Wat zijn XBRL tagging uitschieters?
Uitschieters in XBRL-tagging zijn een functie op basis van machinaal leren die gebaseerd is op historische, ingediende XBRL-gegevens en die XBRL indieners helpt te identificeren waar de tag-selecties kunnen afwijken van hun industriegroep. Net als bij andere controles van de gegevenskwaliteit in het kader van de XBRL Generation-ervaring, worden uitschieters van XBRL-tagging gebruikt om de controle van die verschillen te helpen focussen waar ze op geschiktheid kunnen worden gecontroleerd op basis van de gerelateerde toelichtingen. Deze functie werkt momenteel alleen op 10-K of 10-Q rapporten.
De resultaten zijn gebaseerd op:
- Standaard concepten voor regelitems worden vergeleken in relatie tot de onderwerpen in uw document waaraan ze gekoppeld zijn (bijv. elementen die voorkomen in uw informatie over bedrijfscombinaties/overnames)
- Deze combinatie wordt vervolgens vergeleken met uw industriegroep
- Uitschieters worden weergegeven wanneer die combinaties ongewoon zijn in vergelijking met de industriegroep
Als de generatie een uitbijter bevat, ziet u na het genereren een nieuw bericht in het XBRL Validatiepaneel, getiteld "Inzicht - Tagging Uitbijter" Dit bericht zal het outlier concept en de gerelateerde XBRL Outline locatie bevatten.
Door "Overzicht van gebruiksmogelijkheden" te selecteren, zal het paneel XBRL concepten lokaliseren gerelateerde documentlocaties identificeren. Bovendien zal de XBRL Outline direct geopend worden naar het concept dat als outlier gemarkeerd is.
Nadat u de huidige tag-selecties en alternatieve keuzes hebt bekeken, kunt u deze bijwerken naar een nieuw element of de selectie als correct markeren.
Veelgestelde vragen
Wie heeft er toegang tot de berichten?
Elke gebruiker met de rol XBRL Manager kan uitschieters zien.
Welke gegevens worden gebruikt om het model te trainen?
Uitschieters zijn gebaseerd op historisch ingediende XBRL-gegevens. Workiva heeft als onderdeel van dit proces gegevens geanalyseerd en verzameld uit financiële rapporten die zijn gemarkeerd voor U.S. GAAP-rapportage en de uitgebreide expertise van Workiva toegepast. Modellen kunnen periodiek worden getraind op nieuwe openbare gegevens als er gegevens beschikbaar en geschikt zijn.
Verzamelt en gebruikt u onze gegevens voor modellen? Zo ja, welke gegevens specifiek?
De modellen van Workiva verzamelen of gebruiken geen klantgegevens.
Maakt ons model gebruik van klantgegevens, bijv. financiële cijfers zoals inkomsten of openbaarmakingsgegevens?
Deze modellen gebruiken momenteel geen andere klantspecifieke gegevens dan de gegevens die beschikbaar zijn uit openbare depots. Wij zullen metadata verzamelen over de gebruikte contexten (bijv. XBRL-tags en overzichtsinformatie) om de suggesties die deze modellen aan onze klanten doen te controleren en te verbeteren. Wij gebruiken geen financiële gegevens van klanten in deze modellen.
Maakt ons model gebruik van persoonlijk identificeerbare informatie (PII)?
Nee. Geen van onze modellen gebruikt PII.
Wie heeft de Outlier Detectie ontwikkeld?
Deze functie wordt volledig binnen Workiva ontwikkeld. Er zijn geen externe partners bij betrokken.