five

S&P Global ESG Scores|ESG评分数据集|可持续发展数据集

收藏
Snowflake2020-09-09 更新2024-05-01 收录
ESG评分
可持续发展
下载链接:
https://app.snowflake.com/marketplace/listing/GZT0Z8P3D3G
下载链接
链接失效反馈
资源简介:
The S&P Global ESG Scores package provides access to granular sustainability-related data points collected as part of the S&P Global Corporate Sustainability Assessment (CSA) process from public and additional disclosures. The data package combines company disclosures checked against reliable public sources, media and stakeholder analysis, and in-depth company engagement. Leverage the S&P Global ESG Scores to gain insight into a deep range of environmental, social and governance data that's comparable across peers and subindustries and allows for easy aggregation at the portfolio level. Key features of this dataset include: - Scores, Media & Stakeholder Analysis, Disclosure Analysis, Criteria Rationale, Aggregates, and Year-On-Year change - Coverage of approximately 13,000 companies - Historical coverage from 2013 - Easy linking to other S&P Global Market Intelligence identifiers and data packages S&P Global ESG Scores data is regularly reviewed and updated in accordance with the relevant S&P Global Sustainable1 data quality practices.
提供机构:
S&P Global Market Intelligence
创建时间:
2020-08-19
AI搜集汇总
数据集介绍
main_image_url
构建方式
S&P Global ESG Scores数据集的构建基于全球范围内上市公司的环境、社会和治理(ESG)表现。该数据集通过系统化的数据收集和分析流程,涵盖了多个维度的ESG指标,包括但不限于碳排放、劳工实践、公司治理结构等。数据来源包括公开披露的财务报告、公司官网信息以及第三方ESG评级机构的评估结果。通过多源数据的交叉验证和加权处理,确保了数据集的全面性和准确性。
特点
S&P Global ESG Scores数据集以其高度的标准化和全球覆盖性著称。该数据集不仅提供了详细的ESG评分,还包含了每个评分的详细解释和历史趋势分析,便于用户进行深入的比较和趋势预测。此外,数据集还支持多种数据格式和API接口,方便不同用户群体进行定制化分析和应用。
使用方法
S&P Global ESG Scores数据集适用于多种应用场景,包括但不限于投资决策、风险管理、企业社会责任报告编制等。用户可以通过数据集提供的API接口或直接下载数据文件,进行自定义的数据分析和模型构建。此外,数据集还提供了详细的文档和教程,帮助用户快速上手并充分利用数据集的丰富信息。
背景与挑战
背景概述
在可持续发展日益受到全球关注的背景下,S&P Global ESG Scores数据集应运而生。该数据集由S&P Global公司开发,旨在为投资者和政策制定者提供关于企业环境、社会和治理(ESG)绩效的量化评估。自2005年首次发布以来,S&P Global ESG Scores已成为全球金融市场中的重要参考指标,帮助投资者识别潜在的可持续投资机会,同时也推动了企业对ESG实践的重视。通过整合来自多个来源的数据,该数据集不仅提升了市场透明度,还促进了全球范围内的可持续发展目标的实现。
当前挑战
尽管S&P Global ESG Scores在ESG评估领域具有广泛影响力,但其构建过程中仍面临诸多挑战。首先,ESG指标的定义和衡量标准在全球范围内尚未统一,导致数据集的构建和解读存在差异。其次,数据来源的多样性和质量不一,增加了数据整合和处理的复杂性。此外,随着企业活动的全球化,如何准确评估跨国企业的ESG绩效也是一个重大挑战。最后,数据集的更新频率和实时性要求高,以确保信息的及时性和有效性,这对数据管理和维护提出了更高的要求。
发展历史
创建时间与更新
S&P Global ESG Scores数据集由标准普尔全球公司于2019年首次发布,旨在提供全球企业的环境、社会和治理(ESG)评分。该数据集定期更新,以反映企业最新的ESG表现。
重要里程碑
S&P Global ESG Scores的发布标志着ESG评估进入了一个新的标准化和量化阶段。其首次发布后,迅速成为全球投资者、企业和监管机构的重要参考工具。2020年,该数据集进一步扩展,涵盖了更多的行业和地区,增强了其全球适用性和影响力。此外,2021年,S&P Global与道琼斯可持续发展指数(DJSI)的合作,进一步提升了其在全球ESG评估领域的权威性。
当前发展情况
当前,S&P Global ESG Scores已成为全球ESG评估的标杆之一,广泛应用于投资决策、企业战略制定和政策制定中。其数据不仅帮助投资者识别和评估潜在的ESG风险和机遇,还推动了全球企业提升其ESG表现。随着全球对可持续发展的日益重视,S&P Global ESG Scores的影响力和应用范围不断扩大,预计未来将继续引领ESG评估的发展方向,为全球可持续发展目标的实现提供有力支持。
发展历程
  • S&P Global首次发布ESG评分,标志着其在环境、社会和治理(ESG)领域的初步探索。
    2005年
  • S&P Global开始将ESG评分应用于其全球股票指数,推动了ESG因素在投资决策中的应用。
    2010年
  • S&P Global推出更全面的ESG评分框架,涵盖更多行业和公司,提升了评分的广泛性和深度。
    2015年
  • S&P Global与RobecoSAM合作,整合其ESG评分与RobecoSAM的可持续发展评估,进一步增强了评分的权威性和影响力。
    2018年
  • S&P Global发布《2020年可持续发展年鉴》,展示了全球最具可持续发展能力的公司,标志着ESG评分的应用达到了新的高度。
    2020年
常用场景
经典使用场景
在环境、社会和治理(ESG)领域,S&P Global ESG Scores数据集被广泛用于评估和比较全球企业的可持续发展表现。该数据集通过量化企业在环境、社会和治理方面的表现,为企业、投资者和政策制定者提供了重要的参考依据。其经典使用场景包括企业ESG评级、投资组合优化以及政策制定中的可持续性考量。
解决学术问题
S&P Global ESG Scores数据集解决了学术研究中关于企业可持续发展评估的难题。通过提供标准化和可比较的ESG评分,该数据集帮助学者们研究企业行为对环境和社会的影响,以及这些行为如何影响企业的长期财务表现。此外,它还促进了关于ESG信息披露和透明度的研究,推动了企业社会责任理论的发展。
衍生相关工作
S&P Global ESG Scores数据集的发布催生了一系列相关的经典工作。例如,学者们基于该数据集开发了多种ESG投资模型,用于评估和优化投资组合的可持续性。此外,该数据集还激发了关于ESG信息披露标准和方法的研究,推动了全球ESG报告框架的统一和完善。这些衍生工作不仅丰富了ESG领域的理论研究,也为实际应用提供了有力的支持。
以上内容由AI搜集并总结生成
用户留言
有没有相关的论文或文献参考?
这个数据集是基于什么背景创建的?
数据集的作者是谁?
能帮我联系到这个数据集的作者吗?
这个数据集如何下载?
点击留言
数据主题
具身智能
数据集  4098个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集

