L'importanza di corretto Tagging XBRL for Data Analysis

Alex de Jong

Alex de Jong

Alex is Partner of ParsePort Netherlands

Alex on LinkedIn

XBRL può avere alcuni importanti vantaggi per quanto riguarda l’analisi automatica di molti dati finanziari. Può fare una bella differenza nelle prospettive di velocità e precisione analitiche. Ma proprio come per tutta la business intelligence, la qualità dei dati è fondamentale. Conosciamo tutti il ​​detto “spazzatura dentro è spazzatura fuori”. Allora come possiamo garantire la qualità dei dati fin dall’inizio?

Tra un anno con l’aggiunta della dimensione XBRL per le società quotate, la creazione del rapporto annuale sarà molto diversa da quella odierna. Sempre più aziende si stanno preparando a questo grande cambiamento collaborando con aziende specializzate nella creazione di file iXBRL. Va bene, perché non puoi iniziare abbastanza presto se vuoi fornire un rapporto di qualità.

Ma anche quando hai collaborato con un fornitore XBRL, c’è ancora la questione di come viene effettivamente creato il file XBRL. Tutte le cifre devono essere mappate sulle loro controparti XBRL e devono essere apportate estensioni alla tassonomia.

Forse non sembra troppo difficile, perché la maggior parte dei provider ha elenchi in cui puoi trovare tutti i possibili elementi che puoi utilizzare. Trova semplicemente l’elemento in cui il nome corrisponde di più alla tua etichetta. E se non riesci a trovare gli elementi giusti, puoi sempre crearne uno tuo.

Dobbiamo stare attenti però, perché gli errori sono facili. A volte l’etichetta sembra corrispondere a un elemento in base al nome, ma il significato dell’elemento è diverso dal significato del numero nella relazione annuale. Può anche succedere che non ci sia alcun elemento che corrisponda affatto, ma quando si guarda più da vicino al significato degli elementi, ce n’è uno adatto che ha solo un nome completamente diverso.

Abbinare l’elemento giusto a una figura non è l’unico ostacolo. Gli elementi hanno anche determinate proprietà, come scala, equilibrio, segno e tipo. L’utilizzo di valori errati per queste proprietà può avere un impatto notevole. L’uso di un ridimensionamento di 3 invece di -3 può far sembrare le tue cifre mille volte inferiori, senza vedere una grande differenza nel rapporto. Anche la convalida della tassonomia non aiuterà qui, dal momento che i numeri probabilmente si sommano.

Interpretare la proprietà del saldo nel modo sbagliato può far sì che il rapporto abbia valori negativi dove dovrebbero essere positivi o viceversa. Anche in questo caso, non viene visualizzato nella parte leggibile del file, ma l’interpretazione automatica di un computer sarà molto diversa. Possiamo solo immaginare l’impatto quando a un certo punto questi file XBRL vengono utilizzati da algoritmi in borsa e qualcuno commette un errore come questo.

L’idea di utilizzare XBRL in primo luogo è quella di poter analizzare facilmente i report finanziari, senza dover interpretare tutto in base al contesto. Ciò consente l’elaborazione automatica e la capacità di analizzare e confrontare migliaia di rapporti tra loro.

Il confronto dei rapporti può funzionare solo se esiste una sorta di standard. Ciò significa che in un mondo ideale, tutte le cifre sono standardizzate e non sono necessarie estensioni. Più estensioni vengono utilizzate in un rapporto, più difficile diventa confrontarlo automaticamente con altri rapporti.

In conclusione, sembra che taggare un file non sia così difficile, ma taggarlo correttamente è complicato e richiede conoscenze sulla tassonomia e sul settore. Se un file non è codificato correttamente, potrebbe essere ancora valido e un revisore potrebbe comunque approvarlo, ma la qualità dell’analisi può essere molto scarsa. In questo momento ci stiamo dirigendo verso i primi report XBRL per le società quotate e può essere facile concentrarsi solo sulle normative e non pensare a una corretta etichettatura. Penso tuttavia che dovremmo concentrarci su entrambi, perché il punto centrale di XBRL è che presto vogliamo iniziare ad analizzare tutti i dati che abbiamo raccolto e non vogliamo ignorare i dati dei primi anni a causa della scarsa qualità dei dati.

Abbiamo deciso di fare il passo verso iXBRL, quindi potremmo anche sfruttare il nostro vantaggio e non farlo a metà.

Share on facebook
Share on twitter
Share on linkedin
Share on google