El costo de la regulación gubernamental es visto cada vez más como una carga por muchos en el Congreso y los tribunales, que buscan limitar el alcance de las agencias reguladoras. Al mismo tiempo, los datos recopilados por las agencias reguladoras son cada vez más importantes para el funcionamiento de una economía moderna. Con el aumento de los riesgos geopolíticos, ambientales, de mercado, de liquidez, de contraparte y políticos, la necesidad de contar con información oportuna y completa es esencial para sortear estos riesgos. Es preciso reducir el costo y la carga de la recopilación de datos, y mejorar la accesibilidad a los datos. Ambas cosas se pueden lograr a través de la estandarización.
Los reguladores pueden ser reacios a adoptar la estandarización, ya que creen que limita su flexibilidad para regular como mejor les parezca. Esta es una trampa que debe evitarse. La estandarización digital impone un enfoque disciplinado y estructurado que da como resultado un marco regulatorio transparente, sólido e imparcial. A medida que los reguladores consideran la implementación de la FDTA, es importante tener en cuenta lo que constituye el éxito: mejores datos, costos reducidos, mayor flexibilidad. No debemos conformarnos con menos.
Con ese fin, instamos a los organismos a que tengan en cuenta nuestras recomendaciones, que se destacan en este resumen y se explican con mayor detalle a continuación. En primer lugar, recomendamos encarecidamente que las agencias adopten una única estructura de modelo de datos semánticos (XBRL) en lugar del enfoque basado en propiedades descrito en la propuesta de regla. El enfoque propuesto dará lugar a que los organismos continúen gestionando conjuntos de datos discretos y aislados como lo hacen actualmente, que no son interoperables y no pueden combinarse ni compartirse e inventariarse automáticamente.
La adopción de un único modelo de datos semánticos, como explicamos en esta carta de comentarios, ayudará a las agencias a realizar economías de escala y reducirá los costos para los reguladores y las entidades informantes, así como para los usuarios de los datos: ciudadanos, inversores, responsables de la formulación de políticas e investigadores. El estándar XBRL puede expresar muchos tipos de datos, incluidos datos financieros y no financieros; y puede armonizarse con otros estándares que expresan de manera única ciertos tipos de datos, como el estándar ACTUS para contratos financieros, estándares de mensajería como FpML, FIX Protocol, ISO 20022; identificadores de entidades como el IPJ; clasificaciones de instrumentos financieros como CFI, FIBO y UPI; y más.
Entre las ventajas de la estructura del modelo de datos semántico único se incluyen:
● Los datos producidos por las colecciones de la Agencia serán legibles y comprensibles por máquinas, eliminando la necesidad de introducir y examinar datos manualmente, estableciendo un lenguaje digital común para todas las partes interesadas. Los datos serán interoperables, compartibles y podrán mezclarse e inventariarse. Esto es factible porque, aunque la Agencia, la entidad informante y los datos reportados son diferentes, la estructura de los datos es la misma. La naturaleza estructurada, granular y coherente de los datos reportados se presta a aplicaciones de inteligencia artificial y aprendizaje automático, lo que es cada vez más crítico para los reguladores, las empresas y los investigadores que manejan información de gran volumen.
● Mejoras en la calidad de los datos, ya que las reglas de validación (de negocio) pueden realizar comprobaciones complejas de normas contables y reglamentarias, comprobaciones de integridad, razonabilidad y mucho más. Las reglas de validación creadas para una colección de datos a menudo se pueden reutilizar fácilmente para otras colecciones de datos debido a la naturaleza altamente estructurada de los datos.
● Economías de escala que reducen el costo regulatorio para recopilar y analizar datos, ya que las nueve agencias pueden aprovechar las mismas herramientas y bases de datos. No necesitan crear aplicaciones personalizadas y pueden «tomar prestadas» y compartir herramientas de otras agencias, al tiempo que mantienen la singularidad de sus propios requisitos y análisis de recopilación de datos. Las mismas economías de escala que benefician a los reguladores gubernamentales también reducirán los costos para las entidades informantes y los consumidores de datos. Los proveedores de software con aplicaciones que soportan un programa de informes XBRL a menudo aprovechan las mismas aplicaciones para otros programas de informes XBRL. Los costos de desarrollo se pueden compartir entre muchas entidades informantes, lo que resulta en menores costos para las que informan. El costo de mantener tres productos separados para tres situaciones de presentación de informes será mayor que si se pudiera desarrollar una sola aplicación y los costos se compartieran entre muchos. Lo mismo ocurre con las herramientas analíticas. Los productos que se pueden utilizar para varios conjuntos de datos serán menos costosos que los productos que deben adaptarse para conjuntos de datos individuales, y esos ahorros se trasladarán a las entidades informantes y a los usuarios de datos.
● Automatización de la colaboración de la Agencia. Siguiendo la misma estructura del modelo de datos semánticos, también se coordina automáticamente el trabajo de las Agencias, sin necesidad de establecer comités directivos burocráticos para supervisar el trabajo y garantizar la colaboración.
● Brinda a las agencias flexibilidad para elegir entre múltiples formatos de transmisión de datos para «transportar» sus datos, incluidos CSV, JSON, XML y XHTML. El programa de normas también se establecerá para adaptarse a los nuevos formatos de transmisión de datos que puedan introducirse en los próximos años, ya que el proceso de transmisión está separado del modelo semántico de datos. Las agencias pueden elegir la transmisión que mejor se adapte a sus datos.
● Los organismos podrán actualizar/revisar los requisitos de presentación de informes con mayor facilidad y de una manera menos costosa que el proceso manual en papel que se sigue en la actualidad; Los preparadores de datos y los usuarios de datos podrán adaptarse a los requisitos actualizados con una interrupción mínima. Los datos de series temporales permanecerán intactos incluso cuando cambien las necesidades de presentación de informes.
● Los requisitos de presentación de informes se mantendrán actualizados y tendrán la flexibilidad necesaria para satisfacer las necesidades de la Agencia y de los organismos encargados de establecer normas. Los emisores se basarán en las normas de contabilidad que utilizan hoy en día, por ejemplo, las NIIF, los pronunciamientos de la GASB y los pronunciamientos de la FASB, que se mantendrán actualizados a través de taxonomías desarrolladas y mantenidas por la propia organización de normalización. Las agencias también podrán exigir informes específicos de la agencia a través de las taxonomías que desarrollen y que puedan ser utilizadas sin problemas por los emisores al mismo tiempo que las taxonomías creadas por las organizaciones de normalización.
Requieren una única estructura de modelo de datos semánticos (XBRL) para garantizar la interoperabilidad, respaldada por múltiples formatos de datos para permitir flexibilidad a las agencias.
Estamos de acuerdo con la norma propuesta de que los organismos deben tener flexibilidad para elegir el formato de transmisión de datos más apropiado para sus recopilaciones de datos; Y estamos de acuerdo en que las normas deben evolucionar a medida que se introducen nuevas tecnologías.
Sin embargo, no apoyamos el «enfoque basado en las propiedades» propuesto que permite a las agencias seleccionar un formato de transmisión de datos basado en cuatro criterios.
