ESG大数据是指通过海量、多样化的数据源收集、整合和分析与环境（Environmental）、社会（Social）和公司治理（Governance）相关的非结构化与结构化数据集。这类数据通常来源于卫星遥感、物联网传感器、企业公开报告、社交媒体舆情、供应链交易记录等多维渠道，其核心特征在于数据体量的规模性（Volume）、来源的多样性（Variety）以及更新时效性（Velocity）。与传统ESG评级依赖的有限披露数据不同，ESG大数据通过机器学习算法和自然语言处理技术，能够捕捉传统评估方法难以量化的隐性风险与机遇，例如通过实时监测工厂排放数据追踪环境合规性，或通过全球新闻文本挖掘识别供应链中的劳工权益隐患。
在实践层面，ESG大数据的应用正深刻重塑投资决策与企业管理模式。资产管理公司可利用气候模型与地理空间数据的融合分析，评估投资组合的物理气候风险敞口；制造业企业则通过整合供应链各层级的ESG大数据，构建动态化的可持续采购评分体系。值得注意的是，数据质量治理与算法透明度成为当前ESG大数据落地的关键挑战——不同来源的数据可能存在口径差异或时空尺度不匹配，而黑箱化的分析模型也可能引发责任归属争议。普华永道2023年发布的《ESG数据革命》白皮书指出，建立统一的数据标准框架和可解释的AI模型将是未来发展的重点方向。