A relevância da qualidade de dados para o futuro do ESG

A sigla tem causado abalo nos mercados e nos fundos de investimento, mas ainda encontra um grande problema: dados pouco qualificados e padronizados

 

No mundo dos negócios, ESG rapidamente se tornou o mais novo jargão a chamar a atenção de investidores e de empresas que querem se modernizar e direcionar suas práticas de governança a uma atuação interna e externa mais comprometida com as aceleradas mudanças no âmbito socioambiental.

A sigla, que significa Environmental, Social and Corporate Governance, ou Governança Corporativa, Ambiental e Social, em português, representa todo um conjunto de critérios que medem a responsabilidade socioambiental de organizações. O Financial Times a interpreta como a maneira encontrada pelo mercado corporativo de avaliar diferentes companhias e definir seu futuro financeiro.

Longe de ser uma prática restrita a um discurso sem grande repercussão, os investimentos em estratégias ESG cresceram mais de 42% só entre 2018 e 2020, mostrando que, de fato, há uma maior atenção direcionada a empresas que firmem compromissos a valer com elas.

Em meio a esse crescimento sem precedentes do campo ESG, investidores precisam que seus dados comuniquem situações de forma clara, direta e eficiente — afinal, é daí que vem toda a sua capacidade de tomada de decisões. O que recebem na realidade, porém, são informações e relatórios mal estruturados e com pouco ou nenhum rigor.

Até então ignorado, o papel da qualidade de dados nas práticas de governança socioambiental se torna rapidamente uma de suas maiores preocupações e pode ser o fator determinante para que seu futuro seja de sucesso.

O papel da Ciência de Dados no campo ESG

O que acontece no campo ESG é que ele não envolve apenas um esforço de Comunicação e Relações Públicas, que objetiva um reposicionamento frente a potenciais clientes e à opinião pública como um todo. Para garantir a governança social, há de se assegurar, em um primeiro momento, a governança da informação de uma empresa, o que constantemente é deixado de lado.

Via de regra, nós podemos definir a governança da informação a partir do que foi proposto pela Gartner: as especificações e a estrutura de responsabilidade que visam garantir um comportamento adequado na avaliação, criação, uso, armazenamento e apagamento da informação, garantindo uma gestão satisfatória do ciclo de vida da informação — isto é, do momento em que ela é gerada ao momento em que é descartada.

(Divulgação: freepik.com)

Um artigo publicado na Business Insider defendeu que o melhor modo de organizações entrarem em concordância com os preceitos do campo ESG seria seguindo a Ciência de Dados e a Inteligência Artificial. Também é citada uma pesquisa feita entre investidores, que cita a ausência de dados qualificados como um dos principais obstáculos na implementação dos preceitos de governança socioambiental.

Entendendo o que são dados qualificados

De acordo com os padrões definidos pela Organização Internacional de Normalização, a ISO, nós entendemos a qualidade de um dado como a medição do quanto ele é valioso para um negócio e o quão adequado ele é para sua atuação. Assim, conseguimos indicar quais conjuntos são mais úteis a um contexto específico de análise ou para utilização em um grande projeto, para citar apenas alguns exemplos.

Para além do que ela representa neste sentido, ela também tem se mostrado um fator cada vez mais decisivo para a performance de uma organização. A Pesquisa Global de Qualidade de Dados de 2019 mostrou que 95% das empresas apontam que dados pouco qualificados estão por trás de danos reputacionais, no desempenho operacional e na experiência do usuário. 89% ainda classificaram o gerenciamento de dados como um de seus maiores desafios internos.

(Divulgação: freepik.com)

A qualidade de um conjunto de dados não é definida dentro da oposição entre “sim”, para indicar se ele é qualificado, ou “não”, para o contrário. Ela envolve o cálculo de diversas métricas quantificáveis, as chamadas dimensões de qualidade. Dentre elas, destacamos algumas:

  • Completude: a disponibilidade de todas os valores necessários para se compreender e utilizar um conjunto de dados
  • Objetividade: o quanto os parâmetros e valores de uma base de dados, assim como aquilo que os determina, são independentes de qualquer influência externa
  • Acurácia: o grau de conformidade que um dado apresenta em relação a um padrão estabelecido previamente
  • Unicidade: a detecção constante de dados duplicados em um mesmo conjunto
  • Interpretabilidade: a facilidade pela qual usuários podem entender, utilizar e analisar dados apropriadamente

Por que eles importam para o campo ESG?

