La normativa ESG redefine las reglas del juego empresarial: ¿Cómo afecta a los negocios en la era de la sostenibilidad?

La creciente preocupación por el cambio climático está imponiendo nuevas reglas al juego. No importa dónde miremos, el impacto está en todas partes y nos afecta a todos. Tanto en nuestra vida cotidiana como en la profesional. Más pronto que tarde, ser «verde» será obligatorio, y no sólo una forma consciente de hacer negocios. Existen reglas, normas, estándares y políticas de ESG, y en los próximos años habrá más. Esto afectará, inevitablemente, a cómo hacemos negocios, cómo se cierran las transacciones y qué activos se considerarán elegibles en el futuro.

¿Quiere saber más sobre cómo afecta a su negocio? Y, ¿cómo está afectando su negocio al cambio climático?

El Reglamento de Taxonomía de la UE establece un marco regulador para clasificar las actividades económicas en función de su contribución a la sostenibilidad medioambiental. La idea del Reglamento de Taxonomía de la UE es la transición hacia una economía más ecológica y sostenible aportando claridad, transparencia y coherencia sobre lo que constituye ESG. Abarca una amplia gama de sectores y actividades económicas dentro de seis objetivos diferentes, centrándose inicialmente en:

Mitigación del cambio climático (CEE)
Adaptación al cambio climático

El reglamento (Decreto 2021/2178) y otras iniciativas relacionadas -como el Reglamento de Divulgación de Información sobre Finanzas Sostenibles (SFDR) y la Directiva sobre Información No Financiera (NFRD)- establecen los criterios que debe cumplir la actividad económica para ser considerada sostenible desde el punto de vista medioambiental dentro de cada objetivo. Incluye obligaciones de divulgación para los participantes en los mercados financieros (gestores de activos, compañías de seguros, fondos de pensiones y asesores de inversión). Están obligados a revelar en qué medida sus inversiones se ajustan a la Taxonomía de la UE. Adoptada en 2020, entró en vigor en julio de 2021 e incluye una aplicación escalonada. Las grandes empresas que cotizan en los mercados regulados de la UE están obligadas a revelar su alineación con la taxonomía a partir de 2022, mientras que las empresas más pequeñas (<250 empleados) lo harán en 2023. No obstante, el reglamento se ampliará progresivamente para cubrir sectores y objetivos adicionales en el futuro.

Teniendo en cuenta, por ejemplo, que el objetivo de la UE es alcanzar pronto la neutralidad climática para 2050, las carteras de activos tendrán que incluir menos activos/empresas de alto consumo energético que no cumplan las normas vigentes. Por un lado, esto creará la oportunidad para los inversores con alta liquidez que pueden comprar y renovar el activo/reestructurar la empresa; por otro, se exigirá a los propietarios/gestores de activos que tengan ciertos conocimientos sobre cada uno de sus activos en lo que se refiere a ESG.

La consecuencia de no cumplir las normas y reglamentos vigentes en materia de sostenibilidad no sólo está y estará relacionada con la reputación y el valor de la marca, sino también con el panorama normativo y la gestión de riesgos. Por el contrario, ser «verde» no sólo permitirá a una empresa tener una mejor reputación, sino que también le proporcionará acceso a diversos incentivos económicos y la posibilidad de acceder al mercado de préstamos verdes (préstamos, bonos, hipotecas…).

Ahora bien, ¿cómo puede DataCentric ayudar a mitigar los riesgos relacionados con el entorno normativo ESG?

Mitigación del cambio climático 2023 (CEE)

Tinsa ofrece una calificación energética para grandes carteras bancarias a través de las emisiones de CO2 (letra y cifra) y el consumo energético (letra y cifra) utilizando las mayores certificaciones energéticas de España, debida diligencia técnica y bases de datos de activos comparables.