Por qué el enfoque basado en propiedades es problemático.
Este método se basa en el supuesto de la propuesta de que «… Es probable que los formatos de transmisión de datos o de esquema y taxonomía que tengan estas propiedades sean interoperables entre sí». Esta suposición es incorrecta.
«Un alto grado de interoperabilidad, para que los reguladores y las empresas financieras puedan analizar los mismos datos utilizando diferentes sistemas», se menciona como uno de los tres ingredientes clave para el nivel de calidad necesario para la estabilidad financiera en el primer Informe de Estabilidad Financiera de la Oficina de Investigación Financiera (OFR). La propuesta de FDTA para un enfoque basado en propiedades no aborda este componente crítico y ni siquiera se menciona como una de las propiedades requeridas.
La naturaleza general de las cuatro propiedades dará como resultado que las agencias continúen administrando conjuntos de datos discretos y aislados (replicando lo que ya tenemos hoy) que no se pueden mezclar, inventariar ni compartir. El resultado es que se generarán datos que no son interoperables, lo que limitará drásticamente la capacidad de los gobiernos y las empresas para reducir costos y obtener acceso a datos consistentes y comparables.
La mayoría de los emisores de valores gubernamentales siguen los pronunciamientos de la Junta de Normas de Contabilidad Gubernamental (GASB). Al igual que las empresas que cotizan en bolsa están obligadas a seguir los pronunciamientos del Consejo de Normas de Contabilidad Financiera (FASB) y a informar sobre los datos de los estados financieros mediante el uso de una taxonomía XBRL mantenida por el FASB, un paso lógico sería que la SEC trabajara con la GASB para desarrollar una taxonomía para los emisores de los gobiernos estatales y locales. La GASB ya ha comenzado el proceso de creación de una taxonomía XBRL que podría ser utilizada por los gobiernos para informar sobre sus Informes Financieros Anuales (AFR) e Informes Financieros Completos Anuales (ACFR). La GASB presentó recientemente su propio trabajo de desarrollo de taxonomía en la conferencia del 29 y 30 de julio, GovFin 2024: Municipal Reporting Workshop.
Sin embargo, si la SEC opta por un esquema XML o JSON personalizado, o una implementación de CSV o PDF/A para la presentación de informes gubernamentales, que sería coherente con el enfoque «basado en propiedades», el resultado final será:
● Los emisores gubernamentales se enfrentarán a costos más altos, porque las aplicaciones de informes deberán ser diseñadas a medida por los mismos agentes de presentación y proveedores de software que ya prestan servicios a las entidades de informes de la SEC.
● La SEC incurrirá en el costo de crear un esquema personalizado para soportar la complejidad de los datos financieros (para lo cual XBRL fue diseñado). La SEC no podrá aprovechar las herramientas que utiliza hoy para establecer bases de datos, extraer y analizar datos de gestión de inversiones y empresas públicas; y no podrá utilizar las mismas reglas de validación para comprobar la integridad de los datos. Todos estos activos deberán diseñarse de forma personalizada para que se ajusten al esquema de informes gubernamentales personalizado.
● Los consumidores de datos, incluidos el público, los inversores, los investigadores, los académicos y los proveedores de análisis de datos, también deberán crear o comprar herramientas personalizadas de extracción, bases de datos y análisis que se ajusten al diseño del modelo personalizado.
Un intento de lograr cierto nivel de interoperabilidad entre conjuntos de datos creados con diferentes esquemas requeriría un mapeo detallado para alinear cómo el modelo de datos 1 intercambia características de datos como período de tiempo, unidades de medida, tipo de datos, etc., con la forma en que el modelo de datos 2 intercambia la misma información.
Este proceso de «mapeo» tendría que ser replicado una y otra vez, por la agencia de recopilación y por cada usuario de datos.
Además, cuando se produzca un cambio en los requisitos de presentación de informes (se requieran nuevos datos, cambien las definiciones, cambien las normas contables), el esquema deberá reasignarse a todas las aplicaciones de presentación de informes de la Agencia y a los usuarios de datos. Todas las herramientas utilizadas para informar, recopilar o extraer datos deberán revisarse para que funcionen con el nuevo esquema. Además del costo incurrido por cualquier cambio, la oportunidad de introducir errores e inconsistencias en múltiples entidades y procedimientos de mapeo es enorme.
El mercado de swaps es una advertencia sobre la expectativa de interoperabilidad cuando los estándares de datos no están claramente definidos. El artículo, The Data Reporting Challenge: U.S. Swap Data Reporting and Financial Market Structure6 , escrito por Richard B. Berner, Robin Doyle y Kenneth Lamar, proporciona un estudio de caso útil. El mandato de la ley Dodd-Frank para la recopilación de datos de swaps dio lugar a tres nuevas normas de la Comisión de Comercio de Futuros de Productos Básicos (CFTC) para la recopilación de datos. Sin embargo, los responsables de la elaboración de normas no proporcionaron normas prescriptivas sobre los detalles que debían comunicarse, con el resultado final de que, «Abandonados a su suerte en el uso de su propio esquema de datos, cada uno de los SDR desarrolló su propia plantilla de informes, lo que hacía casi imposible la comparabilidad y, a veces, requería elementos de datos que eran de uso marginal. Como resultado, los datos reportados a menudo eran incorrectos o tardíos».
La CFTC y la SEC establecieron por separado colecciones de informes de datos de intercambio de EE. UU. que eran inconsistentes entre sí, lo que resultó en, como lo describió el entonces comisionado de la SEC Scott D. O’Malia, «… la inconsistencia de los informes y la variabilidad de los datos, así como las deficiencias tecnológicas combinadas con normas incongruentes, han hecho que los datos sean actualmente inutilizables para la Comisión».
Los autores señalan un tema clave del artículo, «… Las definiciones precisas y los estándares de datos y tecnología son ingredientes esenciales para implementar soluciones digitales/tecnológicas para mejorar la eficiencia y la precisión de los informes regulatorios», y concluyen, «… Solo mediante el uso de normas uniformes de datos, los reguladores podrán acceder y utilizar los datos disponibles. La estandarización tendrá que ser más avanzada para cumplir con los requisitos regulatorios».
Por qué es preferible un único modelo de datos semánticos
Estándares como los UPC, los códigos QR, los anchos de vía férrea y los contenedores de envío, toman un proceso o tarea existente y mejoran su eficiencia y eficacia. Una de las características más importantes de cualquier norma es la compatibilidad.
Las dimensiones de los contenedores de envío están estandarizadas para que las máquinas utilizadas para moverlos, como los cargadores superiores o laterales o las grúas, también estén estandarizadas; Pueden gestionar contenedores producidos por cualquier fabricante y cargarlos en cualquier barco o camión. Sin estándares, sería necesario construir máquinas de carga personalizadas, y es posible que deban construirse camiones o barcos personalizados para transportar los contenedores. No se lograrían economías de escala, no se reducirían los costos, no se ganaría eficiencia. Esto es lo que sucede cuando hay una falta de interoperabilidad en el transporte y el intercambio.
