ESG e data mesh in azienda: come favorire pratiche sostenibili e creare valore

Vista la crescente importanza della sostenibilità e della responsabilità d’impresa, le organizzazioni sfruttano sempre di più gli insights basati sui dati per affrontare le problematiche ambientali, sociali e di governance (ESG).

Contemporaneamente, il concetto di Data Mesh è emerso come un cambiamento di paradigma nell’architettura dei dati, promuovendo una nuova ownership decentralizzata e team dati orientati al dominio (di business) e non più al dato fine a sé stesso.

Esploriamo allora l’intersezione tra Data Mesh e ESG, evidenziando come le organizzazioni possano sfruttare la potenza della democratizzazione dei dati per promuovere pratiche sostenibili e creare valore a lungo termine.

Tool, metodologie e dati che compongono l’universo degli strumenti ESG

ESG presenta le seguenti caratteristiche:

• Pervasività. Gran parte delle funzioni aziendali sono o saranno impattate da ESG, sia pure con tempi e modalità differenti. Anche funzioni generalmente considerate “non core” sono interessate dai principi ESG, si pensi ad esempio a HR-monitoraggio della parità di genere, logistica e procurement-certificazione della Supply Chain, logistica – ottimizzazione dei trasporti, riciclo degli imballaggi.
• Argomento ancora relativamente sconosciuto. ESG è un argomento relativamente recente e manca ancora una cultura diffusa, requisito indispensabile perché una attività implementativa abbia successo. Per questo motivo ogni progetto dovrebbe includere anche una componente dedicata alla comunicazione ed alla formazione.
• Assenza di soluzioni “one fits all”. L’ampiezza delle attività ESG fa sì che una soluzione informatica non sia sufficiente a rispondere a tutti i requisiti regolamentari e di business, ma sia necessaria una combinazione di soluzioni e/o la modifica di applicativi esistenti.
• Limiti interpretativi e applicativi. Il quadro di riferimento ESG è il risultato di una combinazione di aspetti normativi e di best pratice che si sono stratificati nel corso degli anni. Appetti normativi relativamente recenti legati alla riduzione di emissioni CO2 devono essere combinati con best practice e standard di settore, ed allineati con i principi contabili (IFRS) e di gestione del rischio (EBA e Basilea). Solo per la parte di reportistica ci sono almeno tre standard ugualmente validi – GRI, SASB e TCFD.
• Incertezza delle scadenze. Anche le principali scadenze regolamentari sono vaghe. Molte delle scadenze sono per il 2028 e oltre, mentre le banche hanno scadenze al 2024, mentre l’accesso ai fondi Green può generare necessità immediate.
• Il vero driver è il business. I meccanismi di incentivazione fanno sì che le aziende guardino alla transizione ecologica più come una opportunità di business che un obbligo regolamentare.

Un’applicazione complessa

Applicare tool e strumenti ESG presenta in molti casi una notevole complessità, riconducibile a:

• La forzata e talvolta forzosa conversione di numerosi fenomeni fisici in emissioni di gas serra, ed in particolare di CO2.
• La presenza di numerosi elementi qualitativi e discrezionali nell’impianto regolamentare, basti pensare alla definizione di tassonomia.
• La necessità di utilizzare numerosi dati generalmente al di fuori del patrimonio informativo, con conseguenti tempi e costi anche rilevanti.
• L’applicazione di tool e metodologie – spesso già presenti – a livello enterprise wide e non più dipartimentale.
• L’acquisizione di dati da parti terze – si pensi alla verifica/certificazione della Supply Chain – richiede la preparazione di questionari specifici ed il processamento e modellizzazione dei dati ricevuti, con non pochi problemi di Data Quality.
• Infine – e questo è l’aspetto più importante – gran parte dei dati e misurazioni ESG vanno incorporati in modelli e sistemi esistenti. I dati relativi al rischio climatico e di transizione vanno ad integrare modelli e sistemi di Risk Management, la gestione della Supply Chain deve essere incorporata nei sistemi ERP, i sistemi di CRM devono tenere in considerazione anche il profilo di sostenibilità, ed i sistemi produttivi devono monitorare anche il consumo di energia e le emissioni di materiali inquinanti.

Applicazione del framework ESG: il punto di vista dei dati

I dati costituiscono la cartina di tornasole della bontà/successo di una particolare iniziativa.

Nel caso di ESG, il modello dati che ne risulta è inevitabilmente un modello più distribuito e più granulare, ma che presenta in fondo poche caratteristiche di novità, e che si riferiscono in gran parte alla misurazione e monitoraggio delle emissioni (GHG Green House Gas emission) e dei consumi.

I dati da incorporare sono:

• Dati già esistenti ma con un maggiore livello di granularità: la necessità di applicare modelli analitici richiede l’utilizzo di dati di dettaglio, quali ad esempio i dati geospaziali per valutare il rischio climatico ed un breakdown delle fonti di emissioni per la misurazione e monitoraggio delle emissioni CO2
• Shadow data: tutti i dati relativi alla Governance devono essere elaborati e quantificati per sviluppare sistemi di valutazione/scoring ESG

In realtà complesse, i dati ESG dovrebbero essere processati all’interno dei Data Domain già (largamente) esistenti, mentre il Sustainability Manager dovrebbe avere un ruolo prevalentemente di controllo e di indirizzo. Un tale modello può risultare fattibile solo adottando specifici approcci ai dati, quali ad esempio il Data Mesh.

