Hyppää sisältöön
fi
en

13.8.2020

Voiko big data -analytiikasta olla apua investointipäätöksissä?

Karoliina Lindroos

Sijoittajien kannattaa hyödyntää big data -analytiikkaa ympäristö- ja yhteiskuntavaikutusten arvioinnissa, sillä sen avulla voidaan parantaa työn tehokkuutta ja laatua. Big data -analytiikkaa voidaan käyttää olennaisten riskien kartoittamiseen laajoista tietomassoista. Näin vapautetaan resursseja ihmisiin ja ympäristöön kohdistuvien merkittävimpien riskien selvittämiseen ja tarvittavien toimien kartoittamiseen.

Kerron tässä blogikirjoituksessa ajatuksiani ja kokemuksiani big datan hyödyntämisestä sijoituskohteiden toimintaympäristöön liittyvässä riskiarvioinnissa.

Finnfund tekee sijoituskohteen toimintaympäristöanalyysia osana ympäristö- ja yhteiskuntavastuun arviointia. Tämä on yksi osa-alue, jossa big data -analytiikkaa voidaan hyödyntää. Hankevalmisteluprosessin alkuvaiheessa varmistetaan, että hanke kykenee sovitulla aikavälillä täyttämään Finnfundin ympäristö- ja yhteiskuntavastuun perusehdot. Tärkeintä on varmistua, että kohdeyrityksen toiminta on sekä yhteiskunnan että ympäristön kannalta vastuullista.

Ympäristö- ja yhteiskuntavastuuta koskevasta due diligence -prosessista ja koronan vaikutuksista voi lukea Anne Arvolan ja Sylvie Fraboulet-Jussilan blogikirjoituksesta.

Sijoituskohteen toimintaympäristöanalyysi hankevalmistelussa

Toimintaympäristön analyysi on vain yksi sijoituskohteen arvioinnin osa-alue, mutta sen rooli on merkittävä. Sekä yritysten että sijoittajien on oltava perillä yrityksen toimintaympäristöstä ja siihen liittyvistä mahdollisista selkkauksista tai konflikteista. Finnfund tarvitsee tietoa voidakseen päättää, mihin kohteisiin sijoittaa ja millä ehdoilla.

Kerätyn tiedon pohjalta laaditaan suunnitelma toimista, joilla kohdeyritys voi varmistaa paikallisväestön ja -yhteisöjen oikeuksien turvaamisen ja hyvät sidosryhmäsuhteet alueella sekä välttää haasteita, viivästyksiä ja odottamattomia kustannuksia, joita huono perehtyminen paikallisiin olosuhteisiin usein aiheuttaa.

Toimintaympäristöanalyysi on tärkeää tehdä kaikkien sijoituskohteiden osalta, mutta se on tarpeen erityisesti sellaisissa hankkeissa, joihin liittyy maankäyttöä ja mahdollisia maankäytön muutoksia. Tällaisia investointeja tehdään esimerkiksi maataloudessa, metsätaloudessa ja uusiutuvassa energiassa, jotka ovat kaikki Finnfundin päätoimialoja.

Big data osana investointianalyysiä

TMP Systems on kehittänyt yhdessä Interlaken Groupin kanssa ja Ison-Britannian kehitysyhteistyöstä vastaavan ministeriön (Department for International Development, DFID) rahoituksella maksuttoman Landscope-ohjelmiston, jolla voidaan arvioida maan hallintaoikeuksiin ja konflikteihin liittyviä riskejä. Lisäksi ohjelmisto tarjoaa lisäksi tietoa ympäristöön, yhteiskuntaan ja hyvään hallintatapaan liittyvistä riskeistä ja muista tekijöistä, erilaisista konflikteista sekä köyhyystilanteesta.

Finnfund oli yhdessä kahdeksan muun kehitysrahoituslaitoksen kanssa mukana Landscopen betatestauksessa. Ohjelmisto tuottaa puolessa minuutissa raportin käyttäjän kartalta valitsemista kohdealueista, joita voi olla enintään kymmenen. Vaihtoehtoisesti järjestelmään voi syöttää myös alueiden koordinaatit. Raportista selviää, mitä yhtäläisyyksiä kohdealueilla on sellaisiin alueisiin, joilla yksityisesti rahoitetut hankkeet ovat kohdanneet maanhallintaan liittyviä haasteita.

