ESG: Wie man mit zuverlässigen Daten und Technologien mehr erreicht
Snowflake
Das Thema ESG (Environmental, Social und Governance) ist ein zentrales Anliegen von Banken und Finanzdienstleistern geworden. Die Art und Weise, wie Unternehmen auf umweltbezogene, soziale und ethische Faktoren reagieren, ist bei der Bewertung der Unternehmensleistung mittlerweile genauso wichtig wie traditionelle Finanzkennzahlen. Was in der Theorie so selbstverständlich klingt, stellt Banken in der Praxis aber immer noch vor zahlreiche Herausforderungen – gerade im Hinblick auf die Daten.
von Rinesh Patel, Global Head of Financial Services bei Snowflake
Die Bedeutung von Nachhaltigkeit in der Finanzbranche steht außer Frage: ESG-Faktoren spielen eine wesentliche Rolle bei den Bemühungen von Finanzexperten, langfristig Chancen und Risiken für Unternehmen zu identifizieren. Tatsächlich wäre mit 60 Prozent die Mehrheit der Bankkunden bereit, mehr für nachhaltige Finanzprodukte zu zahlen.Bereits jetzt wird schon mehr als ein Drittel des weltweit verwalteten Vermögens (ca. 35,3 Billionen US-Dollar) nach ESG-Prinzipien investiert.”
Während der öffentliche und regulatorische Druck die Finanzdienstleistungsunternehmen dazu bringt, ihren ESG-Strategien Priorität einzuräumen, erschweren verschiedene Daten- und Technologieprobleme die Umsetzung. Dazu gehören die Beschaffung, Erfassung, Normalisierung und Verknüpfung von Standard-ESG-Datensätzen sowie die Integration von ESG-Daten in bestehende Arbeitsabläufe wie Portfoliokonstruktion, Research, Fremdfinanzierung und aufsichtsrechtliche Berichterstattung.
Fehlende ESG-Standardisierung im Finanzsektor erschwert die Datenerfassung
Nach der Festlegung eines ESG-Rahmenwerks und entsprechender ESG-Ziele müssen Banken und Finanzdienstleister bestimmen, welche Daten sie bei der Bewertung einbeziehen sollen. Einige dieser Daten sind intern vorhanden (z. B. Gehalts- oder Diversitätsdaten), während andere Informationen möglicherweise erst extern beschafft werden müssen (z. B. Branchen-Benchmarks oder Daten zur Einhaltung von Vorschriften durch Drittanbieter).
Die erste Herausforderung besteht darin, dass die zu erfassenden Daten sehr umfangreich sind und neue sowie dynamische Datenquellen benötigt werden.”
Die Daten liegen dabei in unterschiedlichen Formaten vor und umfassen strukturierte sowie unstrukturierte Datentypen.
Um Faktoren im Hinblick auf die Umwelt, Soziales und die Unternehmensführung zu verstehen und zu bewältigen, sammeln Finanzdienstleistungsunternehmen große Datensätze aus dem öffentlichen Sektor, einschließlich Regierungsberichten, sowie von wissenschaftlichen Einrichtungen und aus dem Privatsektor.”
Die Unternehmen bemühen sich dabei mit Nachdruck um robuste Datensätze zu ESG-Kriterien und Nachhaltigkeitsindikatoren, die für die Bewertung der Auswirkungen und die Erfüllung ihrer eigenen Verpflichtungen erforderlich sind.
Die Nutzungsbereiche selbst sind vielfältig: Banken beispielsweise untersuchen die ESG-Risiken von Unternehmensportfolios, um die Auswirkungen auf deren Rating zu verstehen. Versicherungsunternehmen verwenden ESG-Daten, um Klimarisiken bei der Evaluierung von Versicherungspolicen zu berücksichtigen. Portfoliomanager nehmen Daten aus verschiedenen Quellen auf, um die Performance von Anlagen zu bewerten und dabei jeden Fall auf ESG-Faktoren zu analysieren.
In einer Umfrage von EY unter globalen Vermögensverwaltern gaben die meisten an, zwei bis fünf verschiedene ESG-Anbieter zu nutzen, wobei einige bis zu zehn verschiedene Drittanbieter von ESG-Daten verwenden.”
Aus technologischer Sicht, sprich in Bezug auf die Daten, stehen die Unternehmen vor der ständigen Herausforderung, eine große Anzahl von Daten normalisieren zu müssen. Finanzdienstleister müssen klären, wie sie dieses Problem technologisch lösen wollen: Stellen sie ein gemeinsames Datenmodell zur Verfügung, an das sich alle Datenlieferanten halten müssen? Wie überprüfen sie die Qualität der Daten, die in dieses Modell eingehen? Welche Wege nutzen sie, um die Daten zu erhalten? Typische Vorgehensweisen sind beispielsweise die Übertragung via E-Mail, Programmierschnittstellen (API) oder über Secure File Transfer Protocol (SFTP), die oftmals nicht ausreichende Sicherheitsmerkmale aufweisen und nur begrenzt skalierbar sind.