Como a regulação é inexistente, os padrões, mínimos e o campo, ainda muito emergente, pouco se sabe sobre o planejamento e estruturação da divulgação e da disponibilidade de dados ESG. Na prática, cabe a cada empresa a melhor maneira de definir como se dará este trabalho, da medição do desempenho de seus negócios ao envio de informações a investidores. Enquanto o ano de 2020 representou um  momento grande avanço neste setor, estes, por outro lado, seguem preocupados com a qualidade dos dados os quais lhe cabem analisar.

Isso ocorre porque boa parte dos relatórios e estatísticas do campo ESG são bastante descritivos e qualitativos, o que faz com que investidores passem boa parte de seu tempo tentando dar sentido a dados pouco padronizados, o que prejudica seu poder de decisão e represa, ao menos em parte, novos aportes financeiros. O que encontramos nestes mesmos relatórios é uma comunicação pouco precisa das informações mais necessárias, com métricas inconsistentes e dados com origens diversas.

Parte do problema se concentra justamente nesta forma pela qual organizações decidem reportar seus dados. Por exemplo, um recente estudo realizado pela Research Affiliates apontou que a estimativa da emissões de carbono de uma empresa, um dos índices ESG mais frequentes, é 2.5 vezes mais precisa quando ela mesma fica responsável por este cálculo, ao invés de confiar em terceiros para tanto. Deste modo, as possibilidades de que haja uma visão geral de seus ativos e de seus impactos reais é baixa, impossibilitando uma competente análise de riscos e de concorrência.

(Divulgação: freepik.com)

No fim, um processo de qualificação de dados deve ser capaz de prover dados atualizados, precisos e transparentes, bem como deve garantir entregas confiáveis e pontuais. A aplicação sem problemas de algoritmos e técnicas avançadas de análise também irá garantir a escalabilidade deste trabalho e permitir a extração dos insights desejados.

O que esperar do futuro

Já existem diversas iniciativas em funcionamento que visam a garantir uma maior qualificação dos dados ESG. Para os signatários dos Princípios de Investimentos Responsáveis da ONU, a estrutura de trabalho da Força-Tarefa de Balanços Financeiros e Climáticos se tornou obrigatória, o que pode prenunciar uma possível construção de um padrão universal de estruturação de dados e relatórios ESG. A adoção deste padrão, aliás, está prevista para ocorrer no Reino Unido, na Nova Zelândia e nos Estados Unidos ao longo dos próximos anos.

(Divulgação: freepik.com)

O Fórum de Padronização da Contabilidade Sustentável, o SASB, publicou um guia de 77 padrões industriais para que investidores possam entender melhor como as questões de sustentabilidade influenciam na saúde financeira de uma companhia. Além disso, ao lado da Global Reporting Initiative, um órgão internacional de padronização, eles estabeleceram métricas que são monitoradas, hoje, por aproximadamente 75% das maiores empresas do mundo.

Por último, um estudo do dinamarquês Danske Bank recomendou o agrupamento de dados ESG segundo quatro grandes critérios:

  • Materialidade financeira: dados que reflitam o que é importante para uma organização
  • Comparabilidade: dados que sejam comparáveis entre diferentes indústrias e companhias
  • Acessibilidade: dados acessíveis a investidores em conformidade com formatos apropriados
  • Confiabilidade: dados com alta qualidade garantida

 

A qualidade de dados está longe de ser essencial apenas ao campo ESG e tampouco surge com seu estabelecimento, mas pode bem ser seu primeiro passo em direção a algo muito maior.

A produção industrial, que assume a forma do que é compreendido como Indústria 4.0, e o varejo são dois dos maiores beneficiados por práticas de qualificação de bases de dados. Não importa de qual setor estejamos tratando, fato é que empresas apresentarão melhor desempenho se padronizarem dados que lhe sejam cruciais e se fizerem entregas consistentes e escaláveis.

Se você quiser entender melhor como a Twist pode auxiliar na qualificação dos dados de seu negócio, fale com o nosso time de especialistas no assunto. Estamos a postos para tirar suas dúvidas sobre o assunto.

A qualidade de dados é um dos temas mais discutidos aqui no blog. Para entender mais sobre ela, não deixe de nos acompanhar por aqui! Para receber as novidades da Twist em primeira mão, assine a nossa newsletter.

Se inscreva na nossa newsletter