Kommentar von Tim van Baars, Precisely Vier wichtige Schritte für effektives ESG-Reporting im Data Management

Anbieter zum Thema

Precisely Software GmbH

Fujitsu Technology Solutions GmbH

QUNIS GmbH

Fivetran Germany GmbH

Lange Zeit wurden ESG-Kriterien (Environmental, Social und Governance) mitsamt den entsprechenden Initiativen von großen Unternehmen als „nice to have“ betrachtet. Obwohl der Begriff nicht allen geläufig war, haben zahlreiche Firmen über die Jahre hinweg ihr Möglichstes getan, um Nachhaltigkeits-Praktiken zu implementieren, jedoch ohne Richtlinien und Regulierungen. In den letzten Jahren hat es eine enorme Verschiebung in der Art und Weise gegeben, wie Unternehmen in ESG-Initiativen investieren.

Mittlerweile sind es aber nicht nur Kunden, Mitarbeiter und andere Stakeholder, die die Unternehmen in die Verantwortung nehmen, sondern auch nationale Regierungen und staatliche internationale Organisationen. So müssen zum Beispiel in Großbritannien seit 2022 zahlreiche Firmen, die ihren Sitz im Vereinigten Königreich haben, verpflichtend Informationen zu klima-relevanten Finanzierungen angeben. In Deutschland wird mit Beginn des Jahres 2023 das Lieferkettengesetz in Kraft treten und so ESG-Kriterien auch einen gesetzlichen Rang auf Bundesebene zukommen lassen.

Diese Bemühungen haben zahlreiche Wirtschaftsführungskräfte davon überzeugt, dass das reine Vorhandensein von ESG-Initiativen nicht mehr ausreicht. Die Fähigkeit, genau und konsistent zu ESG-Metriken Auskunft geben zu können, ist in Zukunft entscheidend, um Unternehmen dabei zu helfen, nicht nur Lücken in eigenen ESG-Programmen aufzuspüren, sondern die Programme weiter voranbringen zu können. Der wichtigste Faktor dabei, sowohl für das Reporting als auch die Einhaltung der ESG-Standards, werden unbestreitbar Daten sein.

Die Schlüsselrolle der Daten im ESG-Reporting

Nahezu jedes große Unternehmen hat bereits eine eigene Daten-Infrastruktur eingerichtet. Nun müssen Führungskräfte der Unternehmen herausfinden, wie aus dieser bestehenden Infrastruktur sowohl Erkenntnisse hinsichtlich ESG gewonnen werden können, aber auch wie das Reporting gestaltet werden kann. Vermutlich werden dabei zahlreiche Führungskräfte feststellen, dass die Infrastruktur nicht dem benötigten Niveau entspricht, welches für tiefgehendes Reporting in Zukunft benötigt wird.

Wenn es in den Daten einer Firma an Genauigkeit, Konsistenz und Kontext mangelt, wird es schwierig, das ESG-Reporting erfolgreich zu gestalten. Es ist vielmehr so, dass die Unternehmen, die nicht bereits jetzt in die Integrität ihrer Daten investieren, immer weiter zurückfallen werden. Die schon jetzt feststehenden und auch die kommenden ESG-Regulierungen werden diese Lücke nur vergrößern. Um diesen Vorgaben nicht nur gerecht zu werden, sondern sie auch zu übertreffen, gibt es vier Schlüsselschritte, um die Datenintegrität zu verbessern und sicherzustellen, dass die unternehmenseigene Daten-Infrastruktur bereit ist für die nächste Ära.

Schritt eins: Datenintegration

Eine Dateninfrastruktur muss in der Lage sein, Daten zu integrieren – unabhängig davon, wie sie erfasst oder geliefert wurden. Durch die Integration werden Unternehmen Zugang zu einem vollständigen Überblick an einem Ort erhalten. So werden sie in der Lage sein, Trends zu entdecken, die ansonsten nicht sichtbar gewesen wären.

Es mag zwar wie ein vergleichsweise simples Konzept klingen, ist aber tatsächlich unglaublich komplex. Die meisten großen Firmen haben eine hohe Zahl an internen Funktionen, die das Geschäft über zahlreiche Plattformen hinweg betreiben. Diese Unternehmen haben Daten in Silos bei Drittanbietern, mit denen sie zusammenarbeiten. Ein Beispiel wäre die Logistik: Güter gehen durch zahlreiche Hände auf ihrem Weg durch die Lieferkette vom Hersteller zum internationalen Versandzentrum, zum Hafen, zum lokalen Verteilzentrum, dem Lieferanten und so weiter.

Den Zugang zu diesen Daten durch die gesamte Kette hindurch sicherzustellen und sie gleichzeitig an einem Ort beobachtbar zu machen, ist ein inhärentes Problem und nur mit Datenintegration zu lösen. Das Verstehen des Profils, der Herkunft, der impliziten und expliziten Annahmen sowie der Kalkulationen dieser Daten ist die Basis-Bedingung für genaues ESG-Reporting.

