ESG指標の算出根拠となる業務データの分散を解消し開示情報の正確性を確保する方法

ESG情報の開示が実質的な義務となりつつある今、CO2排出量やエネルギー使用量、労働安全データといったESG指標の算出に必要な元データが、生産管理・設備管理・人事・経理など複数の業務システムに散らばっている問題が深刻化しています。各システムはESG開示を前提に設計されていないため、データの抽出・変換・集計をExcelや手作業で行わざるを得ず、算出ミスや二重計上が起きやすい状態です。放置すれば、開示情報の正確性が損なわれ、ステークホルダーからの信頼を失うリスクがあります。

この記事は、従業員300〜3,000名規模の製造業やサービス業で、ESGデータの取りまとめを兼務しているサステナビリティ推進担当者、経営企画部門、あるいは情報システム部門の方を想定しています。読み終えると、分散した業務データを定期的に自動収集し、ESG指標を一元的に算出・可視化するワークフローの全体像と、各ステップで使うツールの選び方がわかります。大規模エンタープライズ向けの全社統合プロジェクトや、個別ツールの網羅的なレビューは扱いません。

なお、本記事で紹介するツールの組み合わせは代表的な一例です。同じ役割を果たす別の製品でも、同様のワークフローを構築できます。

読み終えた時点で、自社の業務システムからESG指標を算出するまでの具体的なデータパイプラインの設計図と、最初に着手すべきステップが明確になっています。

Workflow at a glance: ESG指標の算出根拠となる業務データの分散を解消し開示情報の正確性を確保する方法

• Step 1: 業務システムからデータを抽出・変換・格納する (trocco) (BIツール)
• Step 2: ESG指標を集計・検証する (Google BigQuery) (BIツール)
• Step 3: ESG指標をダッシュボードで可視化・共有する (Looker Studio) (BIツール)

なぜESG指標の算出根拠データは管理不能になるのか

業務システムがESG開示を想定していない

生産管理システムには生産量や原材料の投入量が記録されていますが、それをCO2排出量に換算するための排出係数や活動量の区分は含まれていません。人事システムには労働時間や災害件数が入っていますが、GRI基準やISSB基準が求める分類軸とは異なる粒度で管理されています。経理システムにはエネルギー費用の支払実績がありますが、電力・ガス・燃料といったエネルギー種別ごとの使用量に分解するには請求書の明細を別途確認する必要があります。

つまり、各システムには断片的なデータは存在するものの、ESG指標を算出するために必要な形式では保存されていないのです。

手作業の突合が引き起こす3つのリスク

1つ目は算出ミスです。複数のExcelファイルを手動で突合する過程で、単位の変換ミスや集計範囲の漏れが発生します。特にScope 1（自社の直接排出）とScope 2（購入電力による間接排出）の区分は、エネルギー種別ごとに異なる排出係数を掛ける必要があり、手計算では間違いが起きやすい領域です。

2つ目は二重計上です。事業所ごとにデータを集める際、本社と工場で同じエネルギー契約の費用を重複して計上してしまうケースがあります。手作業では突合の証跡が残りにくく、後から検証することも困難です。

3つ目は属人化です。データの所在や変換ロジックが特定の担当者の頭の中にしかなく、異動や退職で引き継ぎが破綻します。開示期限が迫る中で担当者が不在になると、最悪の場合、開示そのものが遅延します。

年に一度の作業だからこそ仕組み化が後回しになる

ESGデータの集計は多くの企業で年次作業です。頻度が低いため、毎年同じ苦労を繰り返しながらも仕組み化の優先度が上がりません。しかし、開示基準の厳格化や第三者保証の要求が広がる中で、手作業の限界は確実に近づいています。

重要な考え方：データの変換ロジックを人の頭からツールに移す

ESGデータの集計で最も重要なのは、各業務システムから取り出した生データをESG指標に変換するロジックを、Excelの属人的な計算式ではなく、再現可能な仕組みとしてツール上に定義することです。

変換ロジックとは何か

変換ロジックとは、たとえば電力使用量（kWh）にCO2排出係数（kg-CO2/kWh）を掛けてScope 2排出量を算出する、といった計算ルールのことです。これに加えて、事業所コードと開示対象拠点の対応表、エネルギー種別の分類ルール、労働災害の重篤度区分なども含まれます。

