Quelles sont les valeurs aberrantes en matière de balise XBRL ?
Les valeurs aberrantes de la balise XBRL sont une fonction basée sur l'apprentissage automatique et basée sur les données historiques XBRL déposées, qui aide les déposants XBRL à identifier où les sélections de balises peuvent varier par rapport à leur groupe industriel. A l'instar des autres contrôles de qualité des données fournis dans le cadre de l'expérience de génération XBRL, les valeurs aberrantes de la balise XBRL sont utilisées pour aider à concentrer l'examen sur les différences dont la pertinence peut être révisée sur la base des divulgations connexes. Cette fonction ne s'exécute actuellement que pour les rapports 10-K ou 10-Q.
Les résultats sont fournis sur la base de :
- Les concepts de postes standard sont comparés aux thèmes de divulgation auxquels ils sont associés dans votre document (par exemple, les éléments apparaissant dans votre déclaration sur les regroupements d'entreprises/acquisitions).
- Cette combinaison est ensuite comparée à votre groupe industriel
- Les résultats aberrants sont fournis lorsque ces combinaisons sont peu courantes par rapport au groupe industriel.
Si la génération inclut une valeur aberrante, vous verrez apparaître un nouveau message dans le panneau de validation XBRL après la génération, intitulé "Insight - Tagging Outlier". Ce message inclura le concept de valeur aberrante et l'emplacement du plan XBRL correspondant.
En sélectionnant "Réviser les usages", le panneau XBRL Locate Concepts identifiera les emplacements des documents connexes. En outre, le plan XBRL s'ouvrira directement sur le concept signalé comme aberrant.
Après avoir révisé les sélections de balise actuelles et les choix alternatifs, vous pouvez mettre à jour un nouvel élément ou marquer la sélection comme correcte.
Questions fréquemment posées
Qui accèdera aux messages ?
Tout utilisateur ayant le rôle de gestionnaire XBRL pourra voir les valeurs aberrantes.
Quelles données sont utilisées pour la formation du modèle ?
Les valeurs aberrantes sont basées sur les données XBRL historiquement déposées. Dans le cadre de ce processus, Workiva a analysé et rassemblé des données provenant de rapports financiers balisés pour l'établissement de rapports selon les principes comptables généralement admis aux États-Unis (U.S. GAAP) et a mis à profit sa grande expertise. Les modèles peuvent périodiquement être formés sur de nouvelles données publiques, lorsque les données sont disponibles et appropriées.
Recueillez-vous et utilisez-vous nos données pour des modèles ? Dans l'affirmative, quelles sont les données en question ?
Les modèles de Workiva ne collectent ni n'utilisent les données des clients.
Notre modèle utilise-t-il des données relatives aux clients, par exemple des données financières telles que le chiffre d'affaires ou des données de divulgation ?
Ces modèles n'utilisent pas actuellement de données spécifiques aux clients autres que celles qui sont disponibles dans les modalités de dépôt. Nous collecterons des métadonnées sur les contextes utilisés (par exemple, des balises XBRL et des informations sur les plans) afin de suivre et d'améliorer les suggestions que ces modèles font à nos clients. Nous n'utiliserons pas les données financières des clients dans ces modèles.
Notre modèle utilise-t-il des informations personnelles identifiables (PII) ?
Aucun de nos modèles n'utilise d'informations nominatives.
Qui a développé la capacité de détection des valeurs aberrantes ?
Cette fonction est entièrement développée au sein de Workiva. Aucun partenaire extérieur n'est impliqué.