[跨行业] 可持续发展 ESG 解决方案
Overview
背景
环境、社会和治理（简称 ESG）是一种以人与自然和谐共生为目标的可持续发展价值观。ESG 要素已经成为政策制定者，监管者，企业管理者，投资者，金融机构等重要利益相关方对于可储蓄发展战略实施的重要考量。近年来，ESG投资越来越被全球投资者重视，可持续发展的理念在国际上已经成为主流。目前已有60多个国家和地区出台了ESG信息披露要求，全球ESG资产规模已经接近40亿美元，占全球资产规模超过30%.
ESG收益
在《中国的ESG整合：实践指导和案例研究》中分析了中国 1924 个主要上市公司，其中872 个(即 45.32%)在 2016 年就 ESG 因素进行了公开披露。在行业板块中，金融板块的 ESG 披露率位居第一，为 66.82%。说明中国的金融行业非常重视ESG评估。从总量上来看，进行 ESG 披露的中国内地上市公司比例不足一半。但是，进行 ESG 披露 的公司大多数在社会和治理方面进行报告，进行环境披露的公司也有不少。ESG 环境、社会、治理披露评分中位数也是如此。这意味着披露 的某种标准化趋势。
ESG在FSI行业的使用场景
银行行业
- 建立数据和分析平台以支持银行的ESG 战略 2)访问和摄取与气候相关的数据集以提供气候风险模型3)对贷款产品组合进行情景分析4)支持 KPI、报告和披露要求
保险
- 自然灾害建模和气候情景建模2)将气候风险纳入风险和偿付能力评估3)将ESG 指标整合到承销商和投资流程中4)使用 ESG 预测索赔金额
投资
- 采购、处理和整合ESG 数据2)使用高级分析和机器学习加速 ESG 评分模型的构建3)通过 人工智能和机器学习服务支持“实时”ESG 洞察。
ESG 披露框架
ESG 意为环境保护，社会影响和公司治理的集合。在环境保护方面，公司应当提升生成经营中的环境绩效，以尽可能降低公司运营对外部生态环境质量的影响。在社会影响方面，公司应该秉承较高的商业伦理，社会伦理以及法律标准，重视对地方社区的影响和公司员工的保护。在公司治理方面，公司应当完善自己的企业制度，形成科学的管理体系。
ESG 痛点
对IT意味着什么？
- ESG整合没有“唯一最佳方式”，也没有任何“特效武器”。
- 公司治理议题是目前投资者在其分析投资过程中应用最多的 ESG 因素。
- 环境和社会议题正在被更多人所接受，但接受度仍较低。
- ESG整合在股权投资领域比在固定收益领域走得更远。
- 投资组合经理和分析师更常在其投资过程中融入 ESG 因素，但很少根据 ESG 数 据调整其投资模型。
- ESG整合的主要驱动力是风险管理和客户要求。
- ESG整合的主要障碍是对ESG议题的有限理解及ESG数据缺乏可对比性。
- 投资者认识到 ESG 数据已有相当的发展，但在提升质量和可比性上仍有很长的路 要走。
- 发行人和投资者若能就 ESG 披露标准达成统一意见，或对简化数据收集及生成高 质量数据有所助益。
- 许多研讨会参与者担忧，关于 ESG 公募基金和交易所交易基金(ETF)可能是由 营销决策驱动，而非真正的ESG 投资产品。
用户类型 金融类客户：金融服务组织现在正面临来自股东的越来越大的压力，要求披露更多关于其环境、社会和治理战略的信息。公司通常每年作为PDF文档的形式在其网站上发布，在多个主题上传达其关键的ESG倡议，例如他们如何重视员工、客户或客户，如何为社会做出积极贡献，甚至如何通过减少（或承诺减少）碳排放来缓解气候变化。这些报告由第三方机构（如msci或csrhub）使用，通常经过跨行业整合和基准测试，以创建ESG指标。
方案分析
数据类型
首先ESG for FSI 方案需要处理的数据包含三类，1）环境相关的数据，可以认为是组织的温室气体排放当量，这部分数据来源于组织内部水电表用量数据，大部分是定量的数据。2）治理相关的数据，该部分主要描述了公司用来平衡包括股东、员工、客户、供应商、金融家和社区在内的不同利益相关者竞争需求的系统。该部分数据涵盖组织行为的所有方面，包括规划、风险管理、绩效衡量和公司披露。3）社会相关数据，主要是影响人类福祉的社会趋势和条件的统计指标，例如组织内部员工的多样性，离职率，客户满意度等信息。治理及社会这两部分的数据是定量与定性相混合的数据，定性的数据需要从PDF或Word文本形式。
数据来源
ESG for FSI行业方案的数据来源主要有三方面 1)企业自身的碳排放相关的数据，例如排放的
AWS Data Exchange
借助 AWS Data Exchange，您可以轻松查找、订阅和使用云中的第三方数据。符合条件的数据提供商包括各类别领先品牌，如 Reuters（他们每年从超过 220 万份不同语言的独家新闻报道中整理数据）；Change Healthcare（每年处理和匿名处理超过 140 亿笔医疗交易和 1 万亿 USD 的索赔）；Dun & Bradstreet（拥有一个存储了超过 3.3 亿份全球商业记录的数据库）；以及 Foursquare（它的位置数据来自于 2.2 亿独立消费者，包括 6000 多万个全球商业场所）。 订阅数据产品后，您可以使用 AWS Data Exchange API 将数据直接加载到 Amazon S3，然后使用各种 AWS 分析和机器学习服务对它进行分析。例如，财产保险公司可以通过订阅的数据来分析历史天气模式，并据此调整不同区域的保险范围要求；餐厅可以订阅人口和位置数据，来确定扩大规模的最佳区域；学术研究人员可以通过订阅二氧化碳排放数据进行气候变化研究；而医疗保健专业人员则可以订阅历史临床试验的汇总数据，来加快他们研究活动的速度。 对于数据提供商，AWS Data Exchange 可以让数百万 AWS 客户轻松迁移到云，而无需构建和维护数据存储、交付、记账和授权基础设施。
优势
快速查找各种数据
AWS Data Exchange 拥有数百种商业数据产品，这些产品来自各行各业（例如金融服务、医疗保健、零售、媒体和娱乐等）各类别领先的数据提供商。AWS Data Exchange 还提供了数百个免费数据集，包括从热门的公共来源收集的数据以及商业产品试用数据，以便客户在订阅前查看。您可以轻松在 AWS Marketplace 中查找和订阅数据产品，并可以一致、云原生的方式在提供商发布新的修订版本时获取最新产品。
高效访问云中的数据
AWS Data Exchange 消除了查找、授权和使用数据集方面的麻烦。如果不使用 AWS Data Exchange，您可能要耗费数天甚至数周的时间来授权数据，并将其迁移到所需位置以支持分析。AWS Data Exchange 简化了数据访问 – 无需接收物理媒体、管理 FTP 凭证或与来自多个提供商的不同 API 集成。提供商发布数据集更新时，您会收到一条通知，以便您在新数据发布时自动使用它们。
轻松分析新数据
借助 AWS Data Exchange，您可以立即将订阅的数据与全套 AWS 分析服务一起使用，例如，使用 Amazon EMR进行大数据处理、使用 Amazon Redshift 建立数据仓库、使用 Amazon Athena 执行临时查询、使用 AWS Glue 进行数据集成和 ETL，以及使用 AWS Lake Formation 构建数据湖。您可以快速将数据复制到 Amazon S3，并即刻对其进行转换和处理、分析，或利用这些数据构建机器学习模型。