Bagaimana Pemodelan Risiko Boleh Membantu Perniagaan Anda Bersedia Menghadapi Kesan Perubahan Iklim 

Perubahan iklim mewujudkan cabaran yang semakin kompleks kepada perniagaan di seluruh dunia. Berikut ialah bagaimana model risiko, serta pakar yang membangunkan dan menganalisisnya, boleh membantu perniagaan anda membuat keputusan yang lebih baik dalam menghadapi ketidaktentuan.

Sejak manusia mula memahami konsep masa dan masa depan, kita sentiasa ingin mengetahui apa yang bakal berlaku. Sudah tentu, adalah mustahil untuk menggambarkan masa depan dengan tepat sepenuhnya. Namun, dalam beberapa tahun kebelakangan ini, keupayaan kita untuk meramal kebarangkalian serta kesan sesuatu peristiwa pada masa hadapan telah berkembang dengan ketara. Bidang sains yang kompleks ini dikenali sebagai pemodelan risiko (risk modeling).

Apakah itu Pemodelan Risiko?

Model risiko ialah representasi matematik sesuatu sistem yang membolehkan kita meramal dan menganalisis kemungkinan hasil yang bakal berlaku pada masa hadapan. Model ini menggunakan data sejarah bersama pengetahuan pakar bagi menganggarkan kebarangkalian serta impak sesuatu risiko melalui kaedah yang dikenali sebagai taburan kebarangkalian (probability distributions).

Model risiko juga menukarkan pelbagai jenis risiko kepada satu ukuran atau metrik kerugian yang seragam. Ini membolehkan penganalisis membandingkan risiko merentas kategori, jenis ancaman dan lokasi geografi secara konsisten.

Model risiko yang berkesan membantu perniagaan membuat keputusan yang lebih tepat dan seterusnya mengurangkan pelbagai jenis risiko, termasuk risiko berkaitan pasaran kewangan, operasi, pematuhan, ancaman geopolitik dan perubahan iklim. Selain sektor perniagaan, kerajaan juga menggunakan model risiko—termasuk model yang dibangunkan oleh industri insurans dan institusi akademik—untuk membantu membuat keputusan pelaburan awam berkaitan penyesuaian dan daya tahan terhadap perubahan iklim. Walau bagaimanapun, model risiko mempunyai satu batasan penting: ia tidak pernah memberikan jawapan yang sempurna. Model dibina berdasarkan penyederhanaan realiti, justeru ia perlu disemak, disahkan dan dikemas kini secara berkala supaya kekal relevan serta sesuai digunakan.

Pemodelan Senario vs Pemodelan Stokastik

Model risiko hadir dalam pelbagai bentuk bergantung kepada jenis ancaman yang ingin dianalisis. Namun, kebanyakannya menggunakan salah satu daripada dua pendekatan berikut:

Pemodelan Senario (Scenario Modeling). Pemodelan senario digunakan untuk membina dan menilai situasi "bagaimana jika?" yang boleh berlaku. Sebagai contoh, selepas penularan pandemik COVID-19, pakar di Zurich Insurance Group membangunkan pelbagai senario sepanjang tempoh pandemik. Apabila lebih banyak maklumat mengenai virus diperoleh, model tersebut dikemas kini bagi mengambil kira kadar jangkitan, keberkesanan vaksin dan faktor-faktor lain. Model senario lazimnya tidak bertujuan menganggarkan kebarangkalian sesuatu peristiwa berlaku. Sebaliknya, ia memberi tumpuan kepada apa yang mungkin berlaku sekiranya peristiwa tersebut benar-benar berlaku.

Pemodelan Stokastik (Stochastic Modeling). Pemodelan stokastik atau kebarangkalian pula digunakan untuk menganggarkan kemungkinan berlakunya pelbagai peristiwa dan hasil yang dipengaruhi oleh pelbagai pemboleh ubah. Sebagai contoh, model stokastik yang dibina bagi menilai risiko banjir besar mungkin mengandungi lebih daripada sejuta senario berbeza, sekali gus memberikan gambaran yang lebih terperinci mengenai pelbagai kemungkinan risiko dan kesannya.

Memetakan Kesan Perubahan Iklim

Anda tidak perlu menjadi saintis bumi untuk memahami bahawa sistem iklim dunia sangat kompleks dan sentiasa berubah. Oleh sebab itu, ia amat mencabar untuk dimodelkan. Walaupun trend keseluruhannya jelas—iaitu suhu purata dunia semakin meningkat—model iklim masih berdepan pelbagai ketidakpastian. Antaranya ialah menentukan senario yang paling sesuai untuk dimodelkan, yang banyak bergantung kepada tindakan global dalam menangani krisis iklim. Walaupun selepas sesuatu senario dipilih, tugas meramal semua kemungkinan kesan dan implikasinya masih amat rumit.