Los datos sobre los que realizamos nuestro análisis se basan en datos reales, así como en datos inferidos/modelados:

CEE de Tinsa (reales)
Registro de comunidades autónomas (real)
Bases de Datos de Tinsa, Catastro y Deyde DataCentric (datos inferidos/modelados)

Así, los datos proporcionados por Deyde DataCentric pueden ser reales, inferidos o modelizados.

Disponemos del modelo más preciso del mercado con datos procedentes de las bases de datos de inmuebles de Tinsa y certificados de eficiencia energética con una cobertura nacional del 100% para inmuebles residenciales. La letra asignada (para datos no reales) está dentro de +/- una letra en el 85% de los casos, y el 99,5% de los casos está dentro de +/- dos letras de diferencia respecto a la certificación energética real.

A continuación os dejamos un modelo de la herramienta propia que ha creado Deyde DataCentric para la visualización cartográfica de las certificaciones medioambientales y el análisis del consumo.

Adaptación al cambio climático

El desarrollo de un modelo a partir de nuestra base de datos proporciona un valor real, inferido o modelizado para 44 variables diferentes que nos ayudan a medir el impacto que el cambio climático tiene en su negocio. Esto nos permite asignar la calificación Tinsa o Consensuada.

¿Por qué nosotros?

Contamos con una amplia red de técnicos y arquitectos expertos en sostenibilidad inmobiliaria y medioambiental, lo que nos permite recopilar datos reales de calidad. Además, sólo Tinsa cubre el 30% del mercado nacional lo que nos permite disponer de la base de datos inmobiliaria más completa y precisa del mercado.

Contamos con los analistas, científicos de datos e ingenieros de Big Data que nos dan acceso a la mayor y más diversa base de datos de cualquier inmobiliaria para:

– Limpiar, normalizar y validar datos

– Deducir datos

– Modelizar datos

Deyde DataCentric puede ayudarte a tener un procesamiento de hipotecas/préstamos más rápido y preciso en cumplimiento con las obligaciones ESG generadas por la Taxonomía Europea y a lograr plazos optimizados. Además, este proceso puede ayudarle a obtener parte de los fondos verdes disponibles independientemente de la actividad que realice su empresa. Asimismo, estamos aquí para ayudarle a estar un paso más cerca de mitigar diversos riesgos derivados de los posibles impactos económicos basados en el valor de mercado de la propiedad.

Nuestro equipo de expertos y las continuas mejoras de nuestras bases de datos y modelos en uso están aquí para ser tu socio comercial a largo plazo, ayudándote a sacar el máximo partido de un mundo en rápida evolución basado en decisiones basadas en datos relacionados con ESG. Solicita una reunión con nuestro equipo de expertos.

Iva Ilic

Business Development Manager

primer plano de portatil comprobando la calidad de archivos

La importancia del gobierno del dato en el área de clientes de cualquier gran empresa

Llevar a cabo una evaluación de data governance es la mejor forma de conocer cómo enfoca una empresa la gestión de datos en su condición de activos valiosos. Además, en base a esta, es posible mejorar el rendimiento del gobierno de datos.

Por lo general, al plantearse una nueva perspectiva desde la cual abordar el gobierno de los datos, las organizaciones tienden a cuestionar el estado actual de sus esfuerzos en esta área. A modo de ejemplo, una compañía puede tener la iniciativa de comenzar un programa de data governance a nivel interno. O bien, de iniciar esfuerzos al respecto en diferentes áreas o unidades de negocios y hasta emprender planes independientes de administración de datos, sin un programa de data governance.

Uno de los resultados más beneficiosos de realizar una gestión de los datos es la optimización de la relación con el cliente, pues promueve la reducción de los costes, aumenta la consistencia de la información y resuelve problemas de analítica.

A continuación, veremos cómo el gobierno de los datos afectan a nuestro ecosistema, y concretamente a nuestros clientes.

¿En qué difiere una evaluación de gobierno del dato de una auditoría?

La auditoría abarcaría una valoración de las personas, la organización y el sistema que gestionan los datos y su impacto en los procesos, proyectos o productos que dependen de dicha gestión.