El grado de variación permitido en el proyecto de propuesta de norma de la FDTA dará lugar a la misma falta de interoperabilidad en el transporte y el intercambio de datos entre las agencias. Un «estándar» de datos basado en propiedades que carezca del nivel de especificidad logrado por los UPC, los códigos QR y los contenedores de envío, no será interoperable.
XBRL es una estructura de modelo de datos semánticos que se desarrolló para capturar sin ambigüedades datos financieros y otros tipos de datos empresariales. La presentación de informes utilizando la estructura del modelo de datos semánticos únicos XBRL permitirá la interoperabilidad incluso en una situación en la que la entidad declarante se base en una norma contable diferente o comunique datos no financieros, como las emisiones de gases de efecto invernadero o las descripciones relacionadas con el clima. Cuando se utiliza una única estructura de modelo de datos semánticos, los agentes de archivo y otros proveedores de software pueden adaptar sus herramientas existentes para respaldar todo tipo de recopilaciones de datos de la Agencia, lo que es mucho menos costoso que crear aplicaciones personalizadas para cada situación de presentación de informes. La reducción de los costes de desarrollo y mantenimiento de productos llegará a los emisores en forma de menores tasas de solicitud y licencia.
Cuando los reguladores optan por esquemas personalizados, el resultado son datos que no son interoperables, como se muestra en la imagen a continuación.
Cuando los gobiernos y las empresas públicas utilizan taxonomías XBRL, aunque los datos notificados siguen diferentes estándares contables, los datos producidos por todos los tipos de entidades informantes son interoperables y pueden compartirse, almacenarse, inventariarse y combinarse.
Cómo apoya la recopilación de datos de la Agencia
La siguiente imagen muestra cómo la estructura del modelo de datos semánticos único representa el hecho 25,399,809, que es el saldo de efectivo e inversiones para actividades gubernamentales para la ciudad de Soledad, California. Las burbujas verdes representan la información sobre el hecho en la taxonomía XBRL, que incluye metadatos descriptivos y relaciones que definen el hecho de forma inequívoca. Los conceptos de esta taxonomía se definen mediante los pronunciamientos de la GASB, que se indican en la burbuja verde en la esquina inferior izquierda del diagrama, «Referencia = Codificación de las Normas de Contabilidad de la GASB, Sección I50, Párrafo 535», como se muestra en la burbuja verde en la esquina inferior izquierda del diagrama. Las burbujas amarillas representan información adicional que califica el hecho que está contenido en el informe y preparado por la Ciudad de Soledad. Todos estos atributos del hecho se definen en la estructura del modelo de datos semántico único.
La segunda imagen a continuación muestra un hecho reportado por una empresa pública, que se adhiere a los pronunciamientos de FASB. Esta recopilación de datos sigue la misma estructura del modelo de datos semánticos que el hecho mostrado anteriormente, pero utiliza definiciones, referencias autorizadas y otros requisitos del FASB.
Lo que es importante tener en cuenta de estos dos diagramas es que, si bien los datos y las normas contables son diferentes, la información sobre los hechos (período de tiempo, etiquetas, definiciones, unidades de medida, el concepto de objeto, etc.) se captura y transporta de la misma manera. Por ejemplo, las unidades de ambos ejemplos están en dólares estadounidenses (USD) siguiendo el estándar de moneda ISO 4217 y el período de tiempo para ambos sigue el mismo estándar de período de tiempo ISO 8601. Los datos preparados con el mismo enfoque estructurado pueden residir en la misma base de datos y se puede acceder a ellos utilizando las mismas herramientas, incluso si los datos son bastante diferentes. Si estos hechos tuvieran el mismo período de tiempo asociado, la información podría ser consultada en esa fecha entre ambas entidades en la misma recopilación de datos.
Como otro ejemplo de cómo los datos en una única estructura de modelo de datos semánticos son interoperables, XBRL US mantiene una única base de datos7 que alberga la información comunicada por: empresas públicas a la SEC; servicios públicos a la FERC; empresas europeas a la Autoridad Europea de Valores y Mercados (ESMA); e incluso ACFR gubernamentales preparados utilizando la taxonomía XBRL US ACFR. Todos los datos están estructurados de forma idéntica, independientemente de la norma contable, la entidad informante o la agencia reguladora, de modo que puedan extraerse y analizarse conjuntamente.
En lugar del estándar conjunto basado en propiedades descrito en la regla propuesta, las Agencias deberían requerir una única estructura de modelo de datos semánticos que tenga las siguientes características: (1) es una estructura que las Agencias pueden usar para todas las colecciones de información cubiertas por la FDTA; (2) está disponible gratuitamente bajo una licencia abierta; (3) es agnóstico al software; (4) representa consistentemente los atributos de los datos financieros, incluyendo el tiempo, las unidades de medida, el tipo de datos y otras características dimensionales; (5) tiene componentes intercambiables que pueden ser reutilizados (un enfoque modular permitirá a las Agencias compartir conceptos comunes como «Nombre» y «Dirección» que deben tener la misma definición, nombre y características independientemente de la agencia o entidad de recaudación); y (6) es capaz de manejar fácilmente el Identificador de Personas Jurídicas (IPJ).
Los datos estructurados que son interoperables son una fuente óptima para las aplicaciones de Inteligencia Artificial, ya que la construcción coherente de cada punto de datos y sus correspondientes metadatos descriptivos generarán resultados más útiles a partir de los algoritmos de IA. De acuerdo con una reciente Solicitud de Información (RFI) del Departamento de Comercio (DOC), AI y Solicitud de Información de Activos de Datos Gubernamentales Abiertos, «.. Los sistemas de IA de hoy en día están fundamentalmente limitados por su dependencia de almacenes de datos extensos y no estructurados, que dependen de los datos subyacentes en lugar de la capacidad de razonar y hacer juicios basados en la comprensión».
La RFI del DOC tenía como objetivo explorar cómo lograr una mejor integridad, accesibilidad y calidad de los datos porque «las herramientas de IA se utilizan cada vez más para el análisis de datos y el acceso a los datos, por lo que el Departamento de Comercio espera garantizar que los datos que consumen estas herramientas sean fácilmente accesibles y »comprensibles por máquina», en lugar de simplemente »legibles por máquina». Estamos de acuerdo en que los sistemas de IA estarán fuertemente respaldados por la disponibilidad de conjuntos de datos estructurados, estandarizados e interoperables previstos por la FDTA.
Cada conjunto de datos recopilados por una agencia es diferente, pero los datos que está estructurado y definido deben ser los mismos. Este enfoque respaldará los requisitos de la Agencia de la Ley de Formulación de Políticas Basadas en Evidencia de 201810 y la Ley de Datos Abiertos de Gobierno, que establece prácticas para que el gobierno federal modernice sus prácticas de gestión de datos y mejore la eficiencia para informar las decisiones de política. El modelo único de datos semánticos establece un programa de recopilación de datos a largo plazo que puede adaptarse a las nuevas tecnologías en el futuro.
