（来源：51ESG）
作者：王开
报告发布标题：ESG+skill提升研究效率——高效研究行业及公司ESG表现的自动化流程分解
报告发布日期：2026年8月21日
分析师：王开（S0930526050001）
核心观点：
搭建上市公司ESG行业对标研究三层分析框架：基于秩鼎ESG数据库，搭建一套“个体—对标—行业”三层贯通的ESG行业对标研究框架，并对应开发四个skill：esg-company-analysis（单一公司ESG分析）、esg-selected-company-comparison（精选公司横向对比）、esg-company-industry-benchmark（公司所在行业对标）、esg-industry-profile（行业ESG画像），形成结构化、可复用的分析能力。
构建“自上而下”筛选与“自下而上”双路径：“自上而下”的研究路径可实现行业画像到个体深度认知的建立，服务于“先选赛道、再选标的”的覆盖拓展；“自下而上”的研究路径适用于已有关注标的的深度研究场景，在形成一家公司ESG表现认知的基础上，进行同业对标，并总结行业共性问题及提升方向。
ESG表现和风险归因价值：框架的实质性分析贡献之一在于实现“公司特有ESG表现和风险”与“行业共性ESG表现和系统性风险”的分离——个体层识别短板、对标层定位行业位次、行业层验证共性，协助判断一项ESG劣势或风险究竟源于标的自身还是行业普遍现象，从而支撑差异化的投研判断；该能力可直接对接覆盖拓展、同业比较与行业ESG风险识别等真实研究场景。
风险提示：
本文为ESG分析框架与方法论研究，所构建skill及案例仅供研究方法参考，不构成任何投资建议。
一、公司ESG表现行业对标研究背景
1.1 ESG行业对标：从评级认知到可比研究
随着全球可持续发展理念逐渐成为共识，ESG（环境、社会与治理）已成为衡量企业长期价值与系统性风险的关键维度。近年来，中国ESG生态体系经历了从自愿探索到规则驱动、从差异化实践到标准化框架、从定性披露到量化评级的深刻转型。一方面，在监管政策的明确引导下，A股上市公司ESG报告披露率大幅攀升——截至2026年8月，已有2700多家上市公司披露可持续发展报告，整体披露率接近50%。另一方面，国内外主流ESG评级机构对A股的覆盖范围同步扩大，部分机构已将评级范围扩展至全部A股上市公司。
ESG信息披露与评级的双重覆盖范围扩大，既为系统性的行业对标研究奠定了前所未有的数据基础，也使得重塑ESG投研框架成为迫切需求。研究焦点已从“该公司有没有ESG报告、ESG评级结果如何”转向“识别行业层面的共性问题和差异化关注点”等行业解析和“该公司在行业内的ESG表现处于什么位置、与第一梯队差距多大、风险事件是否高于同业”等相对位次问题。这意味着，ESG研究的方法论重心必须从个体报告或评级判断迁移到融入行业认知的综合研判，行业对标由此成为当前ESG投研最紧迫的问题之一。
1.2 从多维数据到多维比较：ESG数据库与AI应用价值
全覆盖的评级体系和规模化披露的数据生态，为ESG行业对标提供了丰富的素材，但也制造了新的困境——信息过载。当面对数千家公司的ESG报告、多个评级机构的评分结果、数以万计的定量指标和事件数据时，传统的人工阅读、比对与研判模式面临严峻的效率瓶颈与能力瓶颈。这一困境的破解之道在于重新定义分析工具本身。
在数据层，专业ESG数据库已实现对上市公司ESG报告、年报、临时公告及政府环境处罚等多源信息的系统化整合，将碎片化的非结构化数据转化为可检索、可计算的结构化指标，从源头解决了“找数据难、对齐难”的问题。但数据库提供的仅仅是“原材料”，真正的分析壁垒不在于信息占有，而在于分析框架与数据处理的系统化能力——这正是ESG行业对标研究从“数据驱动”走向“框架驱动”的关键一环。
基于此，本研报提出并实践一种新的方法论路径：依托秩鼎ESG数据库开发专用的行业分析skill（技能），将行业对标的分析逻辑、评估规则与判断标准内嵌为结构化、可复用、可迭代的智能化分析能力。
ESG数据库与AI工具的协同价值尤其体现在行业对标场景中：它们不仅解决了数据采集的广度与速度问题，更重要的是为“相对位次刻画”提供了系统化的技术支撑——通过AI计算行业内排名、动态跟踪位次变化、智能分析同行业可比公司ESG表现，将行业内对比分析的复杂问题转化为可量化、可追踪、可验证的分析结果。AI应用系统性地弥补人工分析在效率、广度和一致性上的天然短板，使“对所有A股及H股上市公司进行动态行业对标”从理论设想变为可行实践。这也正是本框架研究的方法论落脚点——通过ESG数据库与skill的深度协同，将ESG行业对标从方法学命题转化为可落地的研究生产力。