Las auditorías permiten determinar la validez y la confiabilidad de la información, además de apreciar la efectividad de los controles internos de un sistema. El propósito de las auditorías es exponer una opinión acerca del sistema analizado teniendo en cuenta el trabajo efectuado en el pasado.

En cambio, una evaluación de data governance consistiría en un proceso de documentación –con criterios de medición específicos– de los conocimientos, habilidades, actitudes y enfoques sobre la gestión de datos en la actualidad. Considerando que la evaluación podría ser objetiva o subjetiva, es pertinente calificarla como óptima si incorpora las propiedades de una auditoría, mientras mantiene la metodología de evaluación de la documentación.

Gobierno del dato y su relación con su nivel de madurez en la gestión de datos

Una evaluación de esta naturaleza permitiría a las empresas medir su nivel de crecimiento y conocer su grado de madurez en la gestión de datos. Asimismo, ayudaría a preparar a la compañía para realizar nuevas acciones. En concreto, las organizaciones solicitan una evaluación de data governance y de la gestión de datos en general para:

Reducir los costes y aumentar los ingresos. Al reducir la duplicación de datos, se reducen también los esfuerzos de su gestión y la probabilidad de errores, logrando así una mayor efectividad en las acciones de marketing.
Al garantizar la consistencia y la fiabilidad de los datos del cliente, se garantiza la integridad del perfil del cliente, tales como futuros cambios en la tecnología, desafíos empresariales o nuevos flujos de datos.
Análisis e informes postventa más precisos. El data governance permite alinear la tecnología con metas específicas y proporciona una visión única, incluso cuando los datos provienen de fuentes distintas.

Por tanto, las organizaciones no deberían tener reticencias sobre el proceso de evaluación ni desestimar sus beneficios. En lugar de eso, les convendría incorporar el concepto de la evaluación independiente de sus prácticas de gobierno de datos. Una evaluación de data governance incluye revisar cómo se aplican los conceptos y prácticas del gobierno de datos y de la gestión de datos empresariales. Esto facilita a las compañías saber lo que funciona o no, cuáles son las causas y cómo aplicar mejoras a sus tareas de data governance.

¿Cómo influye en los clientes?

Hemos visto que el data governance tiene numerosas ventajas en diversos ámbitos dentro de la organización. Pero, ¿cómo puede el hecho de gestionar, relacionar y actualizar los datos afectar a nuestra relación con el cliente?

Debido a la omnicanalidad y la mayor comunicación cliente-empresa, las empresas acumulan gran cantidad de información fruto de las interacciones de sus clientes. Esto es un punto positivo pues como ya hemos visto, la información es poder, pero este hecho puede considerarse un “arma de doble filo” en el caso de que dichos datos no se encuentren relacionados y ordenados, ya que esto supondría una carga y una pérdida de tiempo.

El gobierno de datos de una empresa es un factor determinante en estos pues nos dará una visión mucho más clara y ajustada del usuario, y por lo tanto podremos utilizar sus datos de una manera más eficiente.

Alcanzar una visión única del cliente o tener un valor único del cliente consiste en unificar y contrastar toda la información que una base de datos posee de una misma persona con el fin de tener un acceso más rápido y por lo tanto eficiente a esta información. Esto incluye sus números de teléfono. e-mails, direcciones, empresa… todo unificado en el mismo perfil.

El 91% de las empresas ha asegurado que este hecho mejora de manera significativa la relación con el cliente ya que nos permite tener una visión mucho más completa y rápida sobre el usuario evitando búsquedas innecesarias que no llevan a ningún lado.

Es por ello que el gobierno de datos puede afectar directamente al desempeño en relación con nuestros clientes actuales o potenciales y nos permitirá una segmentación más ajustada.

¿Cómo llevar a cabo una evaluación de data governance?