El papel de los formatos de transmisión de datos
En la propuesta se mencionan formatos específicos de transmisión de datos como apropiados para cumplir con los requisitos de la FDTA. La propuesta nombra a XBRL, XML, JSON y XHTML (Inline XBRL) como capaces de hacer referencia a un esquema; y PDF/A según corresponda si el formato PDF tiene funciones de etiquetado avanzadas. Estamos de acuerdo en que los formatos nombrados pueden transmitir información digitalmente, sin embargo, existen diferencias críticas entre los métodos propuestos, como se muestra en la tabla del Apéndice A. La siguiente imagen muestra cómo XBRL se armoniza con varios formatos de transmisión de datos.
XBRL es una estructura de modelo de datos semánticos que se puede representar como un archivo XML (XBRL-XML), un archivo XHTML (llamado Inline XBRL), como un archivo CSV (XBRL-CSV) o como un archivo JSON (XBRL-JSON). Fue diseñado de esta manera para garantizar que se adapte a los cambios tecnológicos a lo largo del tiempo.
El uso de una única estructura de modelo de datos semánticos como esta proporciona a las agencias la flexibilidad necesaria para seleccionar el formato de transmisión de datos que mejor se adapte a los datos informados, por ejemplo, CSV para conjuntos de datos repetitivos de gran volumen y XHTML para conjuntos de datos que son más útiles cuando están en forma legible tanto por humanos como por máquinas.
La SEC, por ejemplo, tiene programas de estándares de datos que recopilan datos en XBRL-XHTML (Inline XBRL), y también tiene un programa de recopilación de datos en XBRL-XML. Sin embargo, la SEC no tiene implementaciones de XBRL-CSV que hemos recomendado para varios programas recientes de la SEC. Por ejemplo, la regla final de la SEC, Informes mejorados de votos por poder por parte de compañías de inversión de gestión registradas; La presentación de informes sobre las votaciones de los ejecutivos en materia de remuneración por parte de los gestores de inversiones institucionales11 requiere que el formulario N-PX se prepare en XML personalizado en lugar de en XBRL. La regla final establece: «… Con respecto a XBRL-CSV, la Comisión considera que utilizar el modelo de datos XBRL para definir los elementos y las relaciones que figuran en el formulario N-PX añadiría una complejidad innecesaria, ya que el formulario N-PX consiste en un conjunto bidimensional relativamente simple de filas y columnas, y no presenta ninguna relación interrelacionada compleja entre las diferentes filas. Además, no es probable que XBRLCSV genere eficiencias significativas en la preparación y el uso de los datos del Formulario N-PX de los gerentes, ya que solo un pequeño número de gerentes están sujetos a la obligación de presentar informes para presentar divulgaciones XBRL ante la Comisión».
No estamos de acuerdo con la justificación declarada por la SEC al optar por XML personalizado. Incluso con un pequeño número de declarantes, como señala la SEC, los proveedores de software que ya prestan servicios a empresas públicas y empresas de gestión de inversiones que informan en XBRL, podrían reutilizar las herramientas existentes para el Formulario N-PX si se preparara en XBRL; y los usuarios de datos que ya extraen datos en formato XBRL para otros fines, podrían reutilizar esas herramientas para la extracción de datos del formulario N-PX. Con el formulario N-PX en XML personalizado, las herramientas completamente nuevas para la generación de informes y la extracción de datos deben personalizarse. El mayor gasto en que incurran los proveedores de software se trasladará a las entidades informantes y a los usuarios de datos.
Además, la SEC incurrirá en costos adicionales con un enfoque XML personalizado. La Comisión debe crear un esquema XML personalizado, crear herramientas personalizadas para extraer los datos y mantener una base de datos separada para almacenar los datos, todo porque los datos del formulario N-PX no son interoperables con otros datos que recopila la Comisión. Si se opta por XBRL-CSV en lugar de un esquema XML personalizado, el tamaño de los archivos sería más pequeño; XML personalizado requiere que los emisores repitan las etiquetas de identificación una y otra vez, en lugar de hacer referencia a una taxonomía.
Otras agencias federales han optado por diferentes enfoques XBRL, eligiendo el formato de transmisión de datos que mejor se adapta a los datos reportados. La Comisión Federal Reguladora de Energía (FERC, por sus siglas en inglés), por ejemplo, tiene un programa de estándares de datos que recopila datos de estados financieros en formato XBRL-XML y pronto introducirá un programa de recopilación de datos para la presentación de informes trimestrales eléctricos de gran volumen en XBRL-CSV.
La Orden de la Comisión de la FERC RM23-9-000 del 19 de octubre de 2023,12 explica por qué optaron por XBRL-CSV: «La Comisión propone adoptar un nuevo sistema de presentación de EQR basado en el estándar XBRL-CSV… XBRL-CSV aplica el estándar XBRL al formato CSV, el formato preferido por la mayoría de los vendedores [declarantes del EQR]. La Comisión considera que la adopción del estándar XBRLCSV preservaría la eficiencia y la simplicidad del CSV, al tiempo que añadiría la flexibilidad asociada al estándar XBRL… la Comisión considera que la transición del sistema EQR al estándar XBRL-CSV facilitará la presentación de la información por parte de los vendedores y la recuperación de los datos por parte de los usuarios, al tiempo que disminuirá los costes, con el tiempo, de preparar los datos necesarios para su presentación y cumplir con los futuros cambios en los requisitos de presentación de la Comisión.
Una de las ventajas del sistema XBRL-CSV propuesto es que permitiría a los vendedores seguir preparando y revisando sus datos en formato de hoja de cálculo de Excel y, a continuación, enviar sus datos en formato CSV…. el nuevo sistema propuesto permitiría a los vendedores usar Excel para preparar múltiples archivos de transacciones más pequeños, que los declarantes podrían guardar como CSV y enviar múltiples archivos de transacciones sin necesidad de combinarlos en un archivo de transacción grande … Otra ventaja del sistema XBRL-CSV propuesto es que ahorraría tiempo a los vendedores en la preparación de sus presentaciones, ya que les permitiría comprobar en tiempo real la mayoría de los errores en su presentación de EQR utilizando las taxonomías de EQR de la FERC disponibles públicamente y los documentos relacionados sin tener que presentar primero los archivos a la Comisión».
Estamos de acuerdo en que los formatos de transmisión de datos son importantes para el transporte de datos, pero por sí solos, no son suficientes para generar datos que sean totalmente legibles, comprensibles e interoperables. La combinación de la estructura del modelo de datos semántico con un formato de transmisión de datos proporciona datos digitales, interoperables y comprensibles.
Revisión de los formatos de esquema y taxonomía nombrados en la propuesta.
Si bien todos los formatos de transmisión de datos con nombre son capaces de transmitir digitalmente información en un documento, solo XML, JSON y XBRL pueden hacer referencia a un lenguaje de datos común (esquema o taxonomía) que se pueda analizar y analizar de manera confiable. PDF/A puede contener y transportar información de forma libre, pero actualmente no existe ninguna especificación que le permita hacer referencia de forma fiable a un esquema que genere datos estructurados. Si bien esto puede ser factible en algún momento, la especificación PDF/A actualmente no tiene esa capacidad y no debería permitirse cumplir con el FDTA hasta el momento en que tenga esta capacidad.