Esimerkkinäkymä Landscopesta

 

Tiiviin riskiarvion lisäksi käyttäjä saa tietoa erityishuomiota vaativista seikoista, riskitekijäkartan sekä TMP:n ja ODIn työhön perustuvan mallipohja taloudellisen mallintamiseen, jonka avulla voi arvioida maanhallintaan liittyvien riskien vaikutusta yhtiön nettonykyarvoon. Raportti sisältää myös mittarikohtaiset erittelyt ja tarjoaa neuvoja ongelmakysymysten ratkomiseen.

Landscope esimerkiksi kertoo, jos kohdealueen lähellä on suojelualue tai jos alueella on ollut konflikteja tai hallintoon liittyviä ongelmia. Järjestelmä tekee sijoitusympäristöstä maanhallintaan liittyvän riskiarvion, taustoittaa riskejä ja antaa eväitä riskienhallintaan.

Landscopessa on poikkeuksellista se, että yhteiskunnallisten riskien kvantitatiivisessa analyysissä käytetään mittareita, jotka perustuvat yleisesti saatavilla olevan tiedon tilastolliseen tutkimukseen. Tutkimus kattoi noin 600 tapausta, joissa maanhallintaan oli liittynyt ristiriitoja. Sadoista erilaisista mittareista valikoitui lopulta neljätoista, jotka korreloivat kohonneen riskin kanssa. Tällaisesta analytiikasta on hyötyä etenkin silloin, kun kohdealueesta on tietoa niukasti. Tämä on usein tilanne esimerkiksi kehitysmaiden maaseudulla.

Onko analytiikkatyökaluista asiantuntijoiden korvaajiksi?

Sijoittajille suunnatut data-analyysityökalut ovat tavallisesti maksullisia, eivätkä ne huomioi maatasoa tai maanhallintaan liittyviä riskejä. Landscope on ensimmäinen maksuton työkalu, jossa huomioidaan molemmat. Maksuttomuus ja julkinen rahoitus tuovat tietoaineistoihin ja metodiikkaan läpinäkyvyyttä.

Kaikki Landscopessa hyödynnetty tieto on yleisesti saatavilla, mutta tiedon läpikäyminen olisi valtava urakka. Kehitysrahoittajana olemme onnekkaita siinä, että meillä on oma ympäristö- ja yhteiskuntariskien arviointiin keskittynyt tiimi, mutta etenkin haasteellisissa toimintaympäristöissä tehokkuus ja olennaiseen keskittyminen on tärkeää.

Muiden algoritmejä hyödyntävien järjestelmien tapaan Landscopen tarjoama tieto on kuitenkin monelta osin yleisellä tasolla. Big data -analytiikka ei voi eikä sen ole tarkoituskaan korvata asiantuntijoiden osaamista, mutta se voi auttaa asiantuntijoita tehostamaan työtään. Se voi auttaa huomaamaan varoitusmerkit ja keskittämään voimavaroja tärkeimpiin osa-alueisiin. Lisäksi sitä voi hyödyntää toimintasuunnitelman laatimisessa yhdessä kohdeyrityksen kanssa.

Maksuttomuus mahdollistaa maatasoon ja maanhallinnan riskianalyysiin keskittyvän työkalun kaikkien saataville ja parantaa samalla läpinäkyvyyttä. Landscope voi olla hyödyllinen työkalu myös kohdeyrityksille itselleen, rahoituksen välittäjille, konsulteille ja muille sidosryhmille.

Lansdcopen kaltaiset big data -työkalut ovat kuitenkin vasta kehityksen ensiaskel. Tekoälyn hyödyntäminen mahdollistaa tulevaisuudessa aivan toisenlaisen dataan ja analytiikkaan liittyvän räätälöinnin, oppimisen ja soveltamisen.

Karoliina Lindroos
ympäristö- ja yhteiskuntavastuuasiantuntija
(elokuuhun 2020 asti)

Kommenttisi odottaa hyväksyntää.
Kategoriat

Lue seuraavaksi: