Een van de grootste uitdagingen waar organisaties mee te maken hebben bij het formuleren van hun duurzaamheidsambities is het vastleggen en juist rapporteren van Environmental, Social & Governance (ESG) op bestuursniveau. Kunnen advanced analytics en ai deze rapportagepijn verlichten? Laten we eerst een stapje terugdoen en kijken naar de evolutie van ESG.
In recordtijd is ESG geëvolueerd van een bijkomstigheid naar een belangrijk element in de strategie van vele organisaties. Deze verschuiving is toe te schrijven aan regelgeving en, op wereldwijde schaal, de groeiende ngo-gedreven druk om verantwoord te handelen.
Organisaties worden verantwoordelijk gehouden voor de effecten van hun handelen op het milieu, evenals de directe en indirecte effecten vanuit hun toeleveringsketen (environment). Daarnaast moeten organisaties voortdurend beoordelen en verbeteren hoe zij omgaan met de gemeenschappen waarin zij opereren (consumenten, leveranciers, werknemers), hoe zij bijdragen aan bredere doelen die de mensheid ten goede komen, en hoe ze navigeren door sociale bewegingen zoals MeToo en de gender pay gap (society). Als derde moeten organisaties de verdeling van rollen en verantwoordelijkheden heroverwegen, deze proactief managen en controleren om ervoor te zorgen dat er intern passende tegenmachten zijn; dit kan ook bedrijfsbeleid, ethiek en diversiteit, en bedrijfscultuur omvatten (governance).
Dat een robuuste ESG-strategie een must is, zagen we bij Walmart en Volkswagen in de VS en Orpea in Frankrijk. Proactief handelen op het gebied van ESG is een noodzaak en voordelen zoals het voorkomen van negatieve effecten op het milieu en het positief vormgeven van de maatschappij wegen op tegen het gemak van niets doen. Sommige organisaties gaan nog een stap verder en gebruiken ESG als een strategische troef; een zwaarwegende eis om toegang te krijgen tot financiering. Volgens McKinsey maken organisaties zoals Unilever in toenemende mate gebruik van een ESG-strategie en -uitvoering om hun concurrentievoordeel te behalen.
Deze waarde is terug te zien in omzetgroei, kostenreductie, minder interventies op het gebied van wet- en regelgeving, en productiviteitsstijgingen. Dit is goed nieuws en een stimulans voor bedrijven die ESG als een strategische troef willen inzetten. De aspiraties zijn mooi, maar de uitdaging ligt bij de uitvoering.
mechanismen
Nu organisaties in toenemende mate ESG-strategieën implementeren, moeten er mechanismen in plaats zijn om de relatie tussen ESG en financiële prestaties goed te analyseren en te monitoren.
Het volstaat niet langer dat bedrijven ‘zeggen’ dat ze zich houden aan ESG, ze moeten het ook bewijzen – tegenover auditors, ngo’s en andere stakeholders, en daarvoor hebben ze data nodig. Technologieën zoals ai en advanced analytics zijn voor bedrijven van cruciaal belang om de doelstellingen van ESG-activiteiten te meten, te bereiken en te bewijzen, en om hierover te rapporteren. Een belangrijk criterium om succesvol waarde te halen uit advanced analytics en ai is het verzamelen van gegevens om de huidige toestand te meten. Maar is het wel mogelijk om een nauwkeurige, consistente dataset te verzamelen over de E, S, en G in ESG?
Betrouwbare gegevens
In een recent onderzoek van Accenture Research gaf slechts een kwart van de organisaties aan dat ze over duidelijke, betrouwbare gegevens beschikken om hun ESG-kpi’s te onderbouwen. Dit terwijl er op zich gegevens in overvloed zijn om de milieu-impact te meten, zoals energie- en waterverbruik, afval- en vervuilingsbeheer, biodiversiteit en gegevens over landgebruik. Maar het verzamelen van die gegevens is ingewikkeld omdat er voor organisaties weinig normen zijn om zich op te baseren. Het interpreteren van maatschappelijke gegevens is lastig omdat ze vaak minder kwantitatief, minder gestandaardiseerd en relatief subjectief zijn.
Bestuurlijke gegevens zijn nog lastiger. De definitie van ‘goed’ bestuur is in de loop van de jaren verschoven van het balanceren van de behoeften van stakeholders naar het maximaliseren van de aandeelhouderswaarde, en nu weer terug naar stakeholders. Het is echter lastig om een model te bouwen dat de impact meet van zaken zoals de loonkloof tussen mannen en vrouwen en de mate van diversiteit binnen de raad van bestuur.
Robuuste
We kunnen concluderen dat voor sommige ESG-aspecten een robuuste dataset is te verzamelen, maar niet voor alle. Dit zien we terug in de bevinding dat 91 procent van alle bedrijfsleiders voor grote uitdagingen staan op het vlak van duurzaamheid en ESG-initiatieven. De uitdaging zit hem in het vinden van de juiste gegevens om de progressie op ESG-gebied te monitoren en de tijdrovende handmatige processen om te rapporteren over ESG-metriek.
De gegevens die verzameld moeten worden, komen uit vele verschillende systemen. Denk hierbij aan zowel interne gegevens van een organisatie als gegevens van leveranciers, en leveranciers van de leveranciers. Deze sterk inconsistente ESG-raamwerken en de inherente complexiteit van het begrijpen van de gegevens schetsen wellicht het beeld dat het een onmogelijke opgave is om ESG te implementeren, maar niks is minder waar. Advanced analytics- en ai-oplossingen kunnen organisaties in staat stellen ESG te implementeren.
Eindstreep
Een manier om vooruitgang te boeken bij het verzamelen van ESG-gegevens is om ESG-rapportage in te bedden in operationele kern- en managementsystemen en geleidelijk processen en rapportages te automatiseren. Analytics kan dan de rapportage over de eindstreep trekken. Deze aanpak zal gebreken en inconsistenties blootleggen, maar weten wat je ‘niet weet’ is belangrijk voor het formuleren van haalbare doelen. Belangrijker nog is dat analytics en ai een belangrijke rol spelen bij het nemen van maatregelen: Meten is slechts een eerste stap in de richting van verandering, die zal vragen om het volledig opnieuw uitvinden van kritieke processen, het verbeteren van audits en het opnieuw uitvinden van bedrijfsmodellen – allemaal gebieden waarin ai en analytics een sterke rol kunnen spelen.
Duurzame ai gaat over het maken van keuzes en het niet overmatig verbruiken van data en rekenkracht, wat een van de drijvende pijlers zou moeten zijn voor elk bedrijf dat zijn ai-ambities wil afstemmen op zijn ESG-principes. Ai moet ESG-inspanningen ondersteunen, en dat moet gebeuren op een zuinige, op ESG afgestemde manier.
