Alternative ESG

Valutiamo a 360° le performance ESG delle aziende, combinando dati interni (dati tradizionali, pubblicati dalle aziende stesse) con dati “alternativi” esterni (dati generati dagli stakeholder sul web) al fine di misurare il divario tra ciò che le aziende comunicano e la percezione degli stakeholder relativamente agli impegni aziendali di sostenibilità.

Dedicata a ESG Management, Investor Relations, Asset Management, Credit & Risk Management

Performance ESG e creazione di valore.

Un recente studio* ha dimostrato che le aziende con elevato rating ESG presentano performance migliori sia in termini di risultati di bilancio sia nell’andamento dei titoli.

Pertanto si rendono necessari nuovi modelli di analisi delle performance ESG, ossia di misurazione della Sostenibilità, che aiutino le aziende a gestirne rischi e opportunità per far crescere profitti e valore nel tempo.

*Banor SIM in collaborazione con il Politecnico di Milano; i dati sono relativi a 882 titoli dell’indice Stoxx Europe 600 nel periodo 2012-2017

Gli Alternative Data esterni come elementi di misurazione.

Misurare le performance ESG solo attraverso le informazioni tradizionali autodichiarate dalla società potrebbe condurre ad una valutazione incompleta, perché i dati sono parziali e la quantità/qualità è strettamente connessa alle modalità di reporting scelte dalla società.

Pertanto, solo l’integrazione – tramite modelli di Intelligenza Artificiale – di dati alternativi esterni generati dagli stakeholder dell’azienda è in grado di fornire una visione completa degli effettivi risultati ESG raggiunti in temini reputazionali.

Monitoraggio del contributo delle aziende al aggiungimento degli SDG

Gli Alternative ESG Score di FinScience valutano la sostenibilità aziendale rispetto al contributo a ciascuno dei 17 Sustainable Development Goals (SDG) dell’Agenda ONU 2030. I 17 SDG, insieme ai 169 target specifici, forniscono a governi e imprese un framework per indirizzare azioni e investimenti nell’ottica di una miglore gestione delle sfide socio-ambientali presenti e future.

Una soluzione ESG a favore di:

Asset Manager e Investment Manager

Fondi pensione e hedge fund

nel monitoraggio delle performance aziendali ESG in ottica di integrazione ESG nella gestione del portafoglio.

Aziende per:

monitorare la reputazione ESG e l’efficacia della comunicazione

monitorare e integrare la percezione degli stakeholder nella reportistica aziendale e nelle strategie aziendali

confrontarsi con i concorrenti del settore relativamente al contributo ai singoli SDG delle Nazioni Unite

Key Features

  • Oltre 400 indicatori relativi agli SDG
  • Oltre 100.000 fonti dati
  • Raccolta di dati basata su un approccio AI
  • Update settimanali
  • Integrazione dell’analisi del sentimentn
  • Valutazione della reputazione aziendale
  • Strumenti di rilevamento di attività di green-washing e social-washing
  • Rilevazione di attività controverse
  • Strumenti di benchmarking

Metodologia ESG

FinScience recupera quotidianamente le informazioni dal Web, visitando ogni giorno circa 1,5 milioni di pagine Web su circa 35.000 domini diversi. Il contenuto di queste pagine viene estratto, interpretato e analizzato per identificare informazioni e fonti preziose. Sono 3 le principali fasi del processo e sono illustrate di seguito:

Raccolta dati

Questa fase prevede la raccolta di dati da diverse fonti digitali: siti Web, pagine di social network, notizie e blog. Gli ultimi due vengono identificati principalmente seguendo due diversi criteri non necessariamente collegati tra loro: (i) il livello di condivisione e visibilità di ogni contenuto; (ii) l’identificazione di fonti specifiche legate ad un particolare argomento di interesse.

I contenuti vengono estratti dalle pagine Web e pre-elaborati tramite una prima pulizia dei dati per l’eliminazione del rumore e l’estrazione del testo principale: questo è l’input per la fase successiva di elaborazione dei dati.

Elaborazione dati

In questa fase intervengono le tecniche di natural language processing (NLP). I contenuti raccolti nella fase precedente sono sottoposti ad un’analisi NLP che consente di individuare le entità (aziende e argomenti SDG …) diffuse e discusse sul web.

Analisi e data enrichment

Una volta identificati gli argomenti trattati, i dati vengono analizzati, normalizzati e arricchiti per ottenere ulteriori indicatori quali:

Digital popularity Value (DPV): misura la diffusione di un segnale digitale sul web. Si ottiene aggregando le metriche di diffusione delle notizie che menzionano il segnale e può avere solo valori positivi.

Sentiment: misura il modo positivo o negativo con cui gli utenti percepiscono l’azienda o altre informazioni specifiche e può assumere valori nell’intervallo -1 e 1. Questo indicatore cerca di quantificare in che modo i pareri e posizioni presenti potrebbero influenzare i comportamenti futuri. Il nostro algoritmo di analisi del sentiment si basa su un metodo semi-supervised.

Il valore del sentiment pesato rispetto al DPV – viene infine assegnato alle aziende in relazione a ciascun SDG per riflettere la percezione pubblica degli sforzi e l’impatto sulla sostenibilità aziendale.

Il processo di valutazione

FinScience-ESG-scores_pocess1
1.

Raccolta dati

I dati vengono raccolti automaticamente dalle diverse fonti con frequenza diversa (giornaliera, settimanale o annuale).

FinScience-ESG-scores_pocess2
2.

Conversione in indicatori relativi agli SDG

Il contenuto testuale viene prima analizzato tramite strumenti di NLP, in particolare la classificazione dei testi, l’estrazione di entità e l’analisi del sentiment.

FinScience-ESG-scores_pocess3
3.

Calcolo meta-score SDG

Le fonti dato sono classificate in interne o esterne, a seconda che i dati vengano forniti direttamente o meno dall’azienda. Vengono di seguito calcolati i meta-score interni ed esterni per ciascun SDG.

FinScience-ESG-scores_pocess4
4.

Calcolo degli score interno / esterno

Gli score esterni e interni sono ottenuti aggregando i meta-score associati a ciascun SDG, tenendo anche conto del settore in cui l’azienda opera sulla base di un criterio di materialità finanziaria.

FinScience-ESG-scores_pocess5
5.

Score finale ESG

Lo Score ESG finale di FinScience si ottiene calcolando la media degli score interni ed esterni, applicando poi un coefficiente penalizzante per quelle società in cui la divulgazione interna ed esterna risultino contraddittorie.

I vantaggi del nostro approccio integrato e modulare:

a.

Combinazione di informazioni auto-divulgate dall’azienda e dati alternativi esterni per fornire una visione a 360° del profilo ESG.

b.

Aggiornamenti settimanali dei dati ricavati da social media e news relative a singole aziende e temi ESG.

c.

Integrazione di indicatori di diffusione digitale e di analisi del sentiment nel processo di valutazione delle performance ESG

d.

Aggiornamenti settimanali dei dati ricavati da social media e news relative a singole aziende e temi ESG.

Per approfondire l’uso dei dati alternativi per la valutazione ESG delle aziende, entra a far par parte di questo gruppo LinkedIn.

Il valore aggiunto degli Alternative Data per ESG Management

Scopri le soluzioni ed i servizi FinScience più adatti alla tua attività.