Κατανόηση των κινδύνων που σχετίζονται με τη φύση: Γιατί τα χρηματοπιστωτικά ιδρύματα χρειάζονται περισσότερα από δεδομένα γεωγραφικού εντοπισμού

Με μια πρώτη ματιά, τα κυλιόμενα χωράφια σόγιας που καλύπτουν την καρδιά της Βραζιλίας μοιάζουν με μια ιστορία γεωργικής επιτυχίας. Ωστόσο, η πραγματικότητα αποκαλύπτει σημαντικούς και πολύπλοκους κινδύνους που σχετίζονται με τη φύση. Οι γίγαντες των αγροτικών επιχειρήσεων έχουν επεκταθεί γρήγορα σε εύθραυστα οικοσυστήματα για να υποστηρίξουν την αυξανόμενη παγκόσμια ανάγκη για παραγωγή κρέατος, εκχερσώνοντας χιλιάδες στρέμματα στον Αμαζόνιο και το Cerrado, οδηγώντας σε απώλεια βιοποικιλότητας και υποβάθμιση των οικοσυστημάτων^.1

Αλλά δεν είναι μόνο η επέκταση που προκαλεί καταστροφές - η κλίμακα της παραγωγής σόγιας έχει βαθύνει τους κινδύνους που σχετίζονται με τη φύση και έχουν τόσο περιβαλλοντικές όσο και οικονομικές επιπτώσεις. Μεταξύ 1985 και 2012, η αποψίλωση των δασών προκάλεσε κατά μέσο όρο 12% μείωση της παραγωγικότητας της σόγιας, ενώ σε ορισμένες περιοχές παρατηρήθηκαν μειώσεις άνω του 20%^.2 Τέτοιες απώλειες αναδεικνύουν μια αυξανόμενη πρόκληση για τους επενδυτές και τα χρηματοπιστωτικά ιδρύματα που προσπαθούν να εκτιμήσουν με ακρίβεια τους κινδύνους που σχετίζονται με τη φύση.

Πολλοί έχουν αξιοποιήσει δεδομένα γεωγραφικού εντοπισμού, συγκεκριμένα χρησιμοποιώντας τις συντεταγμένες γεωγραφικού πλάτους και μήκους των εγκαταστάσεων παραγωγής, για να αξιολογήσουν τους κινδύνους και τις επιπτώσεις που σχετίζονται με τη φύση. Όμως αυτή η προσέγγιση γρατζουνάει μόνο την επιφάνεια. Οι κίνδυνοι που σχετίζονται με τη φύση είναι εγγενώς τοπικοί. Η μοναδική τοποθεσία και τα χαρακτηριστικά κάθε οικοσυστήματος διαμορφώνουν τον τρόπο με τον οποίο οι δραστηριότητες επηρεάζουν τη βιοποικιλότητα και τη διαθεσιμότητα των πόρων.

Για να κατανοήσουν πλήρως τους κινδύνους που σχετίζονται με τη φύση, τα χρηματοπιστωτικά ιδρύματα πρέπει να ενσωματώσουν μετρήσεις παραγωγής -όπως η ποσότητα των παραγόμενων αγαθών ή η ενέργεια που παράγεται σε συγκεκριμένες τοποθεσίες- με δεδομένα γεωγραφικής θέσης.

Σε αυτό το άρθρο, διερευνούμε πώς ο συνδυασμός αυτών των δεδομένων παρέχει μια βαθύτερη κατανόηση των κινδύνων που σχετίζονται με τη φύση, βοηθά στην αποφυγή δαπανηρών λανθασμένων εκτιμήσεων, αποκαλύπτει κρυφές εξαρτήσεις από φυσικούς πόρους και εντοπίζει πιθανές επιπτώσεις στη βιοποικιλότητα πριν διαταράξουν τις λειτουργίες.

Από τα εθελοντικά στα υποχρεωτικά πλαίσια: Δεδομένα Παραγωγής: Αυξανόμενη εστίαση στα δεδομένα παραγωγής

Καθώς τα πλαίσια αειφορίας εξελίσσονται, τα δεδομένα παραγωγής αποκτούν κεντρικό ρόλο στον τρόπο με τον οποίο οι εταιρείες και τα χρηματοπιστωτικά ιδρύματα αξιολογούν τους περιβαλλοντικούς κινδύνους. Πέρα από την απλή γνώση του τόπου διεξαγωγής των δραστηριοτήτων, τα πλαίσια αυτά εστιάζουν όλο και περισσότερο στο τι παράγεται και πόσο, καθώς αυτό παρέχει μια σαφέστερη εικόνα των εξαρτήσεων και των επιπτώσεων που σχετίζονται με τη φύση.

Κατευθυντήριες γραμμές όπως η προσέγγιση LEAP (Locate, Evaluate, Assess, Prepare) της Ομάδας Εργασίας για τις Χρηματοοικονομικές Γνωστοποιήσεις που σχετίζονται με τη Φύση (Taskforce on Nature-related Financial Disclosures - TNFD) υπογραμμίζουν την ανάγκη να προχωρήσουμε πέρα από τον απλό εντοπισμό των σημείων όπου οι εταιρείες αλληλεπιδρούν με τη φύση.