これらのルールがExcelのセル参照や担当者のメモに埋もれている限り、毎年の集計作業は属人的なままです。ルールをETLツール（データの抽出・変換・格納を自動化するツール）の処理定義として記録すれば、誰が実行しても同じ結果が得られます。

完璧なデータ統合を目指さない

すべての業務システムをリアルタイムに連携させる必要はありません。ESG開示は年次または四半期が一般的であり、月次でデータを取り込めれば十分です。まずは最も手間がかかるCO2排出量の算出から着手し、段階的に対象指標を広げていく方が現実的です。

分散した業務データからESG指標を算出・可視化するワークフロー

ステップ 1：業務システムからデータを抽出・変換・格納する（trocco）

最初のステップでは、生産管理システム、人事システム、経理システムなどからESG算出に必要なデータを取り出し、統一されたフォーマットに変換して1か所に格納します。

担当者はサステナビリティ推進担当者または情報システム部門の担当者です。初回のみ各データソースとの接続設定と変換ルールの定義が必要ですが、2回目以降は自動実行されます。

troccoはノーコードでデータの抽出・変換・格納（ETL）を設定できるクラウドサービスです。具体的には以下の処理を定義します。

生産管理システムからは月次の生産量と原材料投入量をCSVまたはAPI経由で取得します。経理システムからはエネルギー費用の支払明細を取得し、電力・都市ガス・重油などのエネルギー種別に分類します。人事システムからは労働時間、災害件数、従業員数を取得します。

変換処理では、エネルギー使用量に環境省が公表する排出係数を掛けてCO2排出量を算出します。排出係数のマスタテーブルをtrocco上に持たせておけば、係数が更新された際もマスタを差し替えるだけで対応できます。事業所コードと開示対象拠点の対応表もマスタとして管理し、二重計上を防ぎます。

格納先はGoogle BigQueryを使います。BigQueryに格納することで、後続のBIツールから直接参照でき、大量データでも高速に集計できます。

実行頻度は月次を推奨します。troccoのスケジュール機能で毎月1日に自動実行する設定にしておけば、担当者が手動で動かす必要はありません。

ステップ 2：ESG指標を集計・検証する（Google BigQuery）

troccoで格納されたデータをGoogle BigQuery上で集計し、ESG指標の値を確定させます。

担当者はサステナビリティ推進担当者です。BigQuery上にあらかじめ集計用のSQLクエリ（データベースへの問い合わせ命令）を保存しておき、月次で実行します。

具体的には、Scope 1排出量（自社の燃料燃焼による直接排出）とScope 2排出量（購入電力による間接排出）を事業所別・月別に集計します。労働安全指標として、度数率（100万延べ労働時間あたりの災害件数）や強度率を算出します。エネルギー使用量を原単位（生産量あたりのエネルギー消費）に換算し、前年同月との比較を行います。

検証のポイントとして、前月比で20%以上の変動があった指標には自動でフラグを立てるクエリを用意しておきます。異常値の多くはデータ取り込みの欠損や単位ミスに起因するため、この段階で発見できれば手戻りを最小化できます。

集計結果はビュー（仮想的なテーブル）として保存しておくことで、後続のBIツールから常に最新の値を参照できます。

ステップ 3：ESG指標をダッシュボードで可視化・共有する（Looker Studio）

集計済みのESG指標をLooker Studioでダッシュボード化し、経営層やESG開示担当者がいつでも確認できる状態にします。

担当者はサステナビリティ推進担当者です。初回のみダッシュボードの設計が必要ですが、データソースとしてGoogle BigQueryのビューを指定しておけば、月次のデータ更新は自動で反映されます。

ダッシュボードには以下の要素を配置します。CO2排出量の推移グラフ（Scope 1とScope 2を分けて表示）、事業所別の排出量ヒートマップ、労働安全指標の月次推移、エネルギー原単位の前年比較チャートです。

開示レポートの作成時には、ダッシュボードのデータをCSVやPDFでエクスポートし、開示書類のドラフトに転記します。Looker Studioは共有リンクを発行できるため、経営層への報告もダッシュボードのURLを送るだけで完了します。

