En bank, et forsikringsselskab eller en kapitalforvalter har relativt lidt egen operationel udledning. Kontorer, vognpark, energiforbrug: det er til stede, men det vejer i de fleste tilfælde ikke op mod det, der kommer ind via porteføljen. Forholdet er her næsten omvendt af, hvad en produktionsvirksomhed har: størstedelen af den relevante bæredygtighedsdata opstår ikke inden for de egne mure, men hos de parter der investeres i, som der lånes til, eller som forsikres. Denne forskel bestemmer, hvor man skal søge, og den forklarer hvorfor en tilgang der fungerer for en fabrik, ikke uden justering kan overtages her.
Dataen om det eget fodaftryk er som regel den nemmeste at finde. Facility management har energi- og vandforbrug for kontorbygninger, HR har rejsedata og pendling, indkøb har kontrakter med leverandører af kontorartikler, catering og IT-tjenester. Denne del af datapunktregistret er sammenlignelig med, hvad enhver servicevirksomhed fører. Udfordringen ligger ikke i kompleksiteten af denne data, men i den opmærksomhed den får: fordi den er relativt lille i forhold til porteføljepåvirkningen, bliver ejerskabet her ofte udfyldt løsere, end det burde være.
Størstedelen af den relevante bæredygtighedsdata findes i selve de finansielle produkter: lån, investeringer, forsikrede risici, forvaltet kapital. For hver modpart skal det kortlægges hvilken udledning, hvilken klimarisiko eller hvilken anden bæredygtighedsindikator der hænger sammen med den. Denne data kommer fra forskellige retninger: rapportering fra modparten selv, data fra eksterne leverandører der leverer estimater hvor direkte data mangler, og interne modeller der kombinerer disse kilder til et tal per position eller per lån.
Kilderne er derfor sjældent egne systemer. Et kreditsystem holder styr på hvem der har lånt penge og på hvilke betingelser, ikke hvilken udledning den kunde forårsager. Et portfoliostyringssystem holder styr på positioner og værdier, ikke de klimarisici der er knyttet til disse positioner. Bæredygtighedstallene beregnes ofte i et separat spor og kobles senere til de finansielle data, hvilket betyder at selve koblingen er et sårbart punkt: hvis en modpart ændrer navn, struktur eller rapporteringsår, kan koblingen brydes, uden at dette umiddelbart bemærkes.
Fordi ikke alle modparter selv offentliggør gode bæredygtighedstal, anvendes eksterne dataleverandører, der tilbyder estimater, scorer eller ratings, i stor skala. Det er en praktisk løsning, men den flytter ikke problemet væk, den tilføjer et led. For hvert datapunkt der kommer fra en ekstern leverandør, skal det stadig fastlægges: hvilken metode er brugt, hvilke antagelser er gjort, hvor gammelt er tallet, og hvad sker der hvis to leverandører giver et forskelligt estimat for samme modpart. Uden denne dokumentation opstår en rapport der ser overbevisende ud, men i baggrunden kører på tal som ingen længere kan spore oprindelsen af.
Inden for en finansiel institution findes der ofte flere business units, der delvist bruger samme modpart eller samme underliggende datapunkt: en bank der både yder kreditgivning og kapitalforvaltning, kan for samme kunde to gange indhente eller beregne et udledningstal, via forskellige afdelinger og forskellige leverandører. Den der kortlægger hvor et datapunkt allerede findes hos flere business units, forhindrer at samme spørgsmål besvares to gange separat med to mulige forskellige resultater. Det er ikke kun et effektivitetsspørgsmål, det er også et konsistensspørgsmål: en modpart kan ikke have en anden klimarisiko i den ene rapport end i den anden, uden at der er en forklaring på det.
Metoden til at opbygge et datapunktregister, spore kilder og tildele ejerskab, adskiller sig ikke fundamentalt fra hvad der er nødvendigt i energisektoren, fast ejendom-sektoren eller byggeriet. Hvad der derimod er forskelligt, er hvor tyngdepunktet ligger: hos disse sektorer findes størstedelen af dataen i den egen drift eller i den direkte forsyningskæde, i den finansielle servicesektor findes størstedelen hos tredjeparter som man ikke har direkte operationel kontrol over. Det ændrer ikke arbejdets struktur, men det ændrer spørgsmålet om hvem der kan holdes ansvarlig for hvad, og hvilke datapunkter der overhovedet ligger inden for rækkevidde at forvalte. Før man besvarer det spørgsmål, er det nyttigt at få klarhed over hvilke datapunkter der egentlig er nødvendige når flere business units er involveret, så registret ikke vokser med tal som ingen konsulterer.
Så snart det er klart hvilke datapunkter der findes, hvor de kommer fra og hvem der forvalter dem, opstår et næste spørgsmål: hvor meget af arbejdet med at samle, kontrollere og opdatere disse datapunkter kræver stadig menneskeligt arbejde, og hvilken del er repetitiv nok til at overlade til et system. FTE TO AI beregner per opgave hvilken del af arbejdet der kan overtages af AI, baseret på de opgaver der fremgår af datapunktregistret, ikke på et forudgående estimat.
Vraag maar waar een datapunt vandaan komt. Dat is meestal de hele vraag.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.