使用 Azure 机器学习构建评估工具，ERM 两天生成 ESG 报告

成立于1971年，位于英国伦敦的全球可持续发展咨询领导者 ERM 提供环境、健康、安全、风险和社会咨询服务以及可持续性相关服务。为加速企业 ESG 评分，获取可持续发展决策，ERM 打造了一款标准化 SaaS 工具——ESG Fusion，帮助私人投资者们根据 ESG （环境、社会和治理）风险对目标企业进行评估。

在微软 Azure 机器学习的赋能下，ESG Fusion 可以在2个工作日内提供对目标企业 ESG 风险和机遇的全面评估，这是推动全球可持续商业实践的重要一步。

过去50多年来，可持续发展咨询领域的全球领导者 ERM 主要为私营公司提供 ESG 报告和评估。ESG 分数提供了一个评级体系，评估目标企业的环境足迹、应对气候变化的行动、在 DEI(多样性、公平和包容性)方面的表现以及在人权领域的记录。

ESG 评分成为帮助投资人筛选潜在投资项目的投资价值、整体风险的关键工具。同样，企业也可以获得自己的 ESG 评分，来了解自身业务实践与全球趋势和要求，观照企业自身的价值观和目标之间的差距，并知晓这一差距对未来的合作伙伴关系所带来的影响。

但快速、全面地获取 ESG 数据，一直以来都是一项相当大的挑战——公共领域中可访问数据的数量和类型因行业和公司而异。对于研究人员来说，要手动整理多达 17,000 个网址和数据源以整合整体情况，这是几乎不可能完成的任务。

ERM 使用微软 Azure 机器学习创建了ESG Fusion。ESG Fusion 会抓取搜索引擎、公司文件、可持续发展报告、地区网站、负面新闻，以及任何可能有效的公共领域信息，这些信息可以揭示一家企业的 ESG 实践情况，或是对 ESG 缺少投入。当涉及到私营企业时，ERM 客户可以检索文档并填写问卷，以提供非公开的信息。ESG Fusion还能检测和阻止“漂绿”行为（Greenwashing）。

充分利用结构性的专业知识，在节省时间的同时提供准确数据，这正是 ERM ESG Fusion 的竞争优势所在。具体来看——

ESG Fusion 对来自集中式 Azure 数据库的大量数据进行筛选、排序和分析。Azure 机器学习为分析过程提供了动力，并使开发人员可以自由地将自己的自然语言处理器(NLP)和人工智能驱动的数据管理工具引入其中。

ESG Fusion 考虑的指标总共多达100个，包括温室气体排放、水排放、运输和供应链风险等。综合这些数据点，用户可以了解一家企业的历史，同时确定其 ESG 项目随时间的增长情况。ESG Fusion 还可以优先筛选来源，使用人类专业知识来验证，以符合特定的 ESG 主题。

让人工智能对人类的专业知识负责是负责任的人工智能的核心原则，它可以洞见偏见并作出补充。

ERM 的 ESG 融合高级顾问和主题专家 Pooja Nirwal 说:“所有这些都是由拥有几十年综合经验的资深专家开发的。”这些专家可以检查目标企业在哪些方面未能实现与 ESG 相关的目标，以及他们潜在的“漂绿”行为。

在同行评议之后，客户会收到一份关于被调查企业的详细报告。过去完成尽职调查需要4到5个工作日，而 ESG Fusion 可以在2个工作日内处理完这些重要数据，所耗时间减少了50%。这一创新也极大地扩大了分析范围——ERM 现在能够在更短的时间内、更多的主题中找到带有更多术语的数据，并对其进行评估。

ESG Fusion 刚上线 Azure 应用商店，就迅速地被客户所采用。ESG Fusion 使用微软智能数据平台开发产品。ERM 专家和客户使用的门户由微软 Windows 提供支持，而 Power BI 则提供了一个干净的用户界面，分析师和客户可以快速访问关键的 ESG 报告。

Lane 说:“在 ESG Fusion 出现之前，咨询师都是在自己的领域独立研究。他们会得到主管的合作伙伴的指导，但这很耗时。这就是我们看到技术标准化价值所在的地方，它可以为我们提供一种工具，让我们把这些报告加速推向市场。这个工具就是微软的 Azure 机器学习。”

ERM 还有另一款产品使用了 Azure 机器学习——emissions.AI。这款产品有助于降低企业碳足迹。emissions.AI 和 ESG Fusion 在 Azure 架构内协同运行，以明确企业在 ESG 实践中的优势与不足，最终推动符合企业承诺的、更具价值的投资策略。

▲ 本文翻译自微软全球案例中心