Hva er XBRL Tagging Outliers?
XBRL-tagging outliers er en maskinlæringsdrevet funksjon basert på historiske, arkiverte XBRL-data som hjelper XBRL-arkiverere med å identifisere hvor taggvalgene kan avvike fra bransjegruppen deres. I likhet med andre datakvalitetskontroller som tilbys i XBRL Generation, brukes XBRL-tagging outliers til å fokusere gjennomgangen av disse forskjellene der de kan vurderes for hensiktsmessighet basert på de relaterte opplysningene. Denne funksjonen kjører for øyeblikket bare på 10-K- eller 10-Q-rapporter.
Resultatene er gitt basert på:
- Standardkonsepter for varelinjer sammenlignes i forhold til de opplysningstemaene de er knyttet til i dokumentet ditt (f.eks. elementer som forekommer i opplysninger om virksomhetssammenslutning/oppkjøp)
- Denne kombinasjonen sammenlignes deretter med bransjegruppen din
- Avvikende resultater oppgis når disse kombinasjonene er uvanlige sammenlignet med bransjegruppen
Hvis genereringen inneholder en outlier, vil du se en ny melding i XBRL-valideringspanelet etter genereringen, med tittelen "Insight - Tagging Outlier" Denne meldingen vil inneholde avvikskonseptet og dets tilhørende XBRL Outline-plassering.
Ved å velge "Review Usages" vil XBRL Locate Concepts-panelet identifisere relaterte dokumentlokasjoner. I tillegg åpnes XBRL Outline direkte til konseptet som er flagget som en outlier.
Når du har gått gjennom gjeldende taggvalg og alternative valg, kan du oppdatere til et nytt element eller markere valget som riktig.
Ofte stilte spørsmål
Hvem vil ha tilgang til meldingene?
Alle brukere med XBRL Manager-rollen vil kunne se avvikende verdier.
Hvilke data brukes til å trene modellen?
Uteliggere er basert på historisk arkiverte XBRL-data. Workiva har analysert og samlet inn data fra finansielle rapporter som er merket for U.S. GAAP-rapportering som en del av denne prosessen, og benyttet Workivas omfattende ekspertise. Modellene kan med jevne mellomrom trenes på nye offentlige data etter hvert som dataene blir tilgjengelige og hensiktsmessige.
Samler dere inn og bruker dataene våre til modeller? I så fall, hvilke spesifikke data?
Workivas modeller samler ikke inn eller bruker kundedata.
Bruker modellen vår kundedata, f.eks. finansielle tall som omsetning eller offentliggjøring av data?
Disse modellene bruker for øyeblikket ingen kundespesifikke data utover det som er tilgjengelig fra offentlige arkiver. Vi vil samle inn metadata om kontekstene som brukes (f.eks. XBRL-tagger og oversiktsinformasjon) for å kunne overvåke og forbedre forslagene disse modellene gir kundene våre. Vi kommer ikke til å bruke finansielle kundedata i disse modellene.
Bruker modellen vår personlig identifiserbar informasjon (PII)?
Nei, ingen av modellene våre bruker PII.
Hvem har utviklet funksjonen for oppdagelse av ekstremverdier?
Denne funksjonen er i sin helhet utviklet i Workiva. Ingen eksterne partnere er involvert.