CE-CSL

CE-CSL数据集是由哈尔滨工程大学智能科学与工程学院创建的中文连续手语数据集,旨在解决现有数据集在复杂环境下的局限性。该数据集包含5,988个从日常生活场景中收集的连续手语视频片段,涵盖超过70种不同的复杂背景,确保了数据集的代表性和泛化能力。数据集的创建过程严格遵循实际应用导向,通过收集大量真实场景下的手语视频材料,覆盖了广泛的情境变化和环境复杂性。CE-CSL数据集主要应用于连续手语识别领域,旨在提高手语识别技术在复杂环境中的准确性和效率,促进聋人与听人社区之间的无障碍沟通。

arXiv 收录

China Air Quality Historical Data

该数据集包含了中国多个城市的空气质量历史数据,涵盖了PM2.5、PM10、SO2、NO2、CO、O3等污染物浓度以及空气质量指数(AQI)等信息。数据按小时记录,提供了详细的空气质量监测数据。

www.cnemc.cn 收录

用于陆面模拟的中国土壤数据集(第二版)

本研究对中国范围内0-2米六个标准深度层(0-5、5-15、15-30、30-60、60-100和100-200厘米)的23种土壤物理和化学属性进行了90米空间分辨率的制图。该数据集源自第二次土壤普查的8979个土壤剖面,世界土壤信息服务的1540个土壤剖面,第一次全国土壤普查的76个土壤剖面,以及区域数据库的614个土壤剖面。该数据集包括pH值、砂粒、粉粒、粘粒、容重、有机碳含量、砾石、碱解氮、总氮、阳离子交换量、孔隙度、总钾、总磷、有效钾、有效磷和土壤颜色(包括蒙赛尔颜色和RGB两种形式)。数据集的缺失值为“fillvalue = -32768”。数据集以栅格格式提供,有Tiff和netCDF两种格式。为了满足陆面建模中不同应用对空间分辨率的不同要求,CSDLv2 提供了 90 米、1 公里和 10公里空间分辨率的版本。各个土壤属性的单位参见说明文档。该数据集相对于第一版具有更好的数据质量,可广泛应用于陆面过程模拟等地学相关研究。

国家青藏高原科学数据中心 收录

中文《诗歌总集》

这是一个收录所有中文诗词的数据集,旨在提供一个系统、完善、高质量的诗词数据集合。数据集包括诗词的收录、校正、鉴赏和评分,并标准化为统一的JSON格式。

github 收录

AgiBot World

为了进一步推动通用具身智能领域研究进展,让高质量机器人数据触手可及,作为上海模塑申城语料普惠计划中的一份子,智元机器人携手上海人工智能实验室、国家地方共建人形机器人创新中心以及上海库帕思,重磅发布全球首个基于全域真实场景、全能硬件平台、全程质量把控的百万真机数据集开源项目 AgiBot World。这一里程碑式的开源项目,旨在构建国际领先的开源技术底座,标志着具身智能领域 「ImageNet 时刻」已到来。AgiBot World 是全球首个基于全域真实场景、全能硬件平台、全程质量把控的大规模机器人数据集。相比于 Google 开源的 Open X-Embodiment 数据集,AgiBot World 的长程数据规模高出 10 倍,场景范围覆盖面扩大 100 倍,数据质量从实验室级上升到工业级标准。AgiBot World 数据集收录了八十余种日常生活中的多样化技能,从抓取、放置、推、拉等基础操作,到搅拌、折叠、熨烫等精细长程、双臂协同复杂交互,几乎涵盖了日常生活所需的绝大多数动作需求。

github 收录