XML, JSON y XBRL pueden transportar metadatos sobre hechos notificados haciendo referencia a un esquema o taxonomía que transmite información explicativa que ayuda al receptor de la información a comprender lo que representa el hecho (por ejemplo, «¿Quién informó de los datos? ¿Cuál fue el período de tiempo? ¿Cuál es la definición del hecho?»)
Sin embargo, aquí es donde XBRL difiere de XML y JSON.
XML y JSON13 tienen la flexibilidad de admitir un esquema personalizado; «Personalizado» significa que la estructura de datos se puede diseñar de la manera que el desarrollador desee. Sin embargo, XBRL solo admite una taxonomía XBRL estandarizada y rígidamente estructurada. La rigidez de la estructura XBRL significa que todos los datos generados utilizando un estándar XBRL están estructurados y producidos de forma estandarizada; Tiene una estructura estandarizada e inflexible para transportar tanto el hecho como los metadatos que explican aún más lo que representa el hecho.
La SEC eligió un esquema XML personalizado para su implementación de los Anexos 13D/13G, señalando en la regla final, Modernización de los Datos de Beneficiarios Finales14, «… El XML específico de 13D/G es más adecuado que XBRL para los anexos 13D y 13G, ya que facilita el uso de un formulario rellenable que debería resultar en un menor costo de cumplimiento del requisito de datos estructurados en comparación con XBRL, especialmente para los declarantes más pequeños y poco frecuentes. En virtud de un requisito XBRL, los declarantes (incluidos los declarantes más pequeños y poco frecuentes) incurrirían en costos y cargas asociados con el etiquetado de las divulgaciones (por ejemplo, costos de licencias de software, tiempo dedicado a la aplicación de etiquetas) o con el pago a un tercero para que lo haga. Por lo tanto, aunque algunos declarantes de los Anexos 13D y 13G, como los que actualmente están sujetos a los requisitos de presentación de informes XBRL Inline (por ejemplo, los declarantes que están registrados en la Comisión) o que tienen experiencia con XBRL pueden obtener algunas eficiencias con una alternativa XBRL, creemos que los ahorros de costes que se espera que surjan de tener una opción de formulario rellenable en virtud de los requisitos XML específicos de 13D/G tendrían un impacto positivo más sustancial con respecto a los declarantes en su conjunto».
Si bien estamos de acuerdo en que el acceso a un formulario rellenable es óptimo, especialmente para los que presentan con poca frecuencia, la SEC podría crear un formulario rellenable que genere datos en formato XBRL estructurado. No se necesitarían recursos adicionales para crear una taxonomía XBRL en comparación con un esquema XML personalizado, y los datos producidos podrían extraerse, analizarse y utilizarse con las mismas herramientas que la SEC utiliza hoy en día (y que también utilizan los inversores y los agregadores de datos) con los datos XBRL estructurados. Las economías de escala serían beneficiosas para el regulador y para otros consumidores de datos.
Si bien a menudo se considera que los términos «rígido» e «inflexible» tienen connotaciones negativas, ocurre lo contrario con los estándares. Sería un mundo caótico si los electricistas tuvieran la libertad de instalar el cableado y la corriente como quisieran y no tuvieran pautas a seguir. O si los códigos UPC no fueran realmente «universales» y cada fabricante tuviera su propia versión personalizada (con escáneres hechos a medida y códigos diseñados a medida para sus productos). Por definición, las restricciones son lo que hace que los estándares sean estándar.
La importancia de la estructura de concreto en los estándares se muestra en el programa de la Comisión Federal de Regulación de Energía (FERC). La FERC, que inició la actualización de su recopilación de datos utilizando XML personalizado, cambió a XBRL en su lugar; e hizo las siguientes declaraciones en un seminario web reciente:
«Elegimos [XBRL] en lugar de XML personalizado porque había muchas eficiencias que ganar al adoptar XBRL y un gran ahorro de costes. Confiamos en nuestras agencias asociadas más grandes, la SEC y la FDIC, que ya contaban con colecciones XBRL, y aprendimos de su experiencia e hicimos algunas elecciones diferentes para nuestro sistema, que creo que al final valieron la pena».
«Comenzamos con una solución XML personalizada porque eso es lo que habíamos hecho en el pasado con todas nuestras otras colecciones… Sinceramente, cuanto más indagaba en XBRL, más hablaba con otros expertos y con la SEC, XBRL ya respondía a muchas de las preguntas… sobre cómo lidiar con el tiempo en un campo… Toneladas de preguntas que habríamos tenido que responder en una implementación XML personalizada ya fueron respondidas con XBRL. También proporcionó la flexibilidad para permitirnos agregar nuestras propias reglas sobre él. Por lo tanto, impulsó el proyecto meses adelante al poder adoptar XBRL».
Por otra parte, la Corporación Federal de Seguros de Depósitos (FDIC, por sus siglas en inglés) señaló en un vídeo16 que eligieron XBRL porque admite fácilmente datos financieros, «… la FDIC no quería … crear otro lenguaje de informes empresariales con «sabor XML». No necesitábamos hacer eso porque XBRL ya tenía todas las definiciones y todo lo que necesitábamos para implementar una solución».
A diferencia de JSON o XML, XBRL tiene un mecanismo estandarizado para comunicar unidades de medida (por ejemplo, acres, millas cuadradas, dólares, porcentaje), períodos de tiempo, nivel de precisión, etiquetas legibles por humanos y definiciones. XBRL asigna a cada hecho un tipo de datos predefinido para explicar si el valor notificado expresa un número entero, un valor monetario o una cadena de texto, por ejemplo. XBRL identifica explícitamente a la entidad notificante y la asocia a cada hecho notificado. XBRL tiene un método estándar para representar las relaciones contables, las relaciones de presentación y otros tipos de relaciones que pueden existir entre hechos.
Si una Agencia opta por XML o JSON, debe crear desde cero la estructura para representar estas relaciones y metadatos. La creación de un esquema personalizado para los datos que se pueden presentar en XBRL es recrear la estructura que XBRL ya tiene. Y lo que es más importante, si una agencia crea una estructura basada en una recopilación de datos específica, es muy poco probable que construya una que sea interoperable con otros esquemas XML o JSON personalizados de otras agencias.
Ni CSV ni PDF/A, los otros formatos posibles mencionados en la norma FDTA, tienen ninguna de las características mencionadas anteriormente, que son necesarias para el intercambio inequívoco de datos.
Al hacer referencia a PDF/A, la propuesta de regla establece: «PDF puede cumplir con el estándar si los datos dentro del PDF se ajustan a la especificación «A» (PDF/A) que utiliza funciones avanzadas para etiquetar campos con un esquema y taxonomía de referencia y proporciona los metadatos necesarios que permiten la extracción automatizada de datos». La especificación PDF/A permite la inclusión de información junto con un hecho, pero no puede hacer referencia a un esquema o taxonomía. Si bien, en teoría, la especificación podría actualizarse, el desarrollo de estándares lleva tiempo y actualmente no es viable dado el calendario de implementación de FDTA. Además, los archivos PDF/A que hacen referencia a un esquema/taxonomía seguirían requiriendo el «etiquetado» de hechos individuales dentro del archivo PDF y no sería lo mismo que el proceso que se sigue hoy en día al preparar un PDF, de crear un informe en otro formato como Excel o Word, y luego transformarlo con un clic de un botón a PDF.
