FT: Big Data допомагає бізнесу із сталим розвитком
03.02.2021
Поєднання технологій великих даних (Big Data) та аудиту дозволяє фондовим ринкам враховувати вплив компаній на суспільство та довкілля, пише Financial Times.
Компанії по всьому світу зазнають дедалі сильнішого тиску: від них вимагають демонструвати, що їхня діяльність відповідає цілям сталого розвитку та безпечна для навколишнього середовища та суспільства. Трейдери часто намагаються розпізнати цінність інформації, яку надає щодо цього бізнес.
Такі дані бувають занадто розпливчасті або не вписуються в часовий горизонт фондових ринків. Новий підхід використовує технологію для збору даних, а потім обчислює грошову оцінку для “зовнішніх ефектів” – витрат через діяльність компанії, які вона сама не несе. Про іновацію пише Financial Times.
В рамках однієї з безлічі ініціатив у цій галузі, Паван Сухдев, економіст з питань охорони довкілля, керівник міжнародної організації Всесвітній фонд дикої природи, минулого літа запустив платформу, орієнтовану на інвесторів. Вона обчислює грошові значення для нефінансових зовнішніх ефектів компаній. Проєкт I360X використовує такі технології збору та аналітики великих даних, як “когнітивні” пошукові системи, які можуть використовувати штучний інтелект (ШІ) для маркування наборів даних.
Переосмислення впливу компанії на довкілля
На прикладі забруднення повітря Сухдев пояснює, що I360X збирає дані про режим вітрів та статистику щодо населення. Завдяки цьому ШІ визначає, куди можуть потрапити забруднюючі речовини, які викидає певне підприємство, і на кого вони можуть вплинути. Ця аналітика даних поєднується з інформацією від Всесвітньої організації охорони здоров’я, щоб розрахувати ризику респіраторних захворювань, спричинених забрудненням. Потім грошові витрати прив’язуються до ймовірності погіршення здоров’я на основі таких факторів, як місцеві податки за охорону здоров’я та показники втрати продуктивності протягом життя.
“Ми можемо визначити витрати на здоров’я через спричинене забруднення повітря для будь-якої компанії – і все це буквально одним натисканням кнопки”, – каже Сухдев. “Ми можемо зробити все це тому, що ми роками готували алгоритми аналітики даних, моделювання, бази даних, способи очищення даних та методологію оцінки”.
Розроблена технологія шукає дані про соціальний, природний, людський та фінансовий капітал, перш ніж автоматично приписувати грошову оцінку кожному відповідно до заздалегідь визначених правил. Платформа для аналітики даних I360X включає понад 17000 рівнянь і може спиратися на більш ніж 15 мільйонів елементів даних.
Нове розуміння фондового ринку
Через залучення до фінансових показників нефінансових факторів прибутковість багатьох фаворитів фондового ринку раптом виглядає “зовсім інакше”, говорить Рональд Коен, досвідчений венчурний інвестор, який співпрацює з аудиторським проєктом в Гарвардській бізнес-школи.
Він наводить приклад двох хімічних гігантів, груп Sasol та Solvay. У кожної – річний дохід у 12 млрд доларів, їхні акції входять до портфелів великих інвесторів. Утім, їхні побічні – вплив на навколишнє середовище – оцінюються у 17 млрд. і 4 млрд. доларів відповідно. Ці цифри не фігурують у фондових звітах.
“Коли з’являються ці [нефінансові] цифри, я впевнений, що інвестори будуть взаємодіяти з тими компаніями, які пропонують шлях переходу до кращих, більш стійких бізнес-моделей, і ігноруватимуть тих, хто байдужий до цієї потреби”, – говорить Коен.
Заявлена мета аудиторського проекту Гарвардської бізнес-школи полягає у підготовці позицій у фінансовій звітності, які “доповнюють звіт про фінансовий стан та результати діяльності, відображаючи позитивний та негативний вплив компанії на працівників, клієнтів, навколишнє середовище та суспільство в цілому”.
Очільник цього проєкту, професор Джордж Серафейм стверджує, що аудит, зважений за впливом на довкілля, спирається на технології видобутку та аналітики даних, а також машинного навчання для вилучення відповідної інформації зі звітів компаній, нормативних баз даних та інших наборів даних, загальнодоступних в інтернеті. “Це гігантська тренування щодо отримання та аналітики великих даних”, – додає він.
Професор визнає, що залишаються проблеми, зокрема прогалини в даних. Жодне “сканування” Мережі не може виявити дані, яку компанії часто не обчислюють, а тим більше публікують. Методи ШІ, зокрема ті, що перетворюють природну мову на дані, можуть допомогти заповнити ці пробіли. Утім, вони не можуть замінити верифіковані факти, резюмує він.
