Quatre étapes clés de la gestion des données pour un reporting ESG efficace

Note de l’auteur : cet article sur la gestion des données pour un reporting ESG efficace a été à l’origine traduit pour publication dans le manifeste de l’évènement DIMS 2023.

Une récente enquête d’IDC montre que les organisations dotées des stratégies environnementales, sociales et de gouvernance (ESG) les plus abouties se tournent de plus en plus vers des plateformes logicielles pour répondre à leurs besoins en matière de gestion des données et de reporting. Les initiatives des entreprises pour une plus grande responsabilité sociale sont devenues incontournables et un changement radical s’est indéniablement opéré ; les investisseurs, les employés et les consommateurs prennent désormais des décisions en tenant compte des facteurs ESG. Or, de nombreuses sociétés mettent en place des pratiques de développement durable sans véritables exigences en ce qui concerne les rapports.

Les données sont une pierre angulaire des rapports ESG pour les dirigeants d’entreprises qui évaluent aujourd’hui la manière la plus efficace d’obtenir des informations sur les questions environnementales, sociales et de gouvernance, tout en optimisant leurs rapports via leur infrastructure existante. Pourtant, la production de rapports et la collecte d’informations à partir de données ESG, dispersées dans les infrastructures complexes, sont des processus longs et coûteux. En effet, le manque de précision, de cohérence et de contexte des données d’une organisation biaise la confiance dans les indicateurs ESG. A la lueur de ce constat, les entreprises n’ayant pas déjà investi dans l’intégrité de leurs données accusent un retard et les dernières réglementations ESG (notamment l’ISO 26000) ne feront donc qu’amplifier les risques encourus.

1ère étape : Intégration des données

L’infrastructure d’une organisation doit en effet être capable d’intégrer des données issues de divers formats et de sources multiples afin de disposer d’une vue d’ensemble sur toutes les données ESG. Les entreprises identifient ainsi facilement des tendances qui n’auraient pas été visibles autrement et cela facilite la production de rapports plus efficaces et plus rapides.

La réalité est toutefois plus complexe, la plupart des grandes entreprises ayant un nombre considérable de fonctions internes sur de multiples plateformes d’exploitation et des données résidant dans toutes les parties de leur infrastructure, voire chez certains partenaires tiers. A titre d’exemple, dans l’industrie du transport maritime, où les marchandises emballées changent de main plusieurs fois tout au long de la chaîne d’approvisionnement, passant du fabricant au transporteur international, à l’autorité portuaire, au chauffeur de livraison et ainsi de suite.

Accéder aux données tout au long de cette chaîne logistique et les visualiser dans un emplacement unique est un problème inhérent que seule une intégration flexible et automatisée des données peut résoudre. Comprendre le profil, la provenance, les hypothèses implicites et explicites, ainsi les calculs de ces données est une exigence de base pour un reporting ESG précis.

2ème étape : La gouvernance et la qualité des données

L’expression « garbage in, garbage out » en relation avec la qualité des données est couramment utilisée car elle est vraie. Les organisations travaillant avec de mauvaises données obtiendront de mauvais résultats, c’est pourquoi une infrastructure robuste de données est essentielle. Non seulement cela aide à rassembler les données en un seul endroit, mais cela les nettoie également et gouverne leur qualité.

La plupart des infrastructures de données peuvent gouverner les données, mais c’est souvent un processus très manuel, et beaucoup de ces initiatives sont menées par des programmes informatiques. Au lieu de cela, une approche métier est nécessaire, soutenue par le conseil d’administration, et basée sur les cas d’utilisation de l’entreprise pour mettre en place des outils qui automatisent le processus. Non seulement cela permet de gagner du temps, mais cela fournit également des analyses en temps réel qui soutiennent la prise de décision en toute confiance sur le moment présent. Alors que les organisations s’adaptent pour s’aligner sur les initiatives ESG changeantes, la rapidité de la gouvernance et de la qualité des données sera un facteur crucial de leur réussite.

3ème étape : Intelligence de localisation pour contextualiser les informations

L’intelligence géospatiale fourni du contexte essentiel qu’une donnée en soi ne révèle pas autrement, en reliant les informations entre elles pour créer le maillage de la connaissance à partir de données silotées. Par exemple, deux installations construites à 100 mètres l’une de l’autre, malgré la proximité étroite, pourraient avoir des expositions aux risques, des impacts environnementaux et des indices de résilience radicalement différents. Il est important pour les entreprises de surveiller ces éléments, car ils influent sur leur fonctionnement, y compris sur les chaînes d’approvisionnement, à l’heure où les facteurs environnementaux comme le climat continuent d’évoluer et impactent toutes les régions du globe.

L’intelligence géospatiale vise à améliorer la prise de décision dans l’entreprise en relation avec les personnes, les actifs, les lieux et les opportunités. La localisation est intrinsèque, et de très nombreuses données peuvent être associées à un emplacement d’une manière ou d’une autre. L’étendue des informations disponibles sur ce sujet est énorme, mais les mettre à disposition sous une forme digeste, cohérente et précise peut-être très difficile et est loin d’être démocratisée.

4ème étape :  Enrichissement des données pour le reporting ESG

L’enrichissement des données est le processus d’ajout de données tierces de confiance aux données internes existantes pour construire un contexte révélant encore plus d’informations. Lorsque des ensembles de données tierces précises relatives à la localisation, à l’activité, au climat ou aux données démographiques sont combinés aux informations métiers existantes, le tout représente plus que la somme de ses parties. Cela peut également inclure des ensembles de données dynamiques qui suivent les variations au fil du temps, comme pour la météo ou la mobilité humaine.

Le renforcement des exigences législatives en matière environnementale, sociale et de gouvernance ainsi que  des cadres de divulgation de ces informations  signifient que les organisations ont de plus en plus besoin de rendre compte des impacts potentiels du changement climatique sur leurs propres activités. L’ajout d’ensembles de données de risques liés aux incendies de forêt, aux inondations, aux tremblements de terre et aux événements météorologiques peut aider à révéler l’historique et la probabilité de dangers dans certaines zones. Cela permet aux entreprises de prendre des décisions plus rapides et plus confiantes pour prévoir et gérer proactivement les risques.

S’appuyer sur des données fiables

Tandis que les entreprises évoluent rapidement vers l’adoption de politiques ESG, elles doivent veiller à la mise en place de bases de données solides pour mener à bien ces initiatives. En élaborant une stratégie claire autour de l’intégration, de la gouvernance, de la qualité, de l’enrichissement et de l’intelligence de localisation des données, les entreprises prendront des décisions plus avisées sur la base d’informations fiables.

Pour plus d’informations à ce sujet, rendez-vous sur notre site internet solutions d’intégrité des données ESG   (Environnementales, Sociales et de Gouvernance).