Hoy en día, muchas entidades informantes, incluidos los emisores de bonos gubernamentales, las organizaciones sin fines de lucro y las empresas, presentan información financiera y otras divulgaciones en formato PDF para cumplir con los requisitos. Ya ha habido rechazo por parte de un segmento de la comunidad de emisores gubernamentales, y es probable que surjan preocupaciones de otros que informan en formato PDF y que desean mantener el statu quo.
Reconocemos que es probable que algunas entidades informantes tengan que superar una curva de aprendizaje, sin embargo, nos preocupa que se haya incluido PDF/A como una posible solución para servir como rampa de salida a algunas recopilaciones de datos. La transición a PDF/A hoy en día, dado el estado actual de la especificación PDF/A, no supondría ningún cambio en la utilidad de los datos ni en la capacidad de los usuarios de datos para acceder a datos automatizables y comprensibles por máquinas. La transición a PDF/A tendrá un costo para todos los involucrados, desde los emisores hasta los usuarios de datos, pero no habrá beneficios.
Las taxonomías XBRL, de nuevo debido a su estructura, son compatibles e intercambiables. Los módulos de taxonomía se pueden reutilizar y combinar, una práctica utilizada ampliamente por la SEC hoy en día para la presentación de informes por parte de las empresas públicas y las empresas de gestión de inversiones. De hecho, cuando las empresas públicas informan, suelen utilizar múltiples taxonomías, algunas desarrolladas por el FASB (para las finanzas GAAP del FASB) y otras desarrolladas por la SEC (para información de documentos y entidades). Esta facilidad facilita la interoperabilidad de los datos y la actualización y revisión de los requisitos de presentación de informes, según sea necesario, por parte del regulador o el organismo de normalización responsable de un requisito de presentación de informes en particular. Las taxonomías XBRL permiten la compatibilidad a largo plazo de los datos, ya que permiten realizar cambios en los requisitos de presentación de informes sin «interrumpir» las series temporales.
Además, la estructura XBRL se presta a validaciones estandarizadas (reglas de negocio) que se pueden utilizar para comprobar las reglas contables (por ejemplo, los activos corrientes + los activos no corrientes deben sumar a los activos), la razonabilidad, la integridad de los informes, etc. Aunque las reglas de validación se pueden crear para esquemas XML y JSON personalizados, deben crearse «desde cero» para cada esquema. Las reglas de validación creadas para una taxonomía a menudo se pueden reutilizar para una taxonomía separada con una revisión mínima debido a la estructura coherente de los datos.
Experiencias de los reguladores que utilizan un único modelo de datos semánticos
La Corporación Federal de Seguros de Depósitos (FDIC, por sus siglas en inglés) comenzó a recopilar datos de los bancos utilizando un único modelo de datos semánticos en 2005. Su implementación dio lugar a aumentos inmediatos de la eficiencia de los miembros del Consejo Federal de Examen de Instituciones Financieras (FFIEC), entre ellos17:
● El 95% de los datos recibidos cumplieron con los requisitos de validación de FFIEC
● El 100% de los datos recibidos cumplieron con los requisitos de validación matemática de FFIEC en comparación con el 70% en el sistema heredado
● Los datos estaban disponibles públicamente inmediatamente después del final del trimestre calendario, en comparación con semanas después en el sistema heredado anterior.
● La productividad del personal en el manejo de datos bancarios aumentó entre un 10 y un 33%
● Los datos podían distribuirse a los usuarios finales de las agencias en una hora, frente a varios días en el sistema heredado.
Cuando la FERC comenzó a investigar cómo modernizar su recopilación de datos, comenzó con XML, pero cambió a XBRL después de identificar dificultades para hacer que un programa XML funcionara para sus necesidades. La flexibilidad de XML significaba que, en la práctica, estaban «empezando desde cero» creando esquemas para representar datos financieros y energéticos; y dada la naturaleza personalizada de los esquemas que estaban creando; Tuvieron que crear aplicaciones personalizadas para trabajar con los datos.
La regla final de la FERC18 establece: «… el estándar XBRL incluye todas las ventajas del formato XML, como su carácter no propietario, su eficiente compartición de datos entre diferentes sistemas de información, … al mismo tiempo que estructuran los datos con etiquetas que utilizan taxonomías estándar para capturar las características inherentes de la información, así como el valor de los datos… el estándar XBRL es necesario para la presentación de formularios por parte de una serie de otras agencias federales… XBRL es un estándar internacional que permite la generación de informes de datos completos, coherentes e interoperables que permiten a la industria y a otros usuarios de datos automatizar el envío, la extracción y el análisis… el uso de XBRL facilitaría la implementación de cambios en sus requisitos de presentación de informes al permitir cambios futuros sin la necesidad de costosos procedimientos de desarrollo».
El proyecto de modernización de datos de la FERC19, que incluyó la gestión del proyecto, el desarrollo de una taxonomía XBRL y reglas de validación (empresarial), la formación del personal interno, las actualizaciones del sistema de presentación electrónica de la FERC, las herramientas de consumo de datos y las API, la conversión de 10 años de datos históricos de archivos Visual FoxPro y el desarrollo, las pruebas y la aplicación de un plan de implementación, han costado 6 millones de dólares hasta la fecha. y se estima que se gastará un total de 7,4 millones de dólares a lo largo de seis años cuando esté terminado. La taxonomía XBRL para la presentación de informes de la FERC tiene diez formularios con 303 programaciones individuales.
La FERC señaló en un seminario web reciente: «Entregamos este proyecto a tiempo y dentro del presupuesto… Este fue un éxito rotundo para la FERC porque no tomó más tiempo y no fue mucho más caro de lo que se consideró en el gasto original».
La FERC también destacó la facilidad de hacer cambios cuando las necesidades de informes cambian: «También nos permite cambiar las cosas más fácilmente. Cuando los requisitos de informes cambian, las instrucciones o las reglas de validación deben cambiar, tenemos aplicaciones de software internas que usamos que pueden afectar la taxonomía, publicar una nueva versión, cambiar las reglas de validación y programarlas para cuando deban salir».
El enfoque del modelo de datos semánticos únicos tiene una historia de 19 años de uso exitoso por parte de la FDIC, la SEC y la FERC en los EE. UU.; y se utiliza ampliamente en mercados no estadounidenses. La estructura del modelo de datos semánticos únicos se ha adoptado en países como Australia21 y los Países Bajos22, donde se denomina Standard Business Reporting. Los Países Bajos estiman que han sido capaces de reducir la carga administrativa de los reguladores y las empresas en un 25% en cinco años, y se estima que el estándar XBRL representará 750 millones de euros de los ahorros iniciales.