二、研究框架与应用路径：三层可复现分析体系
2.1 研究框架：上市公司ESG行业对标研究三层分析框架
本研究框架划分“个体—对标—行业”三个层次，三层共享同一数据底座（秩鼎ESG数据库），并在数据口径上严格对齐，确保跨层结论可比、可校验：①行业分类口径默认采用申万2021二级行业分类，亦可选用GICS、中证行业分类等行业分类标准进行评估；②时间口径为同一月度截面数据，默认为当前最新月度数据；③维度分为环境、社会、治理3个一级维度，14个二级维度。
从自上而下来看，该研究路径可实现“行业筛选”到“个股定位”：
第一步：行业画像与初筛。调用esg-industry-profile对目标行业做整体画像，把握该行业ESG整体水位、重点议题分布与共性风险敞口，据此圈定值得重点跟踪的细分方向与第一梯队名单，完成“赛道级”初筛。
第二步：同业对标定位。针对初筛出的龙头或潜在标的，调用esg-company-industry-benchmark，将其ESG表现嵌入同行业可比框架，明确其在同业中的精确排名、与行业平均水平的偏离程度，以及相对于领先梯队的相对位置，从而完成行业内的对标分析；亦可调用esg-selected-company-comparison针对选定公司进行横向对比。
第三步：个体深度认知。对定位清晰的标的，调用esg-company-analysis展开个体层评估，理解其E/S/G分项结构、关键风险事件与改善趋势，建立对单家公司的完整认知。
自下而上的研究路径适用于已有关注标的的深度研究场景：
第一步：个股基线与短板识别。对关注个股调用esg-company-analysis，建立针对其ESG表现分析的基线，识别优势和短板维度与ESG风险事件，形成对该公司的初步判断。
第二步：行业坐标中的相对定位。调用esg-company-industry-benchmark，将该个股的ESG表现与行业整体及同业可比公司进行对照，评估其相对位次、优势与差距所在；若需与某一特定竞争对手直接比较，可调用esg-selected-company-comparison。
第三步：行业共性验证。应用esg-industry-profile回看行业整体ESG表现与共性议题，验证总结行业ESG表现共性特点，并区分“公司特有风险”与“行业系统性风险”，完成风险属性的定性归口。
2.2 投研应用场景映射
在上市公司ESG行业对标研究中，可根据研究需求，选择调用对应skill。四个skill统一输出Markdown与HTML版本文件，两份文件同名、内容逐字一致，一并呈现。
三、Skill详解（一）：单一公司ESG分析（esg-company-analysis）
3.1 适用场景及输入指令
本skill位于第一层个体层，是面向上市公司ESG表现的单一主体深度评估工具。它将ESG综合得分与分项得分、ESG风险事件与行业对比，整合为一份可直接结构化ESG分析报告。
主要适用场景包括：①个股ESG评估：适用于需要快速建立对某家上市公司的ESG表现的完整认知，包括ESG综合得分、E/S/G三维分项表现、近年趋势，以及相对强弱项等。②ESG风险扫描：排查目标公司的负面舆情或监管处罚记录，识别ESG风险敞口。③行业对标定位：快速定位目标公司ESG表现在行业中的排名。
典型输入指令：“分析某上市公司（或公司股票代码）的ESG表现”。
3.2 输出报告主要模块
四、Skill详解（二）：精选公司横向对比（esg-selected-company-comparison）
4.1 适用场景及输入指令
本skill位于第二层对标层，是面向选定2-4家上市公司的ESG表现横向对比工具，输出各主体的ESG得分对比、关键指标实际值对照、ESG风险事件，以及横向优劣势结论与关注点。
主要适用场景包括：①标杆/可比公司对照：分析2–4家指定上市公司ESG表现，横向对照同业标杆或可比公司在环境、社会、治理维度的表现与关键指标差异。②投资标的组合筛选：在候选池内快速比较ESG水平，辅助剔除落后标的或优选领先标的，支撑组合构建与投前立项准备。
典型输入指令：“对比上市公司A、B、C（需指定2–4家上市公司的名称或股票代码）的ESG表现”。
4.2 输出报告主要模块
五、Skill详解（三）：公司所在行业对标（esg-company-industry-benchmark）
5.1 适用场景及输入指令
本skill位于第二层对标层，是面向“某上市公司与所在行业”的多维度对标工具。它把单家公司放入行业坐标系，进行ESG得分、多维度指标、ESG风险事件对标，回答“在行业中排第几、与第一梯队差距多大、差距集中在哪个维度”等问题，并针对关键差距指标提供提升路径建议。