四半期ごとにダッシュボードの内容を経営会議で報告し、目標値との乖離がある場合は原因分析と改善施策の検討につなげます。

この組み合わせが機能する理由

trocco：ノーコードで変換ロジックを定義・再現できる

troccoの最大の強みは、プログラミングなしでデータの抽出・変換・格納の処理を定義できる点です。ESGデータの集計を担当するのは多くの場合、サステナビリティ推進部門や経営企画部門であり、SQLやPythonに精通しているとは限りません。troccoであれば、画面上の操作で接続先の設定、カラムのマッピング、変換ルールの定義が完結します。

一方で、troccoは接続先のシステムがAPIやCSVエクスポートに対応していることが前提です。古い生産管理システムでデータのエクスポート手段が限られている場合は、手動でCSVを出力してクラウドストレージにアップロードし、そこからtroccoで取り込む運用が必要になります。この手動ステップが残る点はトレードオフとして認識しておいてください。

また、troccoは日本発のサービスであり、日本語のサポートやドキュメントが充実しています。海外製のETLツールと比べて、国内の業務システムとの接続実績が豊富な点も選定理由です。

Google BigQuery：大量データの集計を高速かつ低コストで実行できる

Google BigQueryはクラウド上のデータウェアハウス（大規模データの格納・分析基盤）です。ESGデータの集計では、数年分の月次データを事業所別・指標別にクロス集計する処理が発生しますが、BigQueryであれば数秒で完了します。

従量課金モデルのため、月次で数回のクエリを実行する程度であれば費用はごくわずかです。無料枠（毎月1TBまでのクエリ処理と10GBまでのストレージ）の範囲で収まる企業も多いでしょう。

注意点として、BigQueryの操作にはSQLの基本的な知識が必要です。ただし、ESG指標の集計に使うSQLは定型的なものが多く、一度作成すれば使い回せます。社内にSQLを書ける人がいない場合は、初回の設定を外部パートナーに依頼し、以降は保存済みクエリを実行するだけの運用にすることを推奨します。

Looker Studio：無料で共有可能なダッシュボードを構築できる

Looker StudioはGoogleが提供する無料のBIツールです。Google BigQueryとの接続がネイティブに対応しており、設定が極めて簡単です。接続先としてBigQueryのプロジェクトとデータセットを指定するだけで、テーブルやビューの一覧が表示され、ドラッグ&ドロップでグラフを作成できます。

無料であるため、ダッシュボードの数やユーザー数に制限がなく、経営層から現場担当者まで幅広く共有できます。一方で、高度な分析機能（統計モデリングやアラート通知など）は備えていません。異常値の検知はBigQuery側のクエリで対応し、Looker Studioは可視化と共有に特化させるのが適切な使い分けです。

Recommended tool list

結論：変換ロジックをツールに移すことでESGデータの正確性と再現性を確保する

ESG指標の算出で最も危険なのは、データの変換ロジックが担当者の頭やExcelの中にしかない状態です。troccoで抽出・変換・格納を自動化し、Google BigQueryで集計・検証し、Looker Studioで可視化・共有するワークフローを構築すれば、誰が実行しても同じ結果が得られる再現性の高い仕組みが手に入ります。

最初の一歩として、自社で最も手間がかかっているESG指標を1つ選び、その算出に必要なデータがどのシステムにどの形式で存在するかを一覧表にまとめてください。そのデータマップができれば、troccoの接続設定は数日で完了し、翌月からは自動でデータが集まる状態を実現できます。

Mentioned apps: trocco, Google BigQuery, Looker Studio

Related categories: BIツール

Related stack guides: 監査時にガイドライン対応の証跡をすぐ提出できる体制を4つのツールで構築する方法, KPI改善と現場の不満が食い違うとき定量データと定性フィードバックを統合して施策の真の効果を判断する方法, AIエージェントの開発データと本番データの乖離を防ぎ精度低下と手戻りをなくす方法, AIの判断結果を人が検証・承認してから業務に反映する仕組みをつくり誤判定トラブルを防ぐ方法, マスタデータの重複登録を登録時点で防ぎ請求ミスと在庫差異をなくす方法