Nors finansinė atskaitomybė suteikia standartizuotą įmonės pelno ir fiskalinės būklės apžvalgą, poveikio vertinimas gilinasi į verslo veiklos socialines ir aplinkosaugines pasekmes. Šiame palyginime nagrinėjama, kaip organizacijos subalansuoja griežtą, reglamentuotą apskaitos pasaulį su niuansuotais, tikslais pagrįstais visuomenės pokyčių duomenimis.
Organizacijos socialinio ir aplinkosauginio poveikio suinteresuotosioms šalims ir planetai kiekybinio įvertinimo ir analizės procesas.
Standartizuota įmonės finansinių rezultatų dokumentavimo praktika naudojant balansus, pelno (nuostolių) ataskaitas ir pinigų srautų ataskaitas.
| Funkcija | Poveikio matavimas | Finansinė atskaitomybė |
|---|---|---|
| Pagrindinis tikslas | Socialinė / aplinkosauginė vertė | Akcininkų pelnas / Fiskalinė būklė |
| Reguliavimo lygis | Savanoriški / besiformuojantys standartai | Griežtai reglamentuota ir privaloma |
| Duomenų tipas | Mišrus (kokybinis ir kiekybinis) | Griežtai kiekybinis (piniginis) |
| Laiko horizontas | Ilgalaikis (kartos) | Trumpalaikis (ketvirtinis/metinis) |
| Pagrindinė auditorija | Bendruomenės, Dotacijų gavėjai, Darbuotojai | Investuotojai, bankai, reguliuotojai |
| Audito standartas | Poveikio patikrinimas / sertifikavimas | Finansinis auditas (CPA/EY/PwC) |
| Sėkmės metrika | Pagerėjęs gyvenimas, sumažintas CO2 išmetimas | Grynasis pelnas, investicijų grąža, EPS |
Finansinė atskaitomybė yra verslo išlikimo kalba, pasakojanti apie tai, ar įmonė uždirba pakankamai pinigų, kad galėtų tęsti veiklą ir teikti grąžą. Kita vertus, poveikio matavimas yra tikslo kalba, padedanti organizacijai suprasti, ar jos misija iš tikrųjų įgyvendinama realiame pasaulyje.
Finansinėse ataskaitose doleris yra doleris, nepriklausomai nuo to, kur jis išleistas, laikantis pakeičiamumo principo. Poveikio matavimas reikalauja gilaus konteksto; pavyzdžiui, švaraus vandens tiekimas sausros nuniokotame regione turi visiškai kitokią „poveikio vertę“ nei jo tiekimas vietovėje, kurioje yra vandens perteklius, nepaisant to, kad kaina yra ta pati.
Jei pažvelgsite į dvi finansines ataskaitas, jas lengva palyginti, nes jos vadovaujasi tomis pačiomis taisyklėmis (kaip ir TFAS). Poveikio matavimas šiuo metu yra labiau susiskaldęs, nes įvairios organizacijos renkasi skirtingus rodiklius, todėl sunkiau palyginti „poveikį“ skirtingose pramonės šakose ar geografinėse vietovėse.
Finansinės ataskaitos daugiausia yra istorinės, jose atsižvelgiama į praėjusio ketvirčio įvykius, siekiant informuoti apie kitą ketvirtį. Poveikio matavimas dažnai naudojamas kaip nuolatinio mokymosi priemonė, kai duomenys apie socialinius rezultatus naudojami realiuoju laiku, siekiant pakeisti programas arba pagerinti paslaugų teikimą tiems, kuriems jų reikia.
Poveikio matavimas tėra „rinkodara“ arba tuščiažodžiavimas.
Šiuolaikinis poveikio vertinimas naudoja griežtus loginius modelius ir statistinę analizę. Tai esminė rizikos valdymo priemonė, kuri nustato socialinius ar aplinkosauginius įsipareigojimus dar prieš jiems patenkant į finansinį balansą.
Finansinės ataskaitos atskleidžia visą įmonės istoriją.