Solo el HMRC Companies House del Reino Unido24 exige que más de 4,5 millones de empresas25 presenten sus informes en formato estructurado (XBRL). Hay 200+ implementaciones regulatorias globales26, que van desde reguladores financieros hasta autoridades fiscales e informes ESG.
Elimine las rampas de salida que limitarán drásticamente la eficacia del programa.
Esta cláusula elimina toda responsabilidad de las Agencias de adoptar cualquiera de los requisitos de la FDTA y puede dar lugar a que las Agencias elijan selectivamente qué colecciones de datos tendrán requisitos de estándares de datos y cuáles no. La implementación de las normas requiere cambios y es probable que haya rechazo por parte de las entidades informantes y otras personas que pueden no ver beneficios inmediatos que generalmente se reconocen con el tiempo. El bien público de un estándar de datos sólido debería pesar más que el interés en preservar el statu quo, si se quiere que los datos del gobierno sean útiles entre las agencias y para todos los estadounidenses.
Requerir una taxonomía/esquema para cada recopilación de datos.
De acuerdo con la norma propuesta, «no todas las colecciones de información de la Agencia tienen un esquema y una taxonomía asociados, ya que un esquema y una taxonomía pueden no ser apropiados».
Cualquier recopilación de datos que se inventarie, se publique en una base de datos o se comparta, debe tener un esquema/taxonomía de apoyo. Esto es necesario para definir la configuración lógica de los datos que se informan y permitir que la entidad informante, así como el recopilador de datos y el usuario, comprendan cómo se organizan y estructuran los datos. La taxonomía establece un lenguaje común (acordado) para lo que se informa. Sin una taxonomía, una computadora no puede entender lo que representa un hecho o cómo se relaciona con otros datos; los datos no se prepararán ni recopilarán dentro de las limitaciones de tener una definición y estructura uniformes; Los informes generarán datos que son ambiguos, requieren revisión manual y no pueden ser consumidos y comprendidos automáticamente por las computadoras.
Incluso si solo se informan dos hechos en un formulario, por ejemplo, el título corporativo y la dirección, como se muestra en el formulario a continuación, es necesario un esquema para permitir vincular estos hechos a través de diferentes colecciones de datos y definir lo que representan de manera coherente.
La mayoría de los datos recopilados por las Agencias (tal como se encuentran en el Inventario de Datos Interinstitucionales de la OFR29) representan estados financieros o datos no financieros o pueden expresar aportes a un formulario definido o respuestas a las preguntas de la encuesta. Todas las colecciones incluyen datos que deben ser representados por una estructura de modelo de datos semántico que incluya relaciones entre los hechos reportados para que puedan ser entendidos por las computadoras.
Los estados financieros tienen características dimensionales, como datos desglosados por fondo, geografía o período de tiempo. Los datos no financieros, como el Formulario de Quejas de Tasación Interinstitucional de la FDIC30, clasifican las quejas recibidas según el tema temático, la ubicación y el tipo de propiedad. La captura de características dimensionales en formato digital permite a los reguladores y a otros analizar fácilmente las tendencias. Esto se logra mediante el establecimiento de una taxonomía.
Instamos a las agencias a crear esquemas digitales para todas las colecciones de datos que se comparten, inventaríen o mantengan en una base de datos, ya que todas estas colecciones de datos ya tendrán algún tipo de esquema, ya sea en formato digital o en papel. Además, sostenemos que la mayoría de las recopilaciones de datos de la Agencia deben hacer referencia a una taxonomía para garantizar la mayor eficiencia y coherencia de los datos. El uso de esquemas y taxonomías no solo ayuda en la recopilación de datos, sino también en la gestión continua de datos y proporciona un inventario completo de todos los datos reportados. Una taxonomía otorga a los reguladores la capacidad de revisar y actualizar los requisitos e instrucciones de presentación de informes una vez (en la taxonomía); Los cambios se comunican automáticamente a los preparadores y a los usuarios de datos simultáneamente, lo que mejora la comunicación, la eficiencia y la coherencia en toda la cadena de suministro.
Si hay situaciones en las que no se requiere un esquema, instamos a las agencias a que definan esas situaciones sin ambigüedades en la regla final para eliminar la confusión y garantizar que las agencias no atajen el enfoque para el desarrollo de estándares.
Reutilice las taxonomías existentes siempre que sea posible.
Los datos interoperables y de buena calidad solo son posibles cuando los datos se comunican utilizando un lenguaje coherente y común, y cuando los datos se estructuran de la misma manera. Hay muchas taxonomías que ya están en uso y que deben reutilizarse para las entidades que informan utilizando el mismo modelo de información. Por ejemplo, la taxonomía US GAAP, mantenida por el FASB, debe ser utilizada por todas las entidades que informan utilizando los pronunciamientos del FASB, independientemente del tipo de entidad o regulador al que informen.
Todas las entidades informantes que siguen los pronunciamientos del FASB, incluidos los bancos, las cooperativas de crédito y las empresas públicas, deben preparar sus finanzas utilizando la taxonomía de los GAAP de EE. UU. Este método eliminará la duplicación del trabajo para desarrollar taxonomías; Garantizará que los datos notificados sean interoperables, reduciendo la carga de trabajo de las entidades informantes y garantizando la creación de datos coherentes y comparables.
Los gobiernos estatales y locales que informan bajo los pronunciamientos de GASB deben seguir la Junta de Normas de Contabilidad Gubernamental (GASB). La SEC debería colaborar con la GASB como lo hizo en 2009 con la Junta de Normas de Contabilidad Financiera (FASB) en el desarrollo de la taxonomía US GAAP para las empresas públicas. Los gobiernos que siguen el estándar de contabilidad GASB GAAP deben estar obligados a seguir una taxonomía GAAP desarrollada y mantenida por el GASB.
Las agencias que aprovechan una taxonomía construida y mantenida por un organismo de normalización como las NIIF, la GASB o la FASB, también pueden exigir la presentación de informes de hechos adicionales más allá de lo que incluye el emisor de normas contables, por ejemplo, información de documentos y entidades.
Como se señaló anteriormente, las taxonomías son modulares. Los reguladores pueden exigir a las entidades informantes que utilicen conceptos de más de una taxonomía. La SEC, por ejemplo, mantiene sus propias taxonomías que son utilizadas por las empresas públicas al mismo tiempo que utilizan la taxonomía FASB GAAP. Las herramientas de software presentan al emisor todos los elementos necesarios de todas las taxonomías requeridas en un proceso sin interrupciones. El emisor entra en el conjunto de taxonomías que se muestra a la derecha en un único punto de entrada que da acceso a todos los conceptos necesarios para preparar sus estados financieros. La SEC mantiene taxonomías más pequeñas separadas que representan conceptos necesarios para el documento y la entidad, como identificadores, país, moneda, cambio y estado o provincia. Estas taxonomías mantenidas por la SEC operan en conjunto con la taxonomía FASB GAAP más grande. De manera similar, las empresas que informan bajo las normas de contabilidad IFRS utilizan la Taxonomía IFRS junto con ciertas taxonomías específicas de la SEC para preparar su presentación a la SEC.