Hakikat ini menunjukkan bahawa dunia kita merupakan sistem yang dinamik, bukannya statik. Oleh itu, data sejarah sahaja tidak mencukupi untuk menggambarkan semua kemungkinan pada masa hadapan. Model iklim perlu mengambil kira andaian dan unjuran daripada saintis alam sekitar serta sentiasa dikemas kini apabila data baharu diperoleh. Pelbagai Pendekatan untuk Cabaran yang Kompleks. Kerumitan perubahan iklim memerlukan pelbagai jenis model. Model iklim membantu kita memahami perubahan iklim secara global, seperti perubahan suhu dan kelembapan. Sebaliknya, model bencana (catastrophe models atau cat models) memberi tumpuan kepada sesuatu kawasan tertentu bagi menilai risiko kejadian ekstrem seperti taufan, kebakaran hutan dan banjir. Bagi model bencana, kedua-dua aspek kebarangkalian dan impak sesuatu kejadian perlu dinilai, justeru pendekatan matematik yang berbeza diperlukan. Tambahan pula, apabila unjuran dibuat sehingga berpuluh-puluh tahun ke hadapan—seperti model Panel Antara Kerajaan Mengenai Perubahan Iklim (IPCC) yang menjangkau sehingga penghujung abad ini—semakin sukar untuk membuat kesimpulan yang benar-benar tepat. 

Fahami Risiko Khusus kepada Perniagaan Anda. Selain memahami risiko perubahan iklim secara umum, setiap perniagaan perlu menilai risiko yang benar-benar berkaitan dengan operasinya sendiri. Sering kali, model risiko yang terlalu ringkas hanya menumpukan kepada ancaman perubahan iklim terhadap masyarakat dan ekonomi secara keseluruhan. Namun, setiap organisasi juga perlu memahami tahap pendedahan dan kelemahan mereka sendiri terhadap risiko alam sekitar.

Kuasa Kecerdasan Buatan (AI)

Pemodelan risiko sememangnya bergantung kepada pengumpulan dan analisis data. Yang berubah pada hari ini ialah jumlah data yang tersedia, ketepatan data tersebut serta kuasa pengkomputeran untuk memprosesnya. Hasil kemajuan ini, pakar pemodelan risiko kini menggunakan Kecerdasan Buatan (AI) dan pembelajaran mesin (machine learning) bagi meningkatkan ketepatan ramalan risiko iklim. Di Zurich, teknologi ini membantu penganalisis memanfaatkan data sedia ada dengan lebih berkesan serta mengisi jurang maklumat melalui ramalan baharu di kawasan yang sebelum ini kekurangan data. Sebagai contoh, Zurich menggunakan rangkaian neural AI untuk menghasilkan peta bahaya global bagi keadaan iklim semasa dan masa hadapan. AI membina peta tersebut dengan menggabungkan data daripada model iklim bersama peta bahaya sedia ada. Keupayaan AI dan pembelajaran mesin menggabungkan pelbagai sumber data telah mempercepatkan penghasilan pandangan baharu mengenai risiko.

Membuat Keputusan yang Lebih Baik

Menurut Tinjauan Persepsi Risiko Global 2023 oleh World Economic Forum, empat risiko global terbesar bagi tempoh 10 tahun akan datang ialah, kegagalan mengurangkan perubahan iklim, kegagalan menyesuaikan diri dengan perubahan iklim, bencana alam dan cuaca ekstrem dan kehilangan biodiversiti serta keruntuhan ekosistem. Berhadapan dengan cabaran ini, pemodelan risiko menjadi alat yang semakin penting untuk membantu perniagaan memahami risiko perubahan iklim yang bakal dihadapi dalam jangka sederhana dan panjang.

Walau bagaimanapun, perlu diingat bahawa walaupun model semakin canggih, ia tidak dapat menghapuskan ketidakpastian sepenuhnya. Model juga bukan pengganti kepada pertimbangan yang baik, pengalaman perniagaan dan kebijaksanaan membuat keputusan. Namun, apabila dibangunkan dan digunakan dengan betul, model risiko mampu memberikan pandangan serta maklumat yang sangat bernilai bagi membantu perniagaan mengurus risiko dengan lebih berkesan dan membuat keputusan yang lebih bijak sebelum cabaran sebenar berlaku.