Dữ liệu bảng nghiên cứu ESG từ LinkedIn

Thách thức

Một nhóm nghiên cứu định lượng cần dữ liệu bảng sẵn sàng cho Stata về hoạt động LinkedIn của hơn 300 công ty, trong đó bài đăng của nhân viên được gắn nhãn theo nội dung môi trường, xã hội và quản trị (ESG).

Bối cảnh

Nhóm làm việc trên Stata và cần dữ liệu bảng: cùng một tập hơn 300 công ty được quan sát qua các khung thời gian nhiều tháng. Tín hiệu họ cần nằm trong những gì nhân viên đăng và chia sẻ trên LinkedIn, ở dạng mà không phần mềm thống kê nào đọc trực tiếp được.

Chúng tôi đã xây gì

Năm giai đoạn chạy lần lượt: hồ sơ công ty, bài đăng của công ty, lượt tương tác trên từng bài và hồ sơ của những người đã tương tác. Quy trình tự chạy tiếp sau lỗi, nên các lượt chạy kéo dài nhiều ngày không cần người giám sát. Sau đó, bước chấm điểm đối chiếu từng bài đăng với từ điển môi trường, xã hội và quản trị bằng đối sánh N-gram, và kết quả được chuyển thành file dữ liệu bảng Stata .dta bằng pandas.

Điều gì thay đổi

Nhóm nhận bộ dữ liệu bảng hơn 146 MB dưới dạng file Stata .dta, bao phủ hơn 300 công ty qua các khung thời gian nhiều tháng. Dashboard trên trang này, dựng sau đó từ file bài đăng đã bàn giao (1.395.138 dòng, 20 trường, 450 MB, tổng hợp toàn bộ), cho thấy cách bộ chấm điểm hoạt động: 108.376 bài có điểm ESG khác 0, và 19.185 bài trong số đó có điểm ở từ hai trong ba chiều trở lên.

Ràng buộc và quyết định

Bộ chấm điểm được thiết kế thận trọng: 92,2% bài đăng giữ ở mức 0 thay vì đoán, nên chỉ 7,8% có điểm. Xã hội là tín hiệu phổ biến nhất (73.949 bài), tiếp theo là quản trị (35.815) và hiếm nhất là môi trường (19.421). Số bài đăng đạt đỉnh 302.590 bài năm 2021 rồi giảm 10% vào năm 2022. Bài đăng của nhân viên có tên người thật, nên trang này chỉ hiển thị số liệu tổng hợp.

Nền tảng công nghệ

PythonSeleniumNLPpandasStata