Pergeseran fundamental dalam lanskap bisnis global saat ini menempatkan prinsip Environmental, Social, and Governance (ESG) bukan lagi sekadar inisiatif filantropi, melainkan sebagai determinan inti dari nilai dan resiliensi perusahaan publik. Di tengah tuntutan transparansi dari investor dan kepatuhan regulasi yang ketat, Big Data Analytics (BDA) dan Artificial Intelligence (AI) muncul sebagai instrumen strategis yang mengubah data mentah menjadi wawasan data-driven yang komprehensif. Pemenuhan ekspektasi ini selaras dengan teori pemangku kepentingan (stakeholder theory) di mana manajer dituntut untuk memuaskan berbagai pihak yang berkepentingan melalui pengelolaan dampak lingkungan dan sosial yang terukur. Dengan karakteristik utamanya yaitu volume, kecepatan (velocity), keragaman (variety), dan nilai (value) teknologi big data mampu memfasilitasi pengukuran ESG yang jauh lebih akurat, cepat, dan terverifikasi.

Untuk mewujudkan kapabilitas tersebut, perusahaan publik harus membangun infrastruktur data yang kuat guna mengatasi masalah “Silo Information”, yakni kondisi di mana data terkunci pada sistem yang terpisah dan sulit diintegrasikan. Data ESG bersifat sangat multidimensional, mulai dari sumber internal (seperti ERP, audit internal, laporan keuangan, dan konsumsi energi) hingga sumber eksternal (seperti sentimen media, laporan NGO, dan data satelit). Teknologi big data memecahkan hambatan ini melalui proses seperti integrasi API, Extract, Transform, Load (ETL), dan penciptaan Data Lakes yang menyelaraskan data heterogen (misalnya konversi penggunaan listrik kWh menjadi emisi setara tCO2eq). Infrastruktur data yang terpusat ini menjadi fondasi bagi perusahaan untuk melakukan evaluasi yang presisi di setiap pilar ESG.

Pada pilar Lingkungan (Environmental), fondasi data tersebut memungkinkan transisi dari sekadar pelaporan historis menuju optimasi operasional secara real-time. Pemanfaatan Internet of Things (IoT) dan sensor pintar pada fasilitas industri, misalnya dalam konsep green mining, memungkinkan pemantauan emisi gas buang, kualitas udara, serta konsumsi energi dan air secara terus-menerus. Melalui pemodelan AI, perusahaan dapat menganalisis data historis dan sensor real-time untuk memprediksi lonjakan emisi, melacak jejak karbon di seluruh rantai pasok (Scope 1, 2, dan 3), serta mendukung pencapaian target Net-Zero Emission. Pendekatan ini tidak hanya menekan dampak negatif terhadap ekosistem, tetapi juga menciptakan efisiensi yang secara langsung memangkas biaya operasional.

Transformasi yang sama juga terjadi pada pilar Sosial (Social), di mana analitik data membawa perubahan besar dalam evaluasi kesejahteraan tenaga kerja dan hubungan komunitas. Penggunaan teknologi wearable yang terhubung dengan IoT di industri berisiko tinggi memungkinkan pemantauan kondisi pekerja dan penggunaan Alat Pelindung Diri (APD) secara real-time, yang terbukti dapat meningkatkan kepatuhan dan menurunkan insiden pelanggaran K3 secara signifikan. Di ranah eksternal, teknologi Natural Language Processing (NLP) dan Large Language Models (LLMs) seperti IndoBERT dimanfaatkan untuk memantau sentimen publik di media sosial, memahami persepsi masyarakat, dan mendeteksi potensi krisis reputasi sejak dini. Analitik HR juga dapat digunakan untuk mengukur keberagaman, inklusi, dan ketimpangan upah guna memastikan keadilan di tempat kerja.

Seluruh inisiatif lingkungan dan sosial tersebut diikat oleh pilar Tata Kelola (Governance) yang kuat, di mana big data memicu lahirnya era “Audit 4.0”. Audit 4.0 menghubungkan dunia fisik dengan dunia digital menggunakan sensor dan otomatisasi untuk memberikan jaminan ( assurance) ESG yang berkelanjutan dan real-time. Dengan algoritma machine learning, sistem mampu mendeteksi anomali, mencegah praktik penipuan atau manipulasi laporan keberlanjutan (greenwashing), serta mengurangi kesalahan manusia (human error). Tata kelola berbasis digital ini memastikan bahwa perusahaan tidak hanya mematuhi regulasi yang berlaku, tetapi juga menyediakan laporan yang transparan, dapat diaudit, dan meningkatkan kepercayaan para pemangku kepentingan.

Kepercayaan dari para pemangku kepentingan ini pada akhirnya bermuara pada penciptaan nilai finansial yang superior, atau yang sering disebut sebagai “ESG Alpha”. Investor saat ini tidak lagi hanya melihat ESG sebagai kewajiban moral.

 

Referensi

  • Halim, D., Tan, C., & Rahel, K. (2025). Revolution in Audit 4.0 on ESG Assurance: Implementation of Big Data Analytics & Global Reporting Initiative. Indonesian Journal of Auditing and Accounting (IJAA), 2(1), 93-110.
  • Handayani, R. R., & Fitrianisa, E. (2025). Analisis integrasi SDGs dan ESG dalam laporan keberlanjutan PT Telkom Indonesia (Persero) Tbk tahun 2022–2024: Perspektif akuntansi keberlanjutan. Journal of Literature Review, 1(2), 431-439. https://doi.org/10.63822/z8zfn569
  • Heryana, R. P., & Soeratin, H. Z. (2025). Analisis pengaruh ESG terhadap kinerja keuangan perusahaan dengan transformasi digital sebagai variabel pemoderasi. Journal of Business Economics and Management, 1(3), 373-380.
  • Manoppo, M. R., Kolang, I. C., Fiat, D. N. N., Mawara, R. M. C., Sumarno, A. D. P., Yusupa, A., & Tarigan, V. (2025). Analisis sentimen publik di media sosial terhadap kenaikan PPN 12% di Indonesia menggunakan IndoBERT. Jurnal Kecerdasan Buatan dan Teknologi Informasi, 4(2), 152–163. https://doi.org/10.69916/jkbti.v4i2.322
  • Putra, M. K. F., Zainul, L. M., Rusba, K., Nawawi, Y., & Hardiyono. (2024). Inovasi K3: Integrasi AI dan IoT untuk meningkatkan keselamatan kerja. Ranah Research: Journal of Multidisciplinary Research and Development, 6(5), 2231-2239. https://doi.org/10.38035/rrj.v6i5.1056
  • Rahmayanti, H. (2018). Knowledge management of sustainable corporate social responsibilities Astra Group. International Journal of Business and Management Invention (IJBMI), 7(3), 12-19.
  • Resti, R. C., Salia, E., & Suatmiati, S. (2025). Implementation of the Law of the Republic of Indonesia Number 27 of 2022 concerning the protection of personal data in the big data era in Indonesia. International Journal of Social Science Research and Review, 8(5), 10-13. https://doi.org/10.47814/ijssrr.v8i5.2611