Varje affärsbeslut värt att fatta bygger i slutändan på data någonstans i grunden. Prissättning, rekrytering, prognoser – inget av det fungerar utan siffror som folk litar på. Hållbarhetsarbete är inte annorlunda, även om det ofta behandlas så och rapporteringskraven tar upp mer tankeverksamhet. På SustainLab grundades vi på övertygelsen om att uppdaterad kvalitetsdata kan skapa förändring och samtidigt driva bättre affärer. I takt med att hållbarhetsrapportering blir alltmer reglerad, vanlig och viktig, ser vi att en stark grund och bra data är ännu mer värdefullt. Låt oss visa dig varför och hur du arbetar med det!
Varför nu?
Siffrorna bekräftar detta. En ESG-dataundersökning från Bloomberg 2024 visade att 63 % of investerare pekar ut kvaliteten och täckningen av rapporterad ESG-data som sitt främsta orosmoln, före målen eller narrativet kring dem. Genom den första vågen av CSRD-rapporter är förbättrad datakvalitet ett av de mest upprepade framåtblickande åtagandena som företag gör om sig själva – vilket är ett artigt sätt att säga att de flesta vet att deras egen grund inte är stabil ännu, men att de vill förbättra den! År 2026 stänger vi fönstret där man kan säga ”vi förbättrar vår datakvalitet”, och snart kommer det att förväntas av företag att de har en transparens i sin rapportering som också går att följa upp.
Vad innebär ett datacentrerat förhållningssätt egentligen?
Ett datacentrerat förhållningssätt (data first) innebär att du behandlar din hållbarhetsdata som det du faktiskt bygger, inte som en biprodukt av den rapport du råkar vara skyldig att leverera i år. I praktiken kokar det ner till tre saker:
Varje datapunkt har en tydlig källa och en tydlig ägare, inte svaret "någon vet säkert detta"
Data struktureras en gång och återanvänds i varje ramverk eller förfrågan som behöver den, istället för att byggas upp på nytt varje gång
Det finns en spårbar väg från siffran i en rapport tillbaka till där den faktiskt kom ifrån
Det finns ett enkelt test för att se om en siffra klarar det kravet: svarar den på hur mycket, exakt vad och hur vet du det? "Omkring 500 kg avfall" svarar inte på något av detta, men en siffra som anger den exakta mängden, delar upp den per kategori och dokumenterar hur den samlades in och verifierades svarar på alla tre. Med den typen av information har du inte bara information, du får kunskap och visdom – grunden för bättre förståelse och beslutsfattande. Beslut som kan fattas inom hållbarhet kan handla om att se trender, förstå var kapitalinvesteringar bör göras, hur initiativ för koldioxidminskning ska planeras och mycket mer.
Varför håller det inte att sätta rapporteringen först?
De flesta hållbarhetsverktyg, och de flesta interna upplägg, börjar i motsatt riktning: här är rapporten vi behöver producera, låt oss nu samla in det som fyller den. Det fungerar ända tills rapporten ändrar form, vilket inom hållbarhetsreglering sker oftare än någon skulle önska.
Det tenderar också att tyst pressa företag ner för en välkänd backe: Datakvalitet är ett spektrum, från leverantörsspecifika uppmätta siffror i den exakta, spårbara och granskningsklara änden, ner genom hybriddata, genomsnittsdata baserad på branschfaktorer, till kostnadsbaserade uppskattningar (pengar spenderade multiplicerat med en utgiftsfaktor) i den andra änden, vilket är den mest grovhuggna typen av uppskattning och den som mest sannolikt döljer er verkliga prestanda. Äldre ESG-mjukvaror och Excel tvingar inte medvetet ner någon för den backen. De gör bara den enkla vägen och den kostnadsbaserade vägen till samma väg, och glappet blir synligt först när någon – en revisor, en investerare, en ny kund – ställer en fråga som uppskattningen inte kan svara på.