Ενώ τα δεδομένα γεωγραφικού εντοπισμού είναι ζωτικής σημασίας για το στοιχείο "Εντοπισμός", το LEAP υποστηρίζει μια βαθύτερη αξιολόγηση των εξαρτήσεων μιας εταιρείας από φυσικούς πόρους -όπως το νερό, τα ορυκτά και τα βιολογικά οικοσυστήματα- και τους κινδύνους που συνδέονται με την εξάντληση ή την υποβάθμισή τους. Για την κατανόηση της κλίμακας και της σημασίας αυτών των εξαρτήσεων, είναι απαραίτητη η ενσωμάτωση των δεδομένων παραγωγής για μια ολοκληρωμένη αξιολόγηση των κινδύνων.

Εκτός από τα εθελοντικά πλαίσια, η οδηγία για την υποβολή εκθέσεων εταιρικής βιωσιμότητας (CSRD) έχει εισαγάγει υποχρεωτικές απαιτήσεις για τα χρηματοπιστωτικά ιδρύματα. Τα ιδρύματα αυτά πρέπει πλέον να γνωστοποιούν τις ουσιώδεις επιπτώσεις, τους κινδύνους και τις ευκαιρίες τους σε τομείς όπως η βιοποικιλότητα και τα οικοσυστήματα. Αυτό απαιτεί μια ολοκληρωμένη ανάλυση των δραστηριοτήτων για τον εντοπισμό πιθανών αρνητικών επιπτώσεων. Οι ακριβείς αξιολογήσεις απαιτούν δεδομένα σε επίπεδο περιουσιακών στοιχείων, συμπεριλαμβανομένων λεπτομερών μετρήσεων παραγωγής, για την αξιολόγηση των μεταγενέστερων επιπτώσεων των δραστηριοτήτων τόσο στις κοινότητες όσο και στα οικοσυστήματα.

Οι περιορισμοί των δεδομένων γεωγραφικού εντοπισμού στην αξιολόγηση των κινδύνων που σχετίζονται με τη φύση

Παρόλο που τα δεδομένα γεωγραφικού εντοπισμού παρέχουν κρίσιμες πληροφορίες, απαιτούνται πρόσθετες πληροφορίες για την ακριβή αξιολόγηση των κινδύνων και τον καθορισμό μετρήσιμων στόχων. Για παράδειγμα, η γνώση ότι μια εταιρεία δραστηριοποιείται σε περιοχές που είναι επιρρεπείς σε λειψυδρία παρέχει μόνο ένα μέρος της εικόνας. Το πιο κρίσιμο ερώτημα είναι: πόση παραγωγή πραγματοποιείται σε αυτές τις περιοχές που αντιμετωπίζουν πρόβλημα με το νερό;

Η αξιολόγηση του όγκου παραγωγής βοηθά στην αποκάλυψη της πραγματικής εξάρτησης μιας εταιρείας από αυτούς τους περιορισμένους πόρους. Η παραμέληση αυτού του βαθύτερου επιπέδου ανάλυσης μπορεί να οδηγήσει σε λανθασμένες επενδυτικές αποφάσεις και σε αυξημένη έκθεση σε κινδύνους για τη φύση και τη βιοποικιλότητα. Αυτό επεκτείνεται πολύ πέρα από το παράδειγμα των αγροτικών επιχειρήσεων που αναφέρθηκε στην εισαγωγή. Πολλές βιομηχανίες υπόκεινται σε μοναδικούς κινδύνους που σχετίζονται με τη φύση.

Για να το καταδείξουμε αυτό, χρησιμοποιήσαμε τη λύση Geospatial Asset Assessment Solution για να αναλύσουμε τις εγκαταστάσεις παραγωγής των 10 κορυφαίων εταιρειών παραγωγής ηλεκτρικής ενέργειας όσον αφορά την έκθεσή τους σε κινδύνους που σχετίζονται με τη φύση^.3 Τα ευρήματα δείχνουν ότι η κατάταξη των εταιρειών όσον αφορά την έκθεση σε κινδύνους μεταβάλλεται σημαντικά όταν τα δεδομένα παραγωγής περιλαμβάνονται μαζί με τις πληροφορίες γεωγραφικού εντοπισμού (βλ. Σχήμα 1).

Η ανάλυση δείχνει ότι η κατάταξη των εταιρειών μπορεί να αλλάξει σημαντικά όταν ενσωματώνονται δεδομένα παραγωγής μαζί με πληροφορίες γεωγραφικής θέσης. Κατά μέσο όρο, οι κατατάξεις μετατοπίστηκαν κατά δύο θέσεις μόλις συμπεριλήφθηκαν τα δεδομένα παραγωγής. Για παράδειγμα, μια εταιρεία παροχής ηλεκτρικής ενέργειας κατέλαβε αρχικά την 1η θέση με βάση αποκλειστικά τα δεδομένα γεωγραφικού εντοπισμού, με το 19% των σταθμών παραγωγής της να βρίσκονται σε περιοχές κινδύνου. Ωστόσο, όταν συνυπολογίστηκαν τα δεδομένα παραγωγής, αποκαλύπτοντας ότι το 53% της συνολικής παραγωγής ηλεκτρικής ενέργειας προερχόταν από αυτές τις ευάλωτες περιοχές, η κατάταξη της εταιρείας έπεσε στην 4η θέση.