Il Data Mesh per la gestione di complessi ecosistemi di dati

Nell’ultimo decennio, in particolare con l’emergere delle tecnologie legate ai big data, il dato nelle grandi aziende ha subito un processo costante di accentramento. Con l’aumentare dei dati gestiti e casi d’uso dove applicarli, per rendere l’azienda maggiormente data driven, si è assistito ad un progressivo aumento dei colli di bottiglia e difficoltà ad accedere a dati di qualità, tornando spesso alla creazione di silos e alla proliferazione di fonti e di conseguenza di output riportanti numeri differenti all’interno della stessa organizzazione.

In risposta a questo il data mesh sta promuovendo un nuovo paradigma volto a decentralizzare la responsabilità dei dati su team approcciandosi ai dati come ad un prodotto (data product) nel proprio dominio di competenza.

L’attività sui dati come un ecosistema di “Data Products”

L’attività sui dati viene vista come un ecosistema di “Data Products” che interagiscono tra di loro. Per semplificare possiamo considerare il dato un prodotto se: ha dei confini ben delineati; partecipa ad un ecosistema di utenti che producono e consumano il dato; utilizza un “marketplace” per essere cercato, consumato, condiviso e governato; è pubblicato assieme a meta dati esaustivi che ne permettono un utilizzo in self.-service; aderisce a chiari standard di data governance

L’emergere dell’approccio data mesh è stato uno degli sviluppi più promettenti degli ultimi anni per la gestione di complessi ecosistemi di dati. L’approccio è incentrato sull’abbattimento dei silos e sulla responsabilizzazione dei singoli team nei confronti dei propri domini dati.

Gestire i dati in modo efficiente: un approccio per le aziende

Questo approccio può aiutare le organizzazioni a gestire i propri dati in modo più efficiente, a essere più proattive sulle proprie performance ESG e a diventare più trasparenti sui propri sforzi di sostenibilità.

Applicare i principi del data mesh permetterà ai data products di ESG di essere più facili da ricercare, consumare, condividere e governare. Un possibile approccio può essere:

• Definire domini, identificando fonti e confini per ottenere dati consistenti all’interno dell’azienda o da fonti esterne. Questo è il primo passo nell’identificazione dei dati per l’ambito ESG (ad oggi sempre più distribuiti e di varia natura).
• Identificare degli owner per i domini dati che avranno l’ownership di proporre come rendere consumabili e rilevanti i data product che trattano nel dominio ESG. In alternativa in realtà che hanno già intrapreso un percorso di approccio al data mesh, il responsabile ESG potrebbe far parte della federated data governance e ogni dominio ricevere delle metriche da misurare e su cui produrre i propri data product.
• Il data mesh permetterà un modello “self-serve” dove l’accesso ai domini dati avverrà attraverso meccanismi standard e consistenti (e.g. via API) rendendo più facile la condivisione dei dati all’interno o all’esterno dell’organizzazione.
• Creare un modello di governance “federato”, che attribuisca ai data owner un’autonomia “locale” (e.g. normative nazionali o regionali) rendendo più semplice e chiara la governance e la consistenza dei dati.
• Utilizzare un data marketplace per permettere ai consumatori e a chi pubblica di cercare, capire e utilizzare i data products all’interno dell’azienda.

Il data mesh è in primo luogo un approccio organizzativo prima che tecnologico. Per questo richiede un importante shift culturale e dell’organizzazione all’interno dell’azienda.

L’ESG può fornire un interessante punto di partenza per una trasformazione e un posizionamento dell’azienda verso il data mesh in quanto:

• Nella maggior parte delle aziende il dominio ESG è creato da zero e potrebbe contenere nativamente al suo interno tutte le skill necessarie per essere autonomo nella pubblicazione e consumo dei data product
• I data product e la reportistica relativa all’ESG sono in fase di creazione e gli standard e le normative in divenire. Approcciare in modo innovativo questo dominio permetterà all’azienda di ridurre i costi e i colli di bottiglia negli sviluppi che sicuramente verranno richiesti con l’evolvere del quadro normativo
• Molti dei dati necessari alla produzione dei data product non sono dati di business e hanno un livello di utilizzo e certificazione molto basso. Avere un focus specifico di dominio e di team per una tematica che non è ancora all’attenzione della maggior parte di CFO o CDO potrà rivelarsi come un plus

Conclusioni

Per queste motivazioni la convergenza tra Data Mesh ed ESG presenta un’opportunità unica per le organizzazioni di sfruttare l’architettura decentralizzata dei dati per promuovere pratiche sostenibili e creare valore a lungo termine. Democratizzando la proprietà dei dati, promuovendo la collaborazione e garantendo la trasparenza dei dati, le organizzazioni possono sbloccare il pieno potenziale delle loro risorse di dati per affrontare le problematiche ESG. Tuttavia, l’implementazione di Data Mesh per le iniziative ESG richiede un’attenta considerazione della privacy, dell’uso etico dei dati e delle sfide organizzative. Con l’approccio giusto, le aziende possono superare queste complessità e fare passi significativi verso un futuro sostenibile e responsabile