主要适用场景包括：①行业定位评估：评估某上市公司在行业中的ESG竞争力与相对位置，并将标的与行业龙头进行对比，洞察优劣势指标。②提升路径规划建议：确定优先改进的维度与关键差距指标，指导ESG表现提升方向。
典型输入指令：“分析某上市公司（或公司股票代码）在所属行业的ESG表现水平”。
5.2 输出报告主要模块
六、Skill详解（四）：行业ESG画像（esg-industry-profile）
6.1 适用场景及输入指令
本skill位于第三层行业层，针对行业ESG整体表现进行分析，通过全行业覆盖取分刻画行业ESG水位、重点议题与共性风险。
主要适用场景包括：①行业ESG整体评估：了解某行业ESG整体水平、分布与内部分化程度。②行业共性识别：识别行业共性特点、重点议题及普遍短板。③行业ESG风险扫描：把握行业共性风险事件类型，识别行业性ESG风险敞口。④行业对标基准：为行业内公司评价或跨行业比较提供客观的行业基准线。
典型输入指令：“分析某行业的ESG整体表现”。
6.2 输出报告主要模块
七、实证案例
在本报告搭建的“个体—对标—行业”三层分析框架中，四个skill分别对应不同层级的分析任务，形成结构化、可复用的分析能力。本章选取各skill最具代表性的重点模块进行实证案例示范，实证案例标的采用通信设备行业及该行业中的三家公司。
7.1 案例模块一：个股分项表现拆解（调用esg-company-analysis）
“esg-company-analysis”skill中的分项表现拆解模块能够梳理单一公司ESG分项指标，识别其环境、社会、治理维度的优势指标与短板指标，建立对目标公司ESG指标表现的基本认知。调用“esg-company-analysis”skill输出公司A的ESG分项表现拆解结果示例如下：
①环境维度：
②社会维度：
③治理维度：
7.2 案例模块二：各议题指标横向对比（调用esg-selected-company-comparison）
“esg-selected-company-comparison”skill中的各议题指标横向对比模块能够提取选定的2-4家公司各议题重点指标进行横向对比。调用“esg-selected-company-comparison”skill输出公司A及其可比公司公司B、公司C的各议题指标横向对比结果示例如下：
①环境排放：
②健康与安全：
③治理结构：
7.3 案例模块三：优劣势洞察（调用esg-company-industry-benchmark）
“esg-company-industry-benchmark”skill中的优劣势洞察模块将目标公司的ESG表现与行业前10名（第一梯队）进行对比分析。调用“esg-company-industry-benchmark”skill输出公司A的优劣势洞察结果示例如下：
①相对基准差距：
②重点指标对标-环境维度：
③重点指标对标-社会维度：
④重点指标对标-治理维度：
7.4 案例模块四：行业ESG风险事件画像（调用esg-industry-profile）
“esg-industry-profile”skill中的行业ESG风险事件画像模块将行业ESG风险事件进行分类统计，形成对行业ESG风险事件的分析总结。调用“esg-industry-profile”skill输出通信设备行业ESG风险事件画像结果示例如下：
①ESG风险事件总览：
②ESG风险维度结构：
③ESG风险类型分布：
7.5 案例模块五：行业共性问题与提升方向（调用esg-industry-profile）
“esg-industry-profile”skill中的行业共性问题与提升方向模块结合底层指标数据，提炼行业普遍薄弱点，并为该行业企业ESG表现提升给出路径建议。调用“esg-industry-profile”skill输出通信设备行业共性问题与提升方向结果示例如下：
①行业共性问题与提升方向：
以上五个实证案例展示了三层分析框架中四个skill的重点模块，skill基于秩鼎ESG数据库的底层数据实现从个股各维度指标拆解、同业对标到行业ESG共性分析，建立可追溯、可复现、可比较的分层分析路径，验证了上市公司ESG行业对标研究框架各层级在真实场景中的可操作性与分析能力。研究员可应用这一系列标准化、自动化的分析流程，高效、可比地开展公司与行业的ESG研究，为覆盖拓展、同业比较与行业ESG风险识别等实际投研需求提供支撑。
八、风险提示
本文为ESG分析框架与方法论研究，所构建skill及案例仅供研究方法参考，不构成任何投资建议。