Σχήμα 1. Αλλαγή στην κατάταξη των εταιρειών όσον αφορά την έκθεση σε κίνδυνο που σχετίζεται με τη φύση όταν στην ανάλυση ενσωματώνονται δεδομένα για το επίπεδο παραγωγής του περιουσιακού στοιχείου

Παρόμοια μοτίβα εμφανίστηκαν και σε άλλους τομείς, όπως ο άνθρακας και το πετρέλαιο και το φυσικό αέριο, όπου η εστίαση μόνο στον αριθμό των εγκαταστάσεων παρέλειψε βασικούς κινδύνους που συνδέονται με την υψηλή παραγωγή σε ευάλωτες περιοχές. Η προσέγγιση αυτή είναι ιδιαίτερα σημαντική για την αξιολόγηση της έκθεσης σε ευαίσθητες τοποθεσίες και περιοχές πλούσιες σε βιοποικιλότητα. Οι μετρικές παραγωγής παρέχουν μια σαφέστερη εικόνα της έκθεσης μιας εταιρείας, ποσοτικοποιώντας τις δραστηριότητες εντός των οικοσυστημάτων που θα μπορούσαν να αντιμετωπίσουν ρυθμιστικές κυρώσεις ή αρνητική δημοσιότητα.

Για παράδειγμα, μια εταιρεία εξόρυξης μπορεί αρχικά να φαίνεται χαμηλού κινδύνου λόγω του περιορισμένου αριθμού εγκαταστάσεων σε ευαίσθητες περιοχές με βάση μόνο τα δεδομένα γεωγραφικού εντοπισμού. Εάν όμως σημαντικό μέρος της εξόρυξης γίνεται σε περιοχές με μεγάλη βιοποικιλότητα, η εταιρεία αντιμετωπίζει μεγαλύτερους κινδύνους, ακόμη και με λιγότερες λειτουργικές εγκαταστάσεις σε αυτές τις περιοχές. Αυτή η πρόσθετη γνώση θα μπορούσε να αλλάξει σημαντικά την κατάταξη κινδύνου της εταιρείας, υπογραμμίζοντας τη σημασία της κατανόησης όχι μόνο του τόπου δραστηριοποίησής σας αλλά και της έκτασης των δραστηριοτήτων σας στις περιοχές αυτές.

Συνδυάζοντας δεδομένα γεωγραφικού εντοπισμού και παραγωγής, τα χρηματοπιστωτικά ιδρύματα μπορούν να παρέχουν μια πιο ολοκληρωμένη αξιολόγηση κινδύνου. Η προσέγγιση αυτή ευθυγραμμίζεται με εθελοντικά πλαίσια όπως η TNFD, βοηθώντας τις εταιρείες να προβλέψουν και να μετριάσουν τους κινδύνους για τη βιοποικιλότητα, αποφεύγοντας παράλληλα δαπανηρές κυρώσεις ή ζημία στη φήμη τους.

Clarity AI's Approach: για κινδύνους που σχετίζονται με τη φύση

Clarity AIη προηγμένη προσέγγιση της επιτρέπει στα χρηματοπιστωτικά ιδρύματα να κατανοήσουν καλύτερα τους κινδύνους που σχετίζονται με τη φύση και αντιμετωπίζουν οι εταιρείες. Με την ενσωμάτωση δεδομένων παραγωγής από φυσικά περιουσιακά στοιχεία (π.χ. παραγόμενη ηλεκτρική ενέργεια για τις επιχειρήσεις κοινής ωφέλειας, παραγόμενο πετρέλαιο για τις ενεργειακές εταιρείες), προσδιορίζουμε το ποσοστό των εσόδων μιας εταιρείας που διατρέχει κίνδυνο με βάση τη γεωγραφική θέση και την κλίμακα παραγωγής των κύριων δραστηριοτήτων της. Ενώ οι περισσότεροι άλλοι πάροχοι δεδομένων βασίζονται στη συγκέντρωση φυσικών περιουσιακών στοιχείων χωρίς να λαμβάνουν υπόψη το μέγεθός τους, το Clarity AI χρησιμοποιεί δεδομένα παραγωγής για να αποδώσει τις πιο ακριβείς εκτιμήσεις. Τα συγκεντρωτικά μας αποτελέσματα απλοποιούν την αξιολόγηση κινδύνου, παρέχοντας την ακρίβεια που χρειάζονται τα χρηματοπιστωτικά ιδρύματα για την προστασία από κινδύνους που σχετίζονται με τη φύση.