Snowflake
Integration der Daten erfordert oftmals viele Verarbeitungsschritte
Vor dem Hintergrund einer hohen Anzahl an Datenanbietern und -formaten gestaltet sich nicht nur die Datenerfassung sondern auch die Datenintegration als langwieriger Prozess.
Dabei gilt es, die intern gesammelten Daten sowie die externen Informationen von Drittparteien – ob strukturiert, semistrukturiert oder unstrukturiert – in einer Datenbank zusammenzuführen.”
Bei der Verwendung herkömmlicher Methoden werden die Daten, sofern sie dateibasiert sind, an einem Ort bereitgestellt, entpackt und gelesen. Dies erfordert oft das Schreiben von Skripten, um Daten zu extrahieren und umzugestalten oder über den Prozess Extraktion/Transformation/Laden (ETL) beziehungsweise Extraktion/Laden/Transformation (ELT) zu verarbeiten.
Um die Daten in der Datenbank zu verknüpfen und schließlich eine ganzheitliche Sicht auf die ESG-Situation des Unternehmens über alle Quellen hinweg zu erhalten, greifen Finanzdienstleistungsunternehmen traditionell unter anderem auf die VLOOKUP-Funktion in Excel oder auf Fuzzy-Matching über RegEx-Anweisungen zurück. Im Prinzip werden bei beiden Methoden anhand vorgegebener Kriterien Daten gesucht und ausgegeben. In Zukunft ist dieser Ansatz nicht mehr tragbar. Unternehmen werden sich ständig fragen, wie sie die Kosten senken, die Datenlatenz verringern und eine höhere Kontrolle gewährleisten können.
Moderne Data-Cloud-Lösungen sorgen für Wettbewerbsvorteil
Themen wie Klimawandel, Unternehmensethik und Corporate Governance stehen heute mehr denn je im Mittelpunkt des öffentlichen und politischen Interesses. Letztendlich suchen Finanzdienstleistungsunternehmen nach Leitlinien von Regulierungsbehörden, die die Anforderungen zur Offenlegung von ESG-Themen festlegen. Doch sie stehen auch vor vielen daten- und technologiebezogenen Herausforderungen. Unternehmen die ihre ESG-Strategie entwickeln wollen, müssen sich Gedanken darüber machen, wie sie diese Probleme ganzheitlich angehen können – von der Datenbeschaffung, der Datenerfassung, der Normalisierung der Daten, dem Datenmanagement bis hin zur Verteilung dieser Daten und der gemeinsamen Nutzung interner und externer Daten.
Rinesh Patel ist Head of Financial Services bei Snowflake (Website) und verantwortlich für die Unterstützung der Kunden beim Übergang zur Cloud. Zuvor arbeitete er für Refinitiv, einem Unternehmen der Londoner Börse. In der Finanzdienstleistungsbranche tätig seit ist er über 20 Jahren und hatte verschiedene Führungspositionen inne, darunter die Leitung des Bereichs Enterprise Data. Außerdem half er als Head of Cloud Proposition, Strategien aufeinander abzustimmen und Umsatzwachstum durch cloudbasierte Lösungen zu erzielen.Laut einer Umfrage von Deloitte ist für mehr als ein Drittel der Führungskräfte (35 %) die Offenlegung der ESG-Daten immer noch die größte Herausforderung.”
Weitere 25 Prozent führen den Zugang zu qualitativ hochwertigen Daten als Hürde an. In dieser Hinsicht könnten Banken und Finanzdienstleister, die durch Altsysteme behindert werden, gegenüber Konkurrenten mit einer modernisierten und ganzheitlichen Technologie- und Datenstrategie im Nachteil sein.
Finanzdienstleistungsunternehmen sollten daher auf moderne Data-Plattformen setzen, die ihnen einen nahtlosen Zugriff auf ESG-Daten und die Integration in Arbeitsabläufe erlauben. Dadurch können sie auf ESG-Daten zugreifen, eigene ESG-Analysen erstellen und ESG-Workloads in Workflow-Anwendungen und -Tools integrieren. Moderne Data-Plattformen bieten den Unternehmen darüber hinaus die Möglichkeit, auf Daten von Drittanbietern und anderen öffentlichen Quellen zuzugreifen und diese nahtlos in ihre eigenen ESG-Bewertungen einfließen zu lassen.Rinesh Patel
Sie finden diesen Artikel im Internet auf der Website:
https://itfm.link/152194
Schreiben Sie einen Kommentar