Investissement durable : quels facteurs sociaux peuvent être identifiés grâce au big data ?

Par JP Morgan AM

La révolution du « big data » a changé la donne pour l’investissement social dans l’ESG. L’explosion des sources de données alternatives a offert une fenêtre sur les entreprises que les investisseurs n’avaient jamais eue auparavant. Cela contribue à révéler des risques et des opportunités qui n’étaient pas disponibles auparavant à partir des seules divulgations des entreprises.

 

 

Dans le même temps, le développement de l’intelligence artificielle et des technologies d’apprentissage automatique permet aux investisseurs d’interpréter toutes ces données rapidement et efficacement, à l’aide d’indicateurs permettant d’identifier les actions susceptibles de bénéficier de facteurs sociaux, tout en éliminant les entreprises qui présentent des risques importants ou qui ne s’intéressent au changement social que pour la forme. Le résultat est que les investisseurs ont aujourd’hui l’opportunité, pour la première fois, de déployer des capitaux à grande échelle pour favoriser un changement social positif.

 

Quelques exemples

 

On peut ainsi passer au crible des centaines de milliers de sources de données pour identifier les facteurs sociaux des actions qui pourraient avoir un impact réel sur les résultats durables, ainsi que sur les performances financières futures.

 

Prenons à titre d’exemples la diversité, l’équité et l’inclusion. Les informations communiquées par les entreprises ont tendance à se concentrer sur les quotas, ou les chiffres clés, pour mesurer le nombre de femmes en pourcentage de la main-d’œuvre, ou la diversité ethnique d’une entreprise. Toutefois, si les quotas peuvent constituer une base importante pour encourager la diversité, il ne suffit pas d’avoir le nombre obligatoire de femmes au conseil d’administration pour qu’une entreprise soit diversifiée.

Pour avoir une vue d’ensemble, les investisseurs ont besoin d’informations plus détaillées, telles que des données sur la mobilité des femmes dans l’ensemble de l’organisation. Ils ont également besoin de voir comment l’entreprise se comporte par rapport à des mesures de diversité plus larges, telles que la race, l’orientation sexuelle, l’âge et le handicap.

 

Savoir où chercher

 

Ces informations sont disponibles, mais il faut savoir où les chercher. Les data scientists peuvent alors analyser les avis des employés sur la plateforme d’emploi Glassdoor pour mieux comprendre les problèmes qui pourraient avoir un impact négatif sur les performances, comme un mauvais moral du personnel ou une culture de travail intimidante. Les analystes peuvent parcourir LinkedIn pour voir d’autres signaux d’alarme potentiels, tels qu’une rotation élevée du personnel, qui peut à son tour faire la lumière sur des questions telles que la compétitivité et le traitement du personnel.

 

On peut également cibler des questions spécifiques à certains secteurs, comme la santé et la sécurité dans le secteur minier, où on peut analyser les données relatives aux plaintes transmises aux organisations non gouvernementales pour voir ce qui se passe sur le terrain, en termes de violations potentielles des droits de l’homme ou de dommages environnementaux.

 

Il convient alors de chercher toujours à valider et à tester les données qui sont utilisées pour détecter les biais, tout en utilisant des sources tierces pour garantir l’anonymat des données. Le résultat est une image beaucoup plus détaillée et nuancée des opportunités et des risques auxquels sont confrontées les entreprises que celle que l’on peut obtenir en examinant simplement les chiffres clés publiés par les entreprises elles-mêmes.

 

 

Consultez aussi le corner Fenêtre sur le Monde

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée.