En los últimos años, la responsabilidad social ha estado revolucionando el desarrollo sostenible. Tras el desarrollo de nuevas técnicas matemáticas, la mejora de la capacidad de procesamiento de las computadoras y una mayor disponibilidad de posibles variables explicativas, el análisis de estos temas se está moviendo hacia el uso de diferentes técnicas de aprendizaje automático. Sin embargo, dentro del campo del aprendizaje automático, el uso de técnicas Biplot es poco conocido para estos análisis. Por esta razón, en este documento exploramos el rendimiento de dos de las técnicas más populares en estadísticas multivariadas: el Biplot Logístico Externo y el HJ-Biplot, para analizar la estructura de los datos en estudios de responsabilidad social. Los resultados obtenidos de la muestra de empresas que representan la lista Fortune Global 500 indican que los indicadores más frecuentemente reportados están relacionados con los aspectos sociales, como las prácticas laborales y el trabajo decente y la sociedad. Por el contrario, la divulgación de indicadores está menos frecuentemente relacionada con los derechos humanos y la responsabilidad del producto. Además, hemos identificado los países y sectores con el mayor RSC en temas sociales. Descubrimos que ambos algoritmos de aprendizaje automático son extremadamente competitivos y prácticos para aplicar en RSC, ya que son simples de implementar y funcionan bien con conjuntos de datos relativamente grandes.