Menu
Jornadas do Negócio
Práticas Sociais, Ambientais e de Governança (ESG)
Nos últimos anos indicadores ambientais, sociais e de governança tornaram-se extremamente importantes para estratégias mais amplas de investimento. Esses dados de sustentabilidade são coletados a partir de uma ampla variedade de fontes e ajudam os gestores de fundos a avaliar melhor o valor, o crescimento e o risco dos ativos. Indicadores são abrangentes e incluem fatores como políticas corporativas, conformidade regulatória, impacto ambiental e muito mais. Uma pontuação ESG melhor geralmente induz um melhor desempenho.
Nos últimos meses, com o advento de uma pandemia mundial, que teve um impacto econômico devastador, tornou-se ainda mais crítico para os gestores de fundos investirem em ativos “à prova de futuro” e que ao mesmo tempo impactem positivamente a saúde e a estabilidade globais.
No início, as métricas ESG foram coletadas por gestores de fundos que determinaram quais dados importavam para sua estratégia de investimento. Isso, é claro, criou muitos conjuntos de dados diferentes usando definições diferentes. Mais recentemente, conforme as empresas começaram a ver o valor dessa abordagem, elas começaram a gerar seus próprios dados ESG, publicando-os em seus relatórios anuais e criando, naturalmente, ainda mais dados. Isso, por sua vez, permitiu que fornecedores externos entrassem e agregassem todos esses dados, definindo as principais métricas e publicando pontuações ESG adicionais para empresas-alvo. A grande quantidade de dados ESG cresceu enormemente nos últimos anos em uma variedade de fontes, desde dados de aprendizado de máquina (machine learning) a mapeamento geoespacial.
Poder contar com dados ESG mais ricos ajudará administradores de fundos a investirem de maneira mais consciente em ativos mais sustentáveis. Mas, para continuar a fazê-lo, eles precisarão de processos mais objetivos e observáveis para avaliar a confiabilidade desses dados.
Nos últimos meses, com o advento de uma pandemia mundial, que teve um impacto econômico devastador, tornou-se ainda mais crítico para os gestores de fundos investirem em ativos “à prova de futuro” e que ao mesmo tempo impactem positivamente a saúde e a estabilidade globais.
No início, as métricas ESG foram coletadas por gestores de fundos que determinaram quais dados importavam para sua estratégia de investimento. Isso, é claro, criou muitos conjuntos de dados diferentes usando definições diferentes. Mais recentemente, conforme as empresas começaram a ver o valor dessa abordagem, elas começaram a gerar seus próprios dados ESG, publicando-os em seus relatórios anuais e criando, naturalmente, ainda mais dados. Isso, por sua vez, permitiu que fornecedores externos entrassem e agregassem todos esses dados, definindo as principais métricas e publicando pontuações ESG adicionais para empresas-alvo. A grande quantidade de dados ESG cresceu enormemente nos últimos anos em uma variedade de fontes, desde dados de aprendizado de máquina (machine learning) a mapeamento geoespacial.
Analytics de Próxima Geração
Consumidores de dados travam uma verdadeira batalha para conseguirem navegar por grandes volumes de dados, em ambientes cada vez mais complexos e repletos de silos que fazem parte atualmente de grande parte do cenário corporativo.
É preciso simplificar esse caminho para que qualquer pessoa possa encontrar, entender e confiar nos ativos de dados, impulsionando os processos de tomada de decisão com base em dados, e consequentemente ampliando o impacto positivo da análise sobre o negócio. Isso requer soluções que possam se conectar nativamente a muitas das ferramentas de BI e de ciência de dados mais comuns no mercado, liberando uma riqueza de informações e conhecimento críticos e disponibilizando-os em toda a organização.
Com recursos adequados para self-service analytics é possível garantir que as pessoas corretas consigam explorar e mapear insights de negócios em seus dados. À medida que os usuários de negócios são capacitados com dados, a função de TI é transformada para se concentrar novamente em fornecer dados confiáveis e precisos para os negócios. E, além disso, contar com uma abordagem clara de governança é crítica para o sucesso de uma prática de analytics.
A boa notícia é que é possível exercer controle sobre dados sem perder agilidade e a velocidade que a análise de autoatendimento produz sobre os negócios.
Com ferramentas adequadas a TI pode criar, publicar, certificar e monitorar fontes de dados compartilhadas em toda a organização.
Acreditamos em recursos capazes de dar às organizações velocidade em self-service analytics, com a confiança nos dados que resulta da aplicação consistente das melhores práticas de governança de dados.
É preciso simplificar esse caminho para que qualquer pessoa possa encontrar, entender e confiar nos ativos de dados, impulsionando os processos de tomada de decisão com base em dados, e consequentemente ampliando o impacto positivo da análise sobre o negócio. Isso requer soluções que possam se conectar nativamente a muitas das ferramentas de BI e de ciência de dados mais comuns no mercado, liberando uma riqueza de informações e conhecimento críticos e disponibilizando-os em toda a organização.
Com recursos adequados para self-service analytics é possível garantir que as pessoas corretas consigam explorar e mapear insights de negócios em seus dados. À medida que os usuários de negócios são capacitados com dados, a função de TI é transformada para se concentrar novamente em fornecer dados confiáveis e precisos para os negócios. E, além disso, contar com uma abordagem clara de governança é crítica para o sucesso de uma prática de analytics.
A boa notícia é que é possível exercer controle sobre dados sem perder agilidade e a velocidade que a análise de autoatendimento produz sobre os negócios.
Com ferramentas adequadas a TI pode criar, publicar, certificar e monitorar fontes de dados compartilhadas em toda a organização.
Acreditamos em recursos capazes de dar às organizações velocidade em self-service analytics, com a confiança nos dados que resulta da aplicação consistente das melhores práticas de governança de dados.
Risco e Compliance
Lidar com o desafio de gerenciar dados pessoais precisa priorizar uma abordagem centrada no ser humano. É preciso contar com soluções que nos ajudem de fato a descobrir e classificar automaticamente ativos de dados confidenciais e em grande escala.
E para orientar pessoas é preciso contar com recomendações, sinalizadores e informações de política diretamente nas atividades e fluxos de trabalho diários dos consumidores de dados, tornando a conformidade e a ética da privacidade de dados uma peça central da cultura de dados.
É preciso atender aos desafios de regulamentações como LGPD, CCPA e GDPR em nível empresarial, com suporte à conformidade em escala, catalogando dados corporativos, operacionalizando políticas de privacidade e realizando análises de impacto em um local centralizado. Com isso é possível produzir uma visão unificada do risco potencial, permitindo que empresas modelem a análise de risco para identificar, gerenciar e mitigar riscos de forma proativa.
E para orientar pessoas é preciso contar com recomendações, sinalizadores e informações de política diretamente nas atividades e fluxos de trabalho diários dos consumidores de dados, tornando a conformidade e a ética da privacidade de dados uma peça central da cultura de dados.
É preciso atender aos desafios de regulamentações como LGPD, CCPA e GDPR em nível empresarial, com suporte à conformidade em escala, catalogando dados corporativos, operacionalizando políticas de privacidade e realizando análises de impacto em um local centralizado. Com isso é possível produzir uma visão unificada do risco potencial, permitindo que empresas modelem a análise de risco para identificar, gerenciar e mitigar riscos de forma proativa.
Navegue pelo site
Menu
Siga as redes sociais
Copyright - 2021 - Verodati - Todos os direitos reservados