Schritt zwei: Data Governance und Datenqualität

Der Ausdruck „garbage in, garbage out“ ist im Kontext mit Datenqualität durchaus gebräuchlich – weil er sehr gut passt. Unternehmen mit schlechten Daten werden schlechte Ergebnisse erzielen, daher ist eine solide Daten-Infrastruktur so wichtig. Sie hilft nicht nur dabei, Daten an einem einzigen Ort zu bündeln, sondern sie bereinigt die Daten auch und verwaltet so gewissermaßen die Qualität.

Die meisten Daten-Infrastrukturen können Daten verwalten, aber es ist oftmals ein größtenteils manueller Prozess und viele dieser Prozesse werden von IT-Programmen gesteuert. Stattdessen wird ein Mandat für Daten auf Vorstandsebene benötigt sowie geschäftsorientierte Argumente für Tools, die den Prozess automatisieren. Das spart nicht nur Zeit, sondern bietet auch Echtzeitanalysen, die eine zielgerichtete Ad-hoc-Entscheidungsfindung unterstützen. In Zeiten, in denen Organisationen dazu übergehen, sich im Einklang mit im Wandel befindlichen ESG-Richtlinien zu positionieren, werden die Unmittelbarkeit von Data Governance und Datenqualität ein entscheidender Faktor.

Schritt drei: Location Intelligence

Location Intelligence erschließt wichtigen Kontext, welchen die Daten einzeln betrachtet nicht hergeben würden. Erkenntnisse werden dadurch miteinander verbunden und dienen als gemeinsame Verbindung zwischen einzelnen Datensilos. Ein Beispiel: Zwei Fabriken sind 100 Meter voneinander entfernt. Trotz der räumlichen Nähe können sie völlig unterschiedliche Gefährdungslagen bzgl. Gefahrengütern, Umwelteinflüssen und Resilienz-Indizes haben. Für Unternehmen wird es zunehmend wichtiger, solche Faktoren im Blick zu haben, denn es betrifft den Geschäftsbetrieb, einschließlich der Lieferketten. Umweltfaktoren wie der Klimawandel werden auch in Zukunft jeden Teil dieser Erde beeinflussen.

Letztendlich dient Location Intelligence dazu, die Entscheidungsfindung von Unternehmen in Bezug auf Vermögenswerte, Orte und Möglichkeiten zu verbessern. Schließlich kann jeder Datenpunkt auf der Welt auf die ein oder andere Weise in Bezug gesetzt werden mit seinem Standort. Das Ausmaß an verfügbarer Information zu diesem Thema ist gigantisch, aber alles in eine einfach zu verarbeitende, konsistente und genaue Form zu gießen, kann sehr schwierig sein.

Schritt vier: Data Enrichment

Data Enrichment – die vierte Säule der Datenintegrität – ist der Prozess des Anreicherns geprüfter Datensätze von Drittanbietern mit bestehenden internen Daten, um mehr Kontext zu generieren und so einen noch besseren Einblick zu erhalten. Wenn genaue Daten von Drittanbietern mit Bezügen zu Standorten, dem Unternehmensfeld, dem Klima oder Demographie mit vorhandenen Geschäftsinformationen kombiniert werden, ergibt das Ganze mehr als die Summe seiner Teile. Dies kann auch dynamische Datensätze beinhalten, die Varianzen und Verschiebungen über einen gewissen Zeitraum hinweg verfolgen, beispielsweise das Wetter oder bestimmte Verschiebungen innerhalb der Bevölkerung.

Fortgeschrittene ESG-Auflagen seitens der Gesetzgebung und die Rahmenbedingungen für deren Offenlegung bedeutet, dass Firmen zunehmenden Bedarf haben, potenzielle Einflüsse des Klimawandels auf ihr Geschäft zu melden. Die Zunahme von Risiko-Datensätzen über Waldbrände, Sturzfluten, Erdbeben und ähnliche Wetterereignisse kann dabei helfen, die Historie und Wahrscheinlichkeiten für Gefahrenlagen in bestimmten Gebieten aufzudecken. Das ermöglicht es Unternehmen, schneller und bewusster Entscheidungen zu treffen, um proaktiv Vorhersagen treffen zu können und Risiken zu managen.

Aufbauen auf vertrauensvollen Daten

Während Unternehmen schnell dabei sind, sich in Richtung der ESG-Kriterien zu orientieren, müssen sie sicherstellen, dass das Daten-Fundament auf solidem Grund steht, damit es den Erfolg der Initiativen unterstützen kann. Mit einer sinnvollen Strategie rund um Datenintegration, Data Governance und Datenqualität, Location Intelligence und Data Enrichment können Unternehmen darauf vertrauen, dass sie smartere Geschäftsentscheidungen treffen, basierend auf Datensätzen, denen sie vertrauen können.

(ID:48609365)