La Ciencia de Datos como aliada para cumplir los objetivos ESG

Por Vicent Benet y Albert Castella, Executive Managers en SDG Group.

La responsabilidad social y ambiental ha cobrado gran importancia en los últimos años. La publicación en 2022 de la Directiva Europea sobre la información corporativa en materia de sostenibilidad (CSRD) obliga a las grandes organizaciones a reportar una cantidad significativa de información ESG a partir del año fiscal 2025. El creciente desarrollo y evolución del marco legal en torno a la sostenibilidad han generado mucho interés en las grandes compañías, que se enfrentan al reto de capturar y consolidar una información heterogénea para cumplir con la normativa. En este sentido, el análisis de datos juega un papel crucial en la implementación efectiva de políticas ESG (Environmental, Social, and Governance).

La importancia de los datos en una estrategia ESG
Una buena estrategia de datos es clave para alcanzar los objetivos de sostenibilidad. Disponer de una plataforma única donde se centralizan los datos de calidad es la base fundamental para agilizar el proceso de creación de los informes regulatorios, definir un plan de sostenibilidad efectivo, permitir un seguimiento continuo de su ejecución y realizar las acciones correctivas necesarias.

Las empresas que disponen de unas bases sólidas a nivel tecnológico y organizativo en torno al dato partirán de una situación de ventaja, ya que una gran parte de la información requerida por la normativa estará ya disponible en su plataforma. Los datos sobre Recursos Humanos, compras, producción, logística y ventas son algunos de los activos necesarios para el análisis de la sostenibilidad corporativa en tres ámbitos principales:

* Medición del impacto ambiental: Es necesario para controlar las emisiones de gases de efecto invernadero en la cadena de suministro, el consumo de agua y energía en las instalaciones de producción e incluso la generación y gestión de residuos, donde se incluyen los productos farmacéuticos.

* Evaluación de prácticas sociales: La diversidad y la inclusión en la fuerza laboral, así como la colaboración intersectorial para compartir buenas prácticas, son algunos ejemplos. También se puede analizar el acceso equitativo a medicamentos en comunidades desfavorecidas o las prácticas éticas en ensayos clínicos y marketing.

* Gobernanza y cumplimiento normativo: Resulta clave controlar la transparencia en la fijación de precios de medicamentos, la gestión de riesgos en la cadena de suministro y por supuesto, el cumplimiento de estándares éticos y regulatorios.

No obstante, disponer de una plataforma unificada de datos no es la única garantía de éxito. Existen tres grandes desafíos en el proceso de recopilación y análisis de los datos ESG; que también influyen en la gestión de la información. En primer lugar, la disponibilidad del dato, al que se accede de forma directa y sencilla, o por el contrario, puede pertenecer a otros agentes de la cadena de suministro. En este sentido, se deben definir metodologías de cálculo indirectas o explorar colaboraciones con los clientes y proveedores. En segundo lugar, es importante estudiar la calidad y detalle del dato para poder definir planes accionables y medibles e identificar el origen de las ineficiencias. El último desafío es la automatización y la frecuencia del análisis. La automatización del proceso de obtención de datos permite realizar análisis trimestrales, mensuales e incluso ad-hoc que ayudan a identificar de forma anticipada desviaciones respecto al plan de sostenibilidad y plantear acciones para su consecución.

Estrategias para una gestión efectiva de datos ESG
Más allá de la definición de una estrategia clara en torno al dato, existen otras iniciativas complementarias que permiten garantizar una buena adaptación al nuevo entorno de datos ESG y su marco normativo.

1) Fase de análisis. Es importante definir funcionalmente todos los puntos de datos requeridos por la normativa, para priorizar la captura de datos con un mayor impacto en términos ESG.

2) Productos de mercado versus soluciones customizadas. Los productos especializados simplifican el proceso de crear, compartir y certificar informes regulatorios de sostenibilidad. No obstante, el proceso de análisis funcional y la automatización de la captura de los datos siguen siendo pasos necesarios que los productos actuales no cubren de forma efectiva. 

3) Uso de la IA. La Inteligencia Artificial puede ayudar en la automatización de la captura de datos de fuentes no estructuradas, como documentos de clientes y proveedores.

4) Colaboración con proveedores y clientes. Es crucial para obtener datos completos y precisos a lo largo de la cadena de valor. En este sentido, la fase de análisis -mencionada anteriormente- es importante para priorizar la colaboración con los agentes de mayor impacto y definir estrategias temporales o alternativas para el resto.

Además, es importante presentar una visión sostenible, eficiente y responsable en el diseño e implementación de este tipo de proyectos. Para ello, están surgiendo con fuerza en el mercado algunas tendencias tecnológicas sostenibles, como Carbon Aware Computing, que propone el desarrollo de algoritmos con mayor eficiencia computacional y Circular Data Economy, que permite la reutilización eficiente de los datos para reducir los costes de almacenamiento. Por supuesto, es muy importante el desarrollo de una IA responsable que detecte sesgos en los modelos y asegure la privacidad en el tratamiento de los datos.

En definitiva, la Ciencia de Datos es la columna vertebral de una estrategia ESG efectiva en el sector farmacéutico. El poder de los datos permite que las empresas puedan medir y reportar su impacto, y al mismo tiempo, impulsar un cambio positivo y sostenible en la industria y en la sociedad en general. De la misma forma, la integración de los datos ESG también favorece la toma de decisiones estratégicas. Las empresas farmacéuticas que dominen la gestión y análisis de datos ESG no solo cumplirán con las expectativas regulatorias y de los inversores, sino que también descubrirán nuevas oportunidades de innovación y creación de valor.

En SDG Group estamos comprometidos con nuestros clientes para ayudarles a conseguir todos sus objetivos de ESG a través de la Ciencia de Datos. Desde el Análisis avanzado y la Inteligencia Artificial hasta el desarrollo de estrategias de datos, que garanticen la calidad y el cumplimiento normativo para la creación de soluciones innovadoras para la industria farmacéutica.

Si os ha parecido interesante, os recomendamos otros artículos relacionados:

Medición del retorno en los proyectos de IA
Un proyecto de migración cloud en la industria farmacéutica
La IA generativa, los modelos NLP y su aplicación a la industria farmacéutica
La IA Generativa, una herramienta esencial en el marketing farmacéutico
Smart tagging, una estrategia cualitativa al servicio del sector farma
Del Real World Data al Real World Evidence gracias a la analítica avanzada aplicada al sector farma
Dimensionamiento de la fuerza de ventas en la gestión del sector farma