.svg)
Nach jeder Datenerhebung stellt sich die Frage, wie die CSR-Reporting-Daten genutzt werden können. Kurz gesagt: Wie lassen sich die Daten aussagekräftig machen, um besser zur Steuerung der Gesamtleistung des Unternehmens beizutragen?
Warum sollten CSR-Reporting-Daten analysiert werden?
Direkt nach Abschluss der Erhebung ihrer CSR-Reporting-Datenbeginnen Unternehmen mit deren Analyse. Eine fundierte Auswertung bietet zahlreiche Vorteile.
Die Analyse nichtfinanzieller Daten ermöglicht eine bessere Steuerung der wesentlichen Themen. Unternehmen bewerten und vergleichen die Ergebnisse von Standorten, Tochtergesellschaften, geografischen Regionen, Geschäftsbereichen und Fachgebieten.
Wo liegen die Grenzen „klassischer“ Analysen?
Welche Art der Analyse ist hier gemeint? Die Auswertung von Rohdaten und den dazugehörigen qualitativen Informationen. Dies ermöglicht Trendanalysen entlang verschiedener Dimensionen (Standortgröße, Land, Branche, Region, Kontinent usw.).
Um Trends auf Konzernebene zu bewerten und zu verstehen, vergleicht man häufig zunächst die Kurven der Indikatoren, die den wesentlichen Themen entsprechen. So untersucht man beispielsweise gleichzeitig die Entwicklung des Wasserverbrauchs, des Energieverbrauchs und der Produktionsmenge. Ziel ist es zu beobachten, ob sich diese Werte in die gleiche Richtung entwickeln oder ob sie generell miteinander korrelieren.
Allerdings reicht die Arbeit mit Rohdaten nicht aus, um präzise Trendanalysen durchzuführen.
Daher besteht der zweite Schritt oft darin, „Intensitäten“ zu berechnen. Dabei handelt es sich um Kennzahlen wie „Energieverbrauch pro hergestelltem Produkt“, „Wasserverbrauch pro m2 Fläche“, „Anzahl der Schulungstage pro Mitarbeiter“ usw. Diese Intensitätskennzahlen liefern wertvolle Erkenntnisse. Sie ermöglichen es, die Rohdaten zu „Energieverbrauch“, „Wasserverbrauch“ oder „Anzahl der Schulungstage“ in ein Verhältnis zu setzen.
Die Nutzung dieser Intensitätskennzahlen ist jedoch oft schwierig und kann mitunter sogar in die Irre führen:
- Eine Intensitätskennzahl beleuchtet nur einen Aspekt eines Themas und wird der tatsächlichen Komplexität eines Unternehmens nicht gerecht. Der Energieverbrauch eines Industriestandorts hängt beispielsweise nicht nur von der Anzahl der hergestellten Produkte ab, sondern möglicherweise auch von der eingesetzten Technologie, der Gebäudegröße, der Mitarbeiterzahl, dem Wetter usw. Erst durch die Berücksichtigung dieser Faktoren lässt sich die tatsächliche Energieeffizienz eines Standorts beurteilen. Es wird deutlich, dass die reine Kennzahl pro hergestelltem Produkt nicht ausreicht.
- Auf Konzernebene betrachtet, ist eine Kennzahl oft wenig aussagekräftig. Der Grund: Sie kann eine große Heterogenität der zugrunde liegenden Situationen verschleiern.
- Die Analyse der zeitlichen Entwicklung einer auf Konzernebene konsolidierten Kennzahl ist weitaus komplexer, als es den Anschein hat. So kann eine Berechnung wie die „Veränderung der globalen Kennzahl von einem Jahr zum nächsten auf Konzernebene“ den Eindruck einer Verbesserung erwecken, obwohl dies in der Realität nicht der Fall ist. Beispielsweise könnte die Kennzahl „Energieverbrauch pro produzierter Menge“ auf Konzernebene sinken. Der Grund: Die energieintensivste Aktivität ist stark zurückgegangen (etwa aufgrund sinkender Umsätze). In diesem Fall wäre die Schlussfolgerung, dass sich die Energieeffizienz des Konzerns verbessert habe, mit Sicherheit falsch.
Wie lässt sich dies vertiefen?
Es wird deutlich, dass ein tieferes Verständnis der tatsächlichen Unternehmensleistung eine genauere Analyse der CSR-Reporting-Datenerfordert. Dies setzt voraus, dass fachliches Know-how mit statistischen Modellen verknüpft wird. Ein solcher Ansatz beginnt mit dem Verständnis der Faktoren (d. h. anderer Indikatoren), die die betrachteten Rohdaten (wie den Energie- oder Wasserverbrauch, um bei den oben genannten Beispielen zu bleiben) beeinflussen können.
Anschließend ermöglicht die Analyse der Daten und ihrer Korrelationen mit diesen Faktoren mithilfe statistischer Modelle eine präzisere Einschätzung der Unternehmensleistung. Welche Standorte oder Aktivitäten sind am leistungsfähigsten? Wie entwickelt sich ihre Performance im Zeitverlauf?
Diese Art der Analyse schlägt Brücken zwischen finanziellen und nicht-finanziellen Daten. Sie eröffnet zudem neue Möglichkeiten für die Veröffentlichung künftiger integrierter Berichte. Sie fördert den Austausch nützlicher Informationen und bewährter Verfahren sowie die (Neu-)Definition von Prioritäten. Sie trägt zur Entwicklung von Innovationen bei, die wiederum den Pool an Best Practices der leistungsstärksten Unternehmensteile speisen.
Der Einsatz statistischer Modelle macht es zudem einfach, Standorte mit hohem Verbesserungspotenzial zu identifizieren. Dies ist besonders hilfreich, da sich eine solche Analyse bei hunderten von Standorten mit jeweils unterschiedlichen Merkmalen als äußerst komplex erweisen kann.
Aus dieser Art der Analyse lassen sich zudem realistische Verbesserungsziele sowie die entsprechenden Maßnahmenpläne zu deren Erreichung ableiten.
Im Sinne einer kontinuierlichen Verbesserung sollte die Analyse der CSR-Reporting-Daten auch die „Abdeckungsgrade“ berücksichtigen. Warum? Um die richtigen Fragen zur Weiterentwicklung des CSR-Reporting-Protokolls, des Indikatoren-Referenzrahmens (z. B. zur Streichung überflüssiger Fragen) und der Validierungsprozesse zu stellen.
Fazit
CSR-Reporting-Daten zum Sprechen zu bringen, ist eine wesentliche Herausforderung für die Steuerung und Verbesserung der Gesamtleistung eines Unternehmens. Diese komplexe und spannende Aufgabe erfordert die Kombination von fachlicher Expertise mit mathematischen und statistischen Analysen.
Dies ist nur für diejenigen möglich, die über zuverlässige CSR-Reporting-Daten verfügen und die nötige Zeit investieren können. Voraussetzung dafür ist eine Software für das nicht-finanzielle Reporting. Diese erleichtert die Datenerfassung, erhöht die Datenzuverlässigkeit und ermöglicht eine multidimensionale Datenanalyse.
Bildnachweis: UX Indonesia