ESG投资需要的非财务类数据，关乎一家企业及其利益相关方的可持续发展，却并不反映于公司的财务报表。ESG三个维度下，各有细化议题和指标。例如，MSCI的ESG研究及评级框架就包含了三大维度、十大主题和37个关键议题，而每个关键议题还分风险暴露指标与风险管理指标（MSCI，2020）。MSCI的研究方法以定量为主，各指标的计算都有赖海量的基础数据。
以社会维度为例，重要议题包括产品安全与质量、员工健康安全、供应链劳工标准等，各议题下又有一些细化指标，最终须以定量或定性指标来体现。譬如，“产品安全与质量”这个议题的细化指标就包括产品召回率、产品安全事件、客户投诉次数等。
这些信息如何提取？传统方式能满足吗？有关于此，首先需要理解ESG数据的特征，然后才能理解金融科技能如何助力。
ESG数据具备大数据的三个重要特征，可用三个以英文字母v开头的单词来代表：数据量大（volume），数据多样性（variety），数据实时性（velocity）。
首先，ESG数据量大且来源分散。ESG数据来自多种渠道，除了企业的CSR（企业社会责任）报告和财报外，还有政府部门、监管部门、新闻媒体、社交网络等来源。一些数据不直接来自企业本身，而是分散于供应商、客户、股东等利益相关方等来源。例如，证监会对证券公司的处罚和劳动纠纷的仲裁结果，信息就来自不同渠道。此外，一些和公司管理层相关的事件，最开始可能出现于社交网络，随后又出现于新闻报道。(www.xing528.com)
特别是，另有一些数据来自非营利组织。譬如，笔者曾在《从苹果的另一面，谈谈手机行业的ESG》中提及，中国公众环境研究中心联合自然之友等民间环保组织，先后发布了两份报告，揭露苹果在华供应链中存在的诸多问题。
其次，ESG数据格式多样化。数据有结构化与非结构化之分，前者包括可用二维表结构来表示的数据，譬如医药公司的股价和成交量数据、微软公司近五年的财报数据等，我们可以利用这类数据进行搜索、计算、统计和分析。后者包括文本、图片、音频、视频等，形式繁多。
ESG数据里有大量的非结构化数据，需要借助金融科技的力量来进行提取。例如，当企业公开发行债券时，会编制募集说明书，其中有发行条款、募集资金用途、发行人的基本概况、财务状况及资信状况等，这些信息大多以文本或表格形式提供，而盖章页甚至属于图片格式。
第三，数据实时性要求高。企业CSR报告的更新频率是每年一次，数据有严重的滞后性，但ESG投资所关注的问题常需要在相关事件发生后，第一时间就进行处理。譬如，突发的环境污染事件、监管处罚的通告等，都具有实时性，会对企业产生实质性影响。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
