En la edición nº 159 de Data is in the air, Paloma Baena, experta en Sostenibilidad y Gobernanza, y directora de la Unidad Next Generation IU de LLYC, nos explica, en colaboración con Esther Morales, socia de PiperLab, en qué consisten los datos ASG —o ESG en inglés—, y nos da una visión sobre las técnicas de Machine Learning e Inteligencia Artificial aplicados a los datos relativos a los ODS u Objetivos de Desarrollo Sostenible, impulsados por las Naciones Unidas.
Para las empresas, los financieros ya no son los únicos indicadores a tener en cuenta. Los datos ASG capturan el desempeño no financiero de estas, poniendo el foco en el comportamiento de las empresas en su entorno.
Las tres áreas que se tienen en cuenta son el medio ambiente, el impacto social y la gobernanza. La primera, cuenta Paloma, hace referencia a la contribución sostenible de la empresa, así como el consumo de agua y el vertido de residuos.
En cuanto al impacto social, entran en juego aspectos como el comportamiento de la empresa con sus empleados, la diversidad, y, un factor creciente en los últimos años, los derechos humanos.
Y, la gobernanza, afirma Paloma, «se refiere a la forma en la que la empresa se autogobierna, así como el funcionamiento de su consejo y el nivel de corrupción».
Las empresas se han visto impulsadas a modificar sus indicadores principalmente por dos tendencias. En primer lugar, la normativa, sobre todo de la Unión Europea que cada vez demanda compañías más comprometidas, y, en segundo lugar, por los inversores, explica.
“A parte de los cambios de actitud de la sociedad y los cambios normativos, el mercado de capitales está empujando al cambio. Lo hace porque se está demostrando que hay un retorno de inversión”.
¿Y qué ocurre con el análisis y la explotación de los datos?
Relacionando los datos ASG con el ámbito del Machine Learning y la Inteligencia Artificial, Esther afirma que cada vez hay más industrias que apuestan por la sostenibilidad. Por ello, se desarrollan más proyectos que, gracias a los datos, proponen soluciones, por ejemplo, al problema de la emisión de carbono, que con modelos de predicción se pueden reducir en las recogidas de residuos.
“Cada vez más empresas se están posicionando, y se puede hacer desde el punto del Machine Learning y la Inteligencia Artificial. Por ejemplo, prediciendo cuando un producto se queda obsoleto, pudiendo entrar en una economía circular y que se pueda reutilizar”.
Además, a la hora de normalizar los datos, Esther recalca la dificultad de obtener conclusiones objetivas. «Es necesario tratar los datos de una manera eficiente para que el resultado final no se vea afectado, sobre todo teniendo en cuenta que cuando hablamos de datos ASG, dependiendo del sector al que se dedique la empresa, serán mas importantes unos indicadores que otros».
“Una empresa que sea más industrial va a medir más la eficiencia energética. Mientras que para una empresa que se dedique más a personas o a los recursos humanos, los parámetros serán otros”.
Lo que ambas profesionales tienen claro es que aún queda mucho por desarrollar en este ámbito, sobre todo en cuanto a normativa y al interés de los inversores.
“Tiene sentido conocer el desempeño de la empresa y los riesgos no financieros. Hay una correlación positiva entre empresas con buen desempeño ASG y un retorno económico”.
Puedes escuchar la entrevista entera:
