรที่จะแปลงตารางนี้เป็นหน่วยเดียวและรายการการแจ้งเตือนคุณภาพ จากนั้น: (1) ตรวจสอบปัจจัยการแปลง (2) ตรวจสอบว่าช่องว่างไม่ได้ถูกสร้างขึ้น (3) เขียนเส้นเส้นทางการตรวจสอบเล็กๆ สำหรับแต่ละรายการ

รายการตรวจสอบ

[ ] ฉันเก็บข้อมูลดิบในรูปแบบดั้งเดิมและทำสำเนา
[ ] ฉันแปลงหน่วยทั้งหมดเป็นหน่วยเดียวด้วยรหัส/สูตร
[ ] ฉันไม่ได้สร้างข้อมูลที่ขาดหายไป ฉันทำเครื่องหมายการคาดคะเนเป็น "พร็อกซี"
[ ] ฉันตรวจสอบค่าผิดปกติก่อนที่จะลบออก
[ ] ฉันแก้ไขการนับไบนารีที่เป็นไปได้โดยไปที่แหล่งที่มา
[ ] ฉันตรวจสอบตัวเลขที่อ่านจาก PDF/รูปภาพด้วยภาพด้วยตัวอย่าง
[ ] ฉันเชื่อมโยงแต่ละรายการที่เป็นตัวเลขกับบันทึกเส้นทางการตรวจสอบ