O que são exceções de marcação XBRL?
Os outliers de marcação XBRL são um recurso de aprendizado de máquina baseado em dados históricos XBRL arquivados que ajudam os arquivadores XBRL a identificar onde as seleções de marcação podem variar em relação ao seu grupo setorial. Semelhante a outras verificações de qualidade de dados fornecidas na experiência de Geração XBRL, os outliers de marcação XBRL são usados para ajudar a focar a revisão dessas diferenças onde elas podem ser revisadas quanto à adequação com base nas divulgações relacionadas. Atualmente, esse recurso funciona apenas nos relatórios 10-K ou 10-Q.
Os resultados são fornecidos com base em:
- Os conceitos de item de linha padrão são comparados em relação aos tópicos de divulgação aos quais estão associados em seu documento (por exemplo, elementos que aparecem em sua Divulgação de aquisição/combinação de negócios)
- Essa combinação é então comparada ao seu grupo do setor
- Os resultados atípicos são fornecidos quando essas combinações são incomuns em comparação com o grupo do setor
Se a geração incluir um outlier, você verá uma nova mensagem no painel XBRL Validation após a geração, intitulada "Insight - Tagging Outlier" Essa mensagem incluirá o conceito de outlier e o local do XBRL Outline relacionado a ele.
Ao selecionar "Review Usages", o painel XBRL Locate Concepts identificará os locais dos documentos relacionados. Além disso, o XBRL Outline abrirá diretamente para o conceito sinalizado como um outlier.
Após revisar as seleções de tags atuais e as opções alternativas, você pode atualizar para um novo elemento ou marcar a seleção como correta.
Perguntas frequentes
Quem terá acesso às mensagens?
Qualquer usuário com a função XBRL Manager poderá ver os valores discrepantes.
Quais dados são usados para treinar o modelo?
Os valores atípicos são baseados em dados XBRL registrados historicamente. A Workiva analisou e coletou dados de relatórios financeiros marcados para relatórios U.S. GAAP como parte desse processo e aplicou a ampla experiência da Workiva. Os modelos podem ser treinados periodicamente com novos dados públicos, à medida que estiverem disponíveis e forem apropriados.
Vocês estão coletando e usando nossos dados para modelos? Em caso afirmativo, quais dados especificamente?
Os modelos da Workiva não coletam ou utilizam dados de clientes.
Nosso modelo usa dados do cliente, por exemplo, números financeiros como receita ou dados de divulgação?
Atualmente, esses modelos não usam nenhum dado específico do cliente, a não ser os que estão disponíveis em registros públicos. Coletaremos metadados sobre os contextos usados (por exemplo, tags XBRL e informações de contorno) para monitorar e melhorar as sugestões que esses modelos fazem aos nossos clientes. Não usaremos dados financeiros do cliente nesses modelos.
Nosso modelo usa informações de identificação pessoal (PII)?
Não. Nenhum de nossos modelos usa PII.
Quem desenvolveu o recurso de detecção de outlier?
Esse recurso é desenvolvido inteiramente na Workiva. Não há parceiros externos envolvidos.