Finansinėse ataskaitose nėra „neįkainotų“ vertybių, tokių kaip darbuotojų moralė ar žala aplinkai. Įmonė gali būti labai pelninga teoriškai, tuo pačiu metu sunaikindama išteklius, kurių jai reikia, kad per dešimt metų egzistuotų.
Poveikio negalima išmatuoti taip griežtai kaip finansų.
Nors ir sudėtingesni, tokie metodai kaip socialinė investicijų grąža (SROI) bando priskirti piniginę vertę socialiniams rezultatams. Tai leidžia aptarti poveikį taip, kaip tai atrodo įprasta tradiciniams finansų direktoriams.
Tik ne pelno organizacijoms reikia rūpintis poveikio matavimu.
Pelno siekiančios įmonės susiduria su didžiuliu Z kartos vartotojų ir institucinių investuotojų spaudimu įrodyti savo teigiamą grynąjį poveikį. Šių rodiklių ignoravimas gali lemti mažesnį vertinimą ir įdarbinimo sunkumus.
Rinkitės finansinę atskaitomybę, kad įvykdytumėte teisinius įsipareigojimus, pritrauktumėte tradicinius investuotojus ir valdytumėte pinigų srautus. Naudokite poveikio matavimą, kad sustiprintumėte prekės ženklo lojalumą, įrodytumėte savo misiją donorams ar ESG investuotojams ir iš tikrųjų suprastumėte savo darbo žmogiškąjį palikimą.
Astrologinės prognozės susieja dangaus ciklus su žmonių patirtimi siekiant simbolinės reikšmės, o statistinės prognozės analizuoja empirinius istorinius duomenis, kad įvertintų būsimas skaitines vertes. Šiame palyginime nagrinėjamas skirtumas tarp senovinės, archetipais pagrįstos asmeninių apmąstymų sistemos ir modernios, duomenimis pagrįstos metodologijos, naudojamos objektyviam sprendimų priėmimui versle ir moksle.
Šis palyginimas nagrinėja intriguojančią prarają tarp senovinių dangaus stebėjimų ir šiuolaikinės prognozinės analizės. Astrologiniai tranzitai naudoja planetų ciklus asmeninio augimo fazėms interpretuoti, o gyvenimo įvykių tikimybių modeliai remiasi dideliais duomenimis ir statistiniais algoritmais, kad numatytų konkrečius etapus, tokius kaip karjeros pokyčiai ar sveikatos priežiūros poreikiai.
Nors retrospektyvinė analizė veikia kaip organizacijos galinio vaizdo veidrodis, analizuodama istorinius įrašus, kad suprastų praeities sėkmes ir nesėkmes, ateities prognozavimo modeliai žvelgia pro priekinį stiklą, derindami statistinius algoritmus ir mašininį mokymąsi, kad numatytų būsimus rinkos pokyčius, klientų veiksmus ir veiklos kliūtis.
Pasirinkimas tarp aukšto dažnio duomenų ir apibendrintų duomenų yra esminis kompromisas analitikoje. Nors neapdoroti, per sekundę gaunami sandoriai ir jutiklių srautai suteikia neprilygstamą tiesioginio elgesio ir rinkos mikrostruktūrų matomumą, suspausti laiko apibendrinimai pašalina didžiulį statistinį triukšmą ir didelius infrastruktūros poreikius, kad būtų galima atskleisti aiškias, struktūrines ilgalaikes tendencijas.
Pasirinkimas tarp automatinio modelių sekimo ir rankinio eksperimentų sekimo iš esmės lemia duomenų mokslo komandos greitį ir atkuriamumą. Nors automatizavimas naudoja specializuotą programinę įrangą, kad sklandžiai užfiksuotų kiekvieną hiperparametrą, metriką ir artefaktą, rankinis sekimas priklauso nuo žmogaus kruopštumo naudojant skaičiuokles arba „markdown“ failus, todėl reikia rasti griežtą kompromisą tarp sąrankos greičio ir ilgalaikio keičiamo tikslumo.
