Para pemimpin keberlanjutan membutuhkan berbagai data untuk melacak, merencanakan, mengurangi risiko, dan menghasilkan efisiensi dan pertumbuhan. Masalahnya adalah lebih dari 70% responden survei yang dilakukan oleh Harvard Business Review mengakui bahwa mereka tidak terlalu efektif dalam berbagi data.

Tim keberlanjutan sering membuang banyak waktu untuk menghitung dan mengintegrasikan data. Data tidak hanya dipisahkan antara unit bisnis; itu terfragmentasi dalam unit bisnis. Pertumbuhan permintaan menyebabkan biaya energi yang lebih tinggi, emisi yang lebih tinggi, dan seterusnya. Tanpa data gabungan, Anda bahkan tidak dapat membuat perhitungan tersebut. Pembagian keuangan, rantai pasokan, dan data R&D sangat penting, mengingat peran sentral yang dimainkannya dalam keberlanjutan.

Gartner mendesak para profesional TI untuk mempersiapkan lingkungan budaya berbagi data dengan mendefinisikannya sebagai “kebutuhan bisnis”. Ini adalah konsep hukum yang membenarkan pengambilan keputusan yang dapat menyebabkan potensi tanggung jawab hukum. Profesional TI kemudian harus bekerja dengan sekutu, seperti chief financial officer (CFO), yang biasanya akan menerima keselarasan dengan penghematan biaya dan penciptaan pendapatan. Di sini, profesional TI harus menekankan pentingnya kolaborasi data daripada penimbunan data.

Untuk meningkatkan pembagian data, Gartner merekomendasikan agar setiap pemimpin bisnis memiliki tujuan keberlanjutan yang hanya dapat dicapai dengan berkolaborasi dan berbagi. Profesional TI juga harus mengidentifikasi kematangan dan kesenjangan manajemen data utama yang perlu ditutup, lalu menggabungkan data perusahaan dengan data ekosistem yang relevan menggunakan AI atau ML untuk pengoptimalan atau peningkatan.

Profesional TI harus menilai data keberlanjutan mana yang relevan untuk dibagikan. Misalnya, data operasional dalam manufaktur atau data gas rumah kaca rantai pasokan seringkali berguna untuk memusatkan dan menerapkan ML dan AI. Jenis data ini bersifat material dan signifikan dalam hal merepresentasikan dampak organisasi.

Mungkin juga berguna untuk memiliki kemampuan memecah data untuk menilai di mana harus berinvestasi, seperti manajer pabrik yang dapat mengidentifikasi perangkat yang berkinerja buruk dan perlunya penggantian. Contoh lain adalah penggunaan energi, di mana data dapat digunakan untuk melacak energi yang diperoleh dan dikonsumsi, yang secara langsung sejalan dengan biaya. Ini juga dapat mencakup energi bayangan, seperti konsumsi dan daur ulang perangkat pengguna akhir. Proses pelaporan tahunan dan laporan keberlanjutan mendapat manfaat dari sentralisasi.

Sama pentingnya untuk memutuskan data mana yang tidak relevan untuk dibagikan. Misalnya, kendaraan otonom masih dalam pengembangan. Bahkan jika suatu perusahaan sepenuhnya mengadopsi kendaraan otonom, mungkin tidak memerlukan data interval lima detik yang terpusat untuk tujuan keberlanjutan. Sebaliknya, itu bisa memusatkan awal dan akhir perjalanan, dan jarak yang ditempuh. Beberapa data akan sensitif secara kompetitif dan dapat menimbulkan moral hazard jika dibagikan secara tidak tepat.

Data dapat digunakan untuk “mengubah” perilaku internal, seperti perjalanan, waktu pertemuan, atau konsumsi alternatif daging merah. Seimbangkan dampak menyimpan, mengangkut, dan mengelola data keberlanjutan versus kegunaannya untuk melakukan perbaikan.

Misalnya, Departemen Perhubungan Virginia (VDOT) berfokus pada masalah keberlanjutan seperti kendaraan yang terhubung, stasiun pengisian daya, infrastruktur cerdas, dan pengisian daya kendaraan listrik yang dinamis. Agensi menyediakan alat pelatihan bagi karyawan untuk mengembangkan keterampilan yang dibutuhkan untuk memberikan keputusan dan solusi berbasis data.