Por supuesto que una evaluación debe adaptarse a los requerimientos específicos de cada empresa y para que resulte eficiente podría requerir de asesoría externalizada en algunos casos. Pero, en todo caso, deben incluir las siguientes fases y pasos:

Fase inicial

Examinar la documentación pertinente disponible vinculada a las prácticas actuales de gestión de datos, enfocándose en el gobierno de datos y la gestión de metadatos. Eventualmente, las evaluaciones supondrán una revisión de las prácticas de calidad de datos, pues el gobierno de datos está relacionado con la gestión de aquella.
Identificar y entrevistar a todas las partes interesadas: directivos, técnicos y operarios de todos los niveles.

Determinar las necesidades del negocio. Es decir, identificar y valorar los requerimientos actuales de la organización en las áreas de data governance y data management. Lo mismo aplicaría a la gestión de metadatos y de calidad de datos, si esta última es incluida. En conjunto con dichas necesidades, deben exponerse los requisitos normativos o de cumplimiento, así como los objetivos que la empresa establezca.

Etapa intermedia de la evaluación de data governance

A continuación, hacer la evaluación de data governance propiamente dicha, en base al estado actual de sus prácticas en la compañía. Esta ha de compararse con un modelo de madurez de data governance estándar en el sector productivo al que pertenezca la organización.
Desarrollar un documento de evaluación que ofrezca un diagnóstico concreto del estado actual, teniendo en cuenta resultados objetivos.
A partir de los requisitos determinados para el data governance, la administración de datos, la gestión de metadatos y la calidad de los datos, plantear recomendaciones sobre la situación a futuro. Junto a tales sugerencias es imprescindible presentar un análisis de las diferencias entre el estado presente y el futuro.

Fase final

Plantear una estrategia general en función de lograr las metas propuestas en las áreas mencionadas. La misma debe incluir el alcance del proyecto y la metodología que será aplicada. Esta última tendrá fundamento en las mejores prácticas y los estándares del sector.
Diseñar un programa de implementación por etapas para cada departamento.
Exponer los resultados y empezar a planificar a detalle el proyecto para la etapa inicial. Con frecuencia, dicha fase apunta hacia la implementación de un plan de data governance nuevo o mejorado.

Problemas identificables en los datos de nuestros clientes

Durante las entrevistas con las partes interesadas es factible identificar todos o algunos de los siguientes problemas relacionados con el data governance:

Adquisición de datos

Los datos provienen de múltiples fuentes. Por ejemplo distintos formularios o perfiles de rrss.
Captación mediante procesos manuales.
Carencia de una normativa para todos los perfiles.
Falta de procedimientos definidos.
Tareas y esfuerzos repetitivos.
No existe una validación de datos.
Pérdida de oportunidades.

Mantenimiento de los datos

Igualmente, la mayor parte del proceso es manual.
No se cuenta con una clasificación de los datos.
La integración de datos es difícil.
Una limpieza de datos escasa o nula.
Hay demasiados datos duplicados.
Dificultades de acceso a los datos de nuestros clientes.

Difusión de datos

No hay un registro unificado.
Los resultados de los datos no son repetibles.
Datos inexactos, incompletos, incoherentes y erróneos.
Habitualmente, la limpieza de datos se efectúa después de extraer otros datos.

Sin un Programa de Data Governance bien definido, la existencia de los silos de datos será común. Y con ellos, las incoherencias en los datos de nuestros clientes serán un grave problema. En consecuencia, la disposición de aspectos tan básicos como nombres, emails y direcciones de clientes será distinta en las áreas de ventas, logística y soporte al cliente. De entrada, esto ocasiona pérdidas como las derivadas de las devoluciones de pedidos y entregas con retraso por direcciones defectuosas o incorrectas.

Peor aún resultan las dificultades para integrar tales datos y la afectación negativa en la analítica del Business Intelligence, haciéndolo impreciso. Por si fuera poco, un Data Governance deficiente dificulta el cumplimiento de las normativas de privacidad y de seguridad en el manejo de los datos. Y ya sabemos que cualquier problema en este sentido puede ponernos en aprietos frente al RGPD de la Unión Europea.