La capacidad de crear «puntos de entrada» que accedan a múltiples taxonomías permite que varias agencias utilicen la misma taxonomía para una norma de contabilidad en particular y conserven la capacidad de adaptar ciertas características a las necesidades de presentación de informes específicas de la agencia que pueden no estar cubiertas por la norma de contabilidad.
Cree taxonomías que se ajusten a la estructura del modelo de datos semánticos únicos (XBRL).
Las taxonomías deben construirse siguiendo principios comunes a todas las agencias. Al adherirse a una única estructura de modelo semántico, las agencias seguirán una estructura coherente en la definición de los términos de los informes, los metadatos requeridos y las relaciones entre los términos. La coherencia de las taxonomías garantizará que los datos se puedan informar, recopilar, extraer y analizar de la misma manera, lo que garantizará los costos más bajos posibles en todo el ecosistema de informes.
Debido a que las taxonomías son modulares, también se admite la creación de una «taxonomía base» que podría contener elementos utilizados por varias agencias, como «Nombre de la empresa» y «Dirección de la empresa». Todos los organismos podrían aprovechar la taxonomía básica y ampliarla mediante la creación de sus propias taxonomías a fin de incluir los elementos necesarios para la recopilación de datos específicos de cada organismo. Este enfoque se describió en detalle en el libro blanco, Estándares de datos y la Ley de Transparencia de Datos Financieros (FDTA).
Uno de los muchos beneficios de usar una sola estructura de modelo de datos semánticos es que las agencias pueden trabajar por su cuenta para construir taxonomías que expresen sus propias colecciones de datos sin la necesidad de coordinar esfuerzos y llegar a un acuerdo mutuo con otras agencias. Si las agencias se adhieren a la estructura del modelo de datos semánticos únicos, sus taxonomías (y los datos generados utilizando esas taxonomías) serán automáticamente interoperables y compartibles. Este enfoque puede eliminar una cantidad significativa de burocracia.
Este enfoque se puede ilustrar aún más con el ejemplo de nuestro electricista. Un electricista que instala cableado y transformadores de corriente en una casa no necesita consultar con el electricista de la calle que realiza el mismo trabajo en una casa diferente. Ambos siguen los códigos y estándares eléctricos locales por su cuenta, con el resultado de que cada hogar está configurado para usar la electricidad de la misma manera. Diferentes hogares, diferentes necesidades eléctricas, pero ambos pueden usar la electricidad para satisfacer las necesidades de los propietarios.
La colaboración entre agencias también permite compartir herramientas de software, estructura de bases de datos y reglas de validación, lo que permite economías de escala y reduce los costos en todo el gobierno federal.
Exigir el IPJ tal y como se ha propuesto.
Apoyamos el Identificador de Personas Jurídicas (IPJ) tal y como se ha propuesto. La especificación XBRL es compatible con el IPJ y ya está incluida en las taxonomías de la SEC y la FERC. Para dar cabida a la emisión de bonos municipales, es necesario establecer normas para definir las relaciones que los gobiernos tienen con otras entidades gubernamentales, por ejemplo, las unidades componentes, los deudores y los fondos. XBRL se puede utilizar para admitir esto debido a las características de vinculación de relaciones de la especificación XBRL. Esto se describe con mayor detalle en el documento, Identificación del Deudor para Valores Municipales.
Además, animamos a la SEC a considerar la importancia de educar a las entidades gubernamentales para ayudarles a entender qué es el IPJ y la diferencia entre el IPJ y otros identificadores con los que están más familiarizados, como el UEI, EIN, CUSIP y DUNS.
La gestión del IPJ debe definirse claramente, dadas las relaciones entre los gobiernos de las entidades declarantes, los fondos, departamentos y agencias auditados por separado de la entidad declarante, así como las unidades componentes combinadas y discretamente presentadas. Reconocemos que estos temas se tratarán con mayor detalle en las reglas de cada agencia que se publicarán en la segunda fase de la FDTA, sin embargo, es importante comenzar a considerar estos temas lo antes posible.
Admitimos otros identificadores nombrados en la propuesta, incluidos ISO 8601, ISO 4217, códigos de estado estandarizados y códigos de país. También pedimos a las Agencias que consideren la posibilidad de establecer el IPJ verificable (IPJv) para la autenticación y verificación automatizadas de las personas jurídicas. La GLEIF demostró el uso del IPJv para firmar su Informe Anual de 2023: cada uno de los presidentes, directores generales y auditores de la GLEIF firmó criptográficamente el contenido del informe, de modo que, para siempre, cualquiera que consumiera el contenido del informe, incluidos los datos de los estados financieros, sería capaz de determinar si el contenido ha sido manipulado. La especificación XBRL es compatible con el vLEI.
Establecer una estructura de gobernanza para garantizar que las agencias trabajen juntas en el futuro.
La propuesta establece que las Agencias «esperan trabajar juntas en la adopción de los estándares conjuntos establecidos en la reglamentación específica de la Agencia u otras acciones de la Agencia», sin embargo, no incluye ningún requisito o detalles que establezcan un proceso de gobierno para trabajar juntos. Esta declaración general es un enfoque demasiado desordenado de la coordinación y la colaboración necesarias para promover la interoperabilidad de los datos de regulación financiera entre los miembros del FSOC. La experiencia de la SEC y la CFTC, cada una de las cuales en la última década inició recopilaciones de informes de datos de intercambio que eran inconsistentes con la otra, ejemplifica lo que puede suceder cuando las agencias no trabajan juntas: las agencias recopilan datos que luego descubren que son «inutilizables». Los factores que históricamente han impedido el progreso en la estandarización de datos para la presentación de informes regulatorios financieros están bien documentados y deben estudiarse como lecciones aprendidas.
Las agencias pueden coordinar esfuerzos de manera efectiva a través de asociaciones con organizaciones de establecimiento de estándares que las entidades informantes siguen hoy en día. La GASB, la FASB y la Fundación IFRS, así como las organizaciones de normas de divulgación climática como el Consejo de Normas Internacionales de Sostenibilidad (ISSB) (que también forma parte de la Fundación IFRS), vienen a la mente como organizaciones de normalización que estarían mejor equipadas para construir taxonomías que respalden muchas de las colecciones de datos de las Agencias. Este enfoque identificará automáticamente aquellas áreas en las que las agencias pueden ser capaces de «compartir» taxonomías, por ejemplo, FASB GAAP es seguido por empresas públicas, cooperativas de crédito y bancos. Las agencias pueden coordinar el uso de la taxonomía, la creación de reglas de validación (empresariales) para comprobar la calidad de los datos, así como herramientas de análisis y extracción de datos y bases de datos, para ahorrar tiempo y dinero.
En el caso de las colecciones de datos estrictamente diseñadas y utilizadas por una sola agencia, las agencias pueden crear sus propias taxonomías que proporcionan inventarios altamente estructurados y con capacidad de búsqueda de los datos recopilados (siguiendo la estructura del modelo de datos semánticos únicos). La naturaleza estructurada de las taxonomías permitirá una fácil revisión y comparación de los datos recopilados en todas las agencias.