Was sind XBRL-Tagging-Abweichungen?
XBRL-Tagging-Abweichungen sind eine auf maschinellem Lernen basierende Funktion, die auf historischen, eingereichten XBRL-Daten beruht und XBRL-Einreichern dabei hilft, zu erkennen, wo die Tag-Auswahl von ihrer Branchengruppe abweichen könnte. Ähnlich wie bei anderen Datenqualitätsprüfungen im Rahmen der XBRL-Generierung werden Abweichungen beim XBRL-Tagging verwendet, um die Prüfung auf solche Differenzen zu konzentrieren, bei denen die Angemessenheit auf der Grundlage der zugehörigen Angaben überprüft werden kann. Diese Funktion funktioniert derzeit nur bei 10-K- oder 10-Q-Berichten.
Die Ergebnisse werden auf der Grundlage von:
- Standardpostenkonzepte werden in Bezug auf die Offenlegungsthemen verglichen, mit denen sie in Ihrem Dokument verbunden sind (z. B. Elemente, die in Ihrer Offenlegung zu Unternehmenszusammenschlüssen/Übernahmen erscheinen)
- Diese Kombination wird dann mit Ihrer Branchengruppe verglichen
- Ausreißerergebnisse werden angegeben, wenn diese Kombinationen im Vergleich zur Branchengruppe ungewöhnlich sind
Wenn die Generierung eine Abweichung enthält, wird nach der Generierung eine neue Meldung im XBRL-Validierungsbereich mit dem Titel „Einblick - Tagging-Abweichung“ angezeigt Diese Nachricht enthält das Abweichungskonzept und den zugehörigen XBRL-Gliederungspunkt.
Wenn Sie „Verwendung prüfen“ auswählen, werden im Fenster „XBRL-Suchkonzepte“ die entsprechenden Dokumentenspeicherorte ermittelt. Außerdem wird die XBRL-Gliederung direkt zu dem als Abweichung gekennzeichneten Konzept geöffnet.
Nachdem Sie die aktuelle Tag-Auswahl und die alternativen Möglichkeiten überprüft haben, können Sie ein neues Element hinzufügen oder die Auswahl als richtig markieren.
Häufig gestellte Fragen
Wer hat Zugang zu den Nachrichten?
Jeder Benutzer mit der Rolle XBRL-Manager kann Abweichungen sehen.
Welche Daten werden zum Trainieren des Modells verwendet?
Die Abweichungen basieren auf historisch eingereichten XBRL-Daten. Workiva hat im Rahmen dieses Prozesses Daten aus Finanzberichten, die für die US-GAAP-Berichterstattung gekennzeichnet sind, analysiert und gesammelt und dabei das umfangreiche Know-how von Workiva genutzt. Die Modelle können in regelmäßigen Abständen mit neuen öffentlichen Daten trainiert werden, sobald diese verfügbar und geeignet sind.
Erfassen und nutzen Sie unsere Daten für Modelle? Wenn ja, welche Daten konkret?
Die Modelle von Workiva erfassen und nutzen keine Kundendaten.
Verwendet unser Modell Kundendaten, z. B. Finanzzahlen wie Einnahmen oder Offenlegungsdaten?
Diese Modelle verwenden derzeit keine anderen kundenspezifischen Daten als die, die in den öffentlichen Unterlagen enthalten sind. Wir erfassen Metadaten über die verwendeten Kontexte (z. B. XBRL-Tags und Gliederungsinformationen), um die Vorschläge, die diese Modelle unseren Kunden machen, zu überwachen und zu verbessern. Wir verwenden in diesen Modellen keine Finanzdaten von Kunden.
Verwendet unser Modell personenbezogene Daten (PII)?
Nein. Keines unserer Modelle verwendet PII.
Wer hat die Fähigkeit zur Erkennung von Abweichungen entwickelt?
Diese Funktion wurde vollständig in Workiva entwickelt. Es sind keine externen Partner beteiligt.