Etiqueta: KAM – Key Audit Matters

Las etiquetas narrativas granulares proporcionan información mejor y más rápida, y otras conclusiones finales sobre los datos de auditoría digital

¿Es el etiquetado granular de texto más útil que los bloques de texto grandes? Esa es la pregunta que consideramos en la última publicación de nuestra serie sobre Key Audit Matters (KAMS), que analiza los primeros datos digitales de Japón, el primer país en requerir que esta información se etiquete utilizando XBRL.

¿Reflejan los patrones de similitud en los datos de los KAM las divulgaciones «repetitivas»?

Utilizamos los KAM etiquetados digitalmente para darnos una visión general de los niveles de similitud, analizando aproximadamente 2.800 respuestas de auditoría etiquetadas digitalmente en KAM, todas tomadas de estados financieros consolidados de empresas públicas japonesas. De estos, alrededor de 500 tenían más del 90% de similitud con al menos otra respuesta de auditoría: diríjase a la publicación para ver cómo los agrupamos en grupos similares y los visualizamos gráficamente. Gran parte de esta similitud parece generarse dentro de las empresas de auditoría: alrededor del 80% de las respuestas de auditoría similares tuvieron la misma empresa de auditoría.

Una primicia mundial – Analizamos los datos digitales de KAMS de Japón

La sección Key Audit Matters (KAM) de un informe de auditoría destaca las cuestiones más importantes encontradas, a juicio del auditor. Los KAM están destinados a ayudar a los usuarios a comprender mejor las auditorías de los estados financieros, a menudo destacando áreas de riesgo que pueden ser de interés para los inversores. Hasta ahora, sin embargo, no han sido etiquetados digitalmente utilizando XBRL, y por lo tanto han sido difíciles de analizar.
Todo eso cambió para Japón el año pasado, convirtiéndose en la primera jurisdicción en exigir el etiquetado digital de las divulgaciones de KAM por parte de empresas públicas, hasta donde sabemos. Hay más información sobre los requisitos de informes aquí (en japonés, pero es probable que el traductor digital elegido haga un buen trabajo). El uso de XBRL hace que los datos de KAM sean legibles por máquina y permite que se utilicen inmediatamente en análisis.