Clarity AI و«جلاس لويس» يتعاونان
الذكاء الاصطناعي, تغطية البيانات, الامتثال التنظيمي, التكنولوجيا,الذكاء الاصطناعي, تغطية البياناتالمقالات

كيف يمكن للتعلم الآلي توسيع نطاق تغطية بيانات الاستدامة

تم النشر: يناير 8, 2022
تم التعديل 13 أغسطس 2025

استخدام نماذج التقدير لتحسين تقارير الاستدامة

يعد نقص تغطية البيانات عقبة رئيسية يمكن التغلب عليها من خلال استخدام التعلم الآلي. اليوم ، 80٪ من الشركات المدرجة لا تبلغ عن بيانات الاستدامة المطلوبة. وهذا يعني أنه بغض النظر عن قضايا الموثوقية، فإن 20٪ فقط من الشركات المدرجة في البورصة تبلغ عن بيانات شاملة حول الاستدامة كخط أساس. قد يقوم العديد من مقدمي الخدمات بعد ذلك بتكديس المعلومات الجزئية أو المفقودة ، مما يجعل من الصعب إنشاء درجات متسقة عبر أقرانهم وربما انحراف الدرجات نحو الشركات التي تكشف بشكل انتقائي عن طريق ترك البيانات حول المؤشرات التي تأخروا عنها. هذا هو السبب Clarity AI يستفيد من معلومات الشركة المتاحة وخوارزميات التعلم الآلي لملء فجوات المعلومات لإعطاء أكمل صورة متاحة.

من الناحية الجغرافية، كانت أوروبا رائدة في مجال اللوائح الوطنية المتعلقة بالإبلاغ عن تغير المناخ للشركات، والتي تتبلور في أعلى تغطية للإبلاغ عن غازات الدفيئة بين مناطق العالم الرئيسية. وفي الوقت نفسه، تقوم لجنة الأوراق المالية والبورصات الأمريكية بإعداد لائحة محددة للإبلاغ عن المناخ لعام 2022. ومن المتوقع أن يلحق الإبلاغ في أمريكا الشمالية بالمعدل في أوروبا خلال العامين المقبلين.

تغطية الإبلاغ عن غازات الدفيئة، حسب المنطقة

Clarity AIنماذج التقدير

أحد تطبيقات التعلم الآلي هو نماذج التقدير الخاصة بنا. المبدأ الأساسي للنماذج هو معرفة كيف يمكن اشتقاق مقاييس أداء الاستدامة من سمات الشركات الأخرى. يتم استخدام مجموعة واسعة من مصادر البيانات والميزات (معلومات حول المؤسسة) كمدخلات لنماذج التقدير، بما في ذلك، على سبيل المثال:

  • ما هي الصناعة التي تعمل فيها؟
  • ما هي أنواع المنتجات والخدمات التي تبيعونها؟
  • هل أنت شركة مصنعة؟
  • أين تصنع منتجاتك؟ • أين تبيع منتجاتك؟
  • ما هي تكاليف العمالة الخاصة بك؟
  • ما هي الميزات البيئية الأخرى التي قد تكون مرتبطة بمقياس الاهتمام؟ (يعتمد هذا على المقياس.)
مخطط انسيابي ل Clarity AIعملية نموذج التقدير

عوامل التفاضل الرئيسية ل Clarity AIهي تقدير شدة المقياس، واستخدام بيانات الاستبعاد لاختبار الدقة التنبؤية للنموذج، وحساب كل من التأثيرات غير الخطية والتفاعلية. هذه ضرورية لتقدير بعض مقاييس الاستدامة مثل انبعاثات CO2.

تغطية البيانات من قبل PAI

الوصول إلى التقرير الكامل هنا

البحوث والرؤى

آخر الأخبار والمقالات

رؤى السوق

كيف يمكن للمستثمرين المؤسسيين تقييم مدى تعرض محافظهم الاستثمارية لمناطق النزاع؟ 

يتعرض المستثمرون لضغوط متزايدة لفهم مدى ارتباط محافظهم الاستثمارية بالمناطق المتأثرة بالنزاعات والمناطق عالية المخاطر. ومع ذلك، لا يزال من الصعب العثور على بيانات حول تعرض الشركات لهذه المخاطر تكون مستقلة وشفافة بدرجة كافية لتكون جديرة بالثقة. في هذه الندوة عبر الإنترنت، سنقدم حل CAHRAs الذي طورناه بالتعاون مع مالكي الأصول في أنحاء أوروبا. وقد صُمم هذا الحل لتزويد المؤسسات…

الذكاء الاصطناعي

نفس العقل، شعار مختلف: المخاطر الخفية للذكاء الاصطناعي في الأسواق المالية

في الوقت الحالي، أصبح بإمكان معظم الناس تمييز رسالة البريد الإلكتروني التي صاغها الذكاء الاصطناعي للمبتدئين: مثل الإفراط في استخدام الشرطة الطويلة، أو عبارة «إليك نسخة أكثر إنسانية» التي نسي أحدهم حذفها قبل الضغط على زر «إرسال». أما في وول ستريت، فإن المشكلة الأكثر خطورة يصعب اكتشافها، لأنها تكمن في المنطق. وعندما يقرر هذا المنطق أين يتجه رأس المال، فإن...

الذكاء الاصطناعي، رؤى السوق

التوفيق بين مخاطر الذكاء الاصطناعي والفرص التي يوفرها: تقييم شامل للمستثمرين

يجمع نموذج S-1 الخاص بشركة «أنثروبيك» بين المخاطر والفرص في وثيقة واحدة. وتقتصر معظم التعليقات المتعلقة بالذكاء الاصطناعي على تناول أحدهما دون الآخر. لكن المستثمرين لا يمكنهم تحمل ذلك.

أيقونة إعلان هام