Analiza vrzeli in izpolnjevanje podatkovnih točk
Izpolnjevanje podatkovnih točk in analiza vrzeli predstavljata naslednji korak analize dvojne pomembnosti. Ko imamo določen seznam pomembnih trajnostnih tem in njihovih podatkovnih točk, je bistveno razumeti, kje se pojavljajo vrzeli v podatkih za razkritje in kako te vrzeli vplivajo na kakovost trajnostnega poročanja. AI asistent z internimi dokumenti pomaga pri izpolnjevanju razkritij in kvalitativni oceni.
Analiza vrzeli sistematično preučuje vsako podatkovno točko (razkritje),
pri čemer išče tri glavne vrste pomanjkljivosti:
- Manjkajoči podatki – kjer določenih informacij za razkritje sploh nimamo.
- Nepopolni podatki – kjer imamo le delne informacije za razkritje.
- Podatki z neustreznimi kvalitativnimi značilnostmi – kjer imamo podatke, vendar ne dosegajo potrebnih standardov kakovosti za razkritje.
Strukturiran pristop
ESG ON omogoča strukturiran pristop k analizi vrzeli, kjer se za vsako razkritje določijo štirje elementi:
- Odgovorna oseba za podatke
- Razpoložljivost podatkov
- Vir podatkov
- Kvalitativna značilnost podatkov
Dodatno ESG ON omogoča uporabi AI asistenta za samodejno izpolnjevanje podatkovnih točk (razkritij).
Analiza vrzeli in kvalitativne značilnosti podatkov
Pri ocenjevanju kvalitativnih značilnosti podatkov je uporabnikom na voljo AI asistent, ki pomaga pri vrednotenju petih dimenzij kakovosti, kot jih določajo Evropski standardi za trajnostno poročanje (ESRS):
Ustreznost
Podatki morajo imati praktično vrednost za uporabnike. To pomeni, da lahko vplivajo na njihove odločitve bodisi s tem, da pomagajo pri napovedovanju prihodnjih trendov (napovedna vrednost) ali potrjujejo pretekle ocene (potrditvena vrednost).
Objektivnost
Ta dimenzija zahteva, da so podatki predstavljeni brez pristranskosti. Informacije morajo biti točne, celovite in nepristranske, kar zagotavlja, da uporabniki dobijo resnično sliko stanja.
Primerljivost
Podatki morajo omogočati smiselne primerjave v dveh dimenzijah - časovno (med različnimi obdobji znotraj istega podjetja) in med različnimi podjetji. To zahteva konsistentno metodologijo zbiranja in predstavitve podatkov.
Preverljivost
Vsak podatek mora biti mogoče preveriti in potrditi njegovo točnost. To pomeni, da morajo obstajati jasni dokazi in dokumentacija, ki podpirajo -navedene informacije (revizijska sled).
Razumljivost
Podatki morajo biti predstavljeni na način, ki je dostopen uporabnikom z ustreznim predznanjem. To vključuje: Uporabo jasnega in nedvoumnega jezika, izogibanje nepotrebnim podvajanjem informacij, logično strukturiranje podatkov, zagotavljanje, da pomembne informacije niso zakrite z manj pomembnimi podrobnostmi.
ESG ON ima za izvedbo analize vrzeli razvito metodologijo, ki uporabnikom omogoča sistematično ocenjevanje in dokumentiranje vseh teh vidikov kakovosti podatkov.
Za najem aplikacije ali pomoč pri izbiri modulov izpolnite spodnji obrazec
Ne veste, kateri modul izbrati? Ali pa vas zanima samo določen modul?
Kontaktirajte nas in svetovali vam bomo.