Det är den andra anledningen till att ett fokus på enbart rapportering är dyrt på ett sätt som inte visar sig direkt. En rapport är inte ett enskilt steg, det är slutet på en kedja: insamling, beräkning, sammanställning, offentliggörande. Ett fel som introduceras vid insamlingen stannar inte där, det färdas genom varje steg efteråt, och det blir dyrare att åtgärda ju längre ner i strömmen det når. En datapunkt som tar fem minuter att korrigera vid insamlingen kan ta en vecka att reda ut när den väl har beräknats, publicerats och ifrågasatts av en revisor. "Skit in, skit ut" är ett gammalt talesätt av en anledning, och med ett systemtänk är datainsamlingen och datainmatningen i en ESG-mjukvara oerhört viktig!
Hur implementerar man faktiskt ett datacentrerat arbetssätt?
För att börja med ett datacentrerat tillvägagångssätt rekommenderar vi att du gör en revision eller gapanalys av dina data. Det innebär att du skaffar dig en förståelse för dina datas fullständighet, kvalitet och konsekvens, metodik och beräkningar, samt vilken ambitionsnivå du har för att förbättra dem. Är målet bättre rapportering, att lägga till hållbarhetsinsikter i affärsbeslut etc.? Att veta var ribban ligger hjälper dig att fatta beslut och prioritera insatserna.
Om det är skönt att ha en startpunkt snarare än att bygga detta från grunden, guidar SustainLabs egna Data Quality Strategy Scorecard dig igenom exakt detta. Det poängsätter fem viktade dimensioner – fullständighet, noggrannhet, aktualitet, spårbarhet och konsekvens – mot en dokumenterad mognadsskala från Reaktiv till Utvecklande, Strukturerad och Avancerad, och omvandlar svaren till en prioriterad gapanalys och handlingsplan med namngivna ägare och tidslinjer. Ladda ner Data Quality Strategy Scorecard och utvärdera ditt eget upplägg inför nästa rapporteringscykel. Om du vill gå djupare och göra en grundlig analys gör vi det som ett projekt, låt oss veta dina mål så gör vi det som en tjänst.
Varför detta är ännu viktigare med AI i bilden
Det finns en nyare anledning till att detta inte kan vänta, utöver de regulatoriska kraven. Det brittiska Financial Reporting Council publicerade en studie 2026 om AI i företagsrapportering och fann att AI endast levererar värde där underliggande data är strukturerad och tillförlitlig. Fragmenterad data pekades ut som en central begränsning. Att köra ett AI-verktyg ovanpå dålig hållbarhetsdata fixar inte datan och ger dig inte bra insikter. Om AI finns med någonstans i er hållbarhets-roadmap för de närmaste åren – och för de flesta team gör det numera det – är dataarbetet inte ett separat spår från den planen, utan det bör vara grunden och ert allra första steg.
Inget av detta handlar heller om att välja rätt ramverk. ESRS/CSRD, VSME, GHG-protokollet eller rent intern rapportering – grunden under dem alla är densamma, vilket är exakt varför det lönar sig att åtgärda den en gång för alla, oavsett vilket krav som ändras härnäst.
Din partner för framgång med data i fokus
Det är här SustainLabs egen form som företag spelar roll, inte bara vår syn på data. SustainLab är en helhetsleverantör av hållbarhetslösningar: en SaaS-plattform som automatiserar insamling, bearbetning och visualisering av hållbarhetsdata, parat med handfast rådgivning – eftersom enbart mjukvara inte löser ett dataproblem och enbart rådgivning inte kan skalas upp. Datakvalitet är inte en funktion som har klistrats på plattformen i efterhand, den är grundläggande för hur hela systemet fungerar, från mallar byggda för den detaljnivå ett team faktiskt behöver, till spårbarhet i designen, till coachning för de personer som matar in datan, eftersom väl förberedda rapportörer är den billigaste kvalitetskontroll som finns.
För team som vill ha en guidad version av detta snarare än ett självbetjäningsblad, erbjuder SustainLab redan en praktisk pilot: en generalrepetition av er rapporteringsprocess med er verkliga data, ert arbetsflöde och ert team, där glapp flaggas, åtgärder dokumenteras och mallar finjusteras längs vägen.
Nyfiken på var din egen datagrund faktiskt står? Ladda ner ESG Data Quality 101 Guide för en mer komplett bild, eller hör av dig för att prata om vad som är en bra startpunkt för ditt team!
Låt oss påskynda förändringen för bättre affärer och en bättre planet!
