Sedangkan di aspek sustainability data, tantangan CIO adalah mengumpulkan data yang kompleks dan tersebar di berbagai titik. “Data ini tidak cuma berada di internal perusahaan, namun juga di seluruh value chain. Hal ini yang membuat sustainability data menjadi sangat kompleks,” tambah Arun.
Terkait data, Arun melihat pentingnya perusahaan memiliki sistem untuk mengumpulkan data. “Contohnya pelaku industri manufaktur membutuhkan sensor untuk mengumpulkan data konsumsi atau emisi dari keseluruhan proses bisnis,” ungkap Arun. Perusahaan juga membutuhkan multimodel data (seperti data satelit atau geospasial) agar dapat mendapatkan sustainability data yang komprehensif.
Arun pun melihat pentingnya seluruh pemangku kepentingan untuk bekerja sama mewujudkan sistem pengumpulan data yang sistematis. “Karena tidak mungkin sebuah perusahaan sendirian mengumpulkan data dari ratusan supplier dan ribuan customer,” ungkap Arun. Harus ada sistem data terbuka yang dapat digunakan pelaku industri untuk berkolaborasi mengelola sustainability data. “Saya percaya, pemerintah dapat mengambil peran penting di inisiatif seperti ini,” ungkap Arun.
Manfaat yang Didapat dari Inisiatif Keberlanjutan
Sekilas, usaha terkait keberlanjutan menjadi beban tambahan bagi perusahaan. Akan tetapi, Arun menepis anggapan tersebut. Seperti saat menempatkan lebih banyak sensor di mesin produksi, perusahaan sebenarnya mendapatkan manfaat bisnis selain mendapatkan sustainability data. “Perusahaan akan mendapati biaya untuk mendapatkan data tersebut sepadan dengan manfaat bisnis yang didapat,” ungkap Arun mencontohkan.
Dengan kata lain, kunci sukses inisiatif keberlanjutan adalah dengan menyandingkan tujuan keberlanjutan tersebut dengan manfaat bisnis. “Jadi jangan melihat inisiatif keberlanjutan sebagai sebuah usaha yang berdiri sendiri. Tempatkan inisiatif berkelanjutan tersebut bersama dengan tujuan bisnis,” tambah Arun.
Arun mencontohkan bagaimana IBM membantu perusahaan minuman di Singapura yang sedang memperbarui platform ERP-nya agar dapat mencapai tujuan bisnis dan keberlanjutan secara bersamaan. Memanfaatkan platform data yang komprehensif, perusahaan tersebut berhasil mengurangi stok minuman kadaluarsa yang berada di pasaran. “Dan itu berarti mengurangi energi, material, dan jejak karbon,” ungkap Arun.
Contoh lain adalah perusahaan transportasi kereta api di Australia yang menggunakan IBM Maximo untuk mengelola aset. Memanfaatkan teknologi AI, perusahaan tersebut berhasil melakukan predictive maintenance yang berujung pada peningkatan usia kereta dan efisiensi operasional. Yang tak kalah penting, inisiatif ini juga meningkatkan service level yang berujung pada peningkatan kepuasan pelanggan.
“Jadi kita sebenarnya bisa mencapai tujuan bisnis dan keberlanjutan secara bersamaan,” tambah Arun.