视野讯：过去一年，数据方面最大的发展趋势就是“大数据”的出现，它让大量的非结构化数据和数据流从实质上变得有意义。维基百科对大数据的定义是：各类数据集合的汇总，数量庞大且内容复杂，用现有的数据库管理工具或传统的数据处理应用难以进行加工处理。谷歌公司的数据专家发现，传统的数据库工具已经无法有效地进行万维网数据索引，为此，他们身先士卒，开发了新的方法以处理大量的未定义数据。

此处是一个视频链接，它意义重大，向观众阐释了谷歌大数据技术（Hadoop）的开发过程，。

每天，谷歌都需要对整个网络进行索引，时时刻刻面对着海量数据！这个问题事关重大，以至于谷歌需要构造一个全部由新技术组成的技术生态结构来处理数据问题，这个全新的系统名叫Hadoop。随着开放源代码的大数据技术的面世，如今，公司只需将海量数据纳入这些新工具，它们就能够更好地进行公告和预测，比以前的技术更加出色。

Hadoop的核心和灵魂是一种叫“Map Rce”的技术，通过这个技术，数据可被转化为易处理、可复制的文件块，进而便于索引和搜索。使用者可创建关键词，并映射到相应的文件块，以便进行数据的快速搜索和检索。该技术还预计了服务器故障状态，设置了三重数据备份，可通过文档的分布式结构重新获取。借助这些技术，海量数据不仅可控，而且也便于理解。

大数据对XBRL的影响是什么？

XBRL实现了以前看似不可能的任务。XBRL将业务报告实际数字与会计和业务概念进行映射，从而生成计算机程序可读的成果。报告数字与基础会计概念直接映射，XBRL使用者借此可以推断出报告数字背后所隐含的会计概念。换而言之，如果一家公司使用特定的XBRL标签来标注“收入”概念，那么，报告使用者可以通过相关XBRL数据，了解有关的公认会计原则（GAAP），找到“收入”在财务报表结构中的通常位置，获取报告期间等其他敏感数据，并了解数据精度以及报告公司的相关信息。

在美国，从2009年起，证券交易委员会（SEC）就已强制要求上市公司采用XBRL格式报告大部分财务数据。现在，用户可以直接从SEC处获取大量的，经过标注的XBRL报告数据集，从而能够对财务信息进行更广泛的分析。针对XBRL，各个公司已开发出不少工具，通过这些特殊工具，用户可以提取数据，非常快速地进行海量数据分析。数据集随着每个季度的申报而不断增长，为什么我们会需要财务信息大数据呢？

大数据与XBRL

要回答这个问题，我们需要分析大数据和XBRL的特点。万维网索引、Facebook或Twitter帖子的索引都需汇总大量复杂的数据集，这些数据集从本质上而言都是非结构化的。而XBRL数据集高度结构化，内容相对较少，但呈增长之势。我们完全可以使用Hadoop来组织海量的XBRL数据，但却几乎无法处理非结构化的财务数据。我个人认为，这是因为Hadoop环境下所使用的映射技术依赖于关键词与数据集之间的一一对应关系。

在会计界，数字本身无任何意义可言。财务报表至少算是一个二维列报，通过数值和标签，使用者可以推断其中含义。而大数据使用者则依靠一一对应的维度平面来推断含义。

“大数据是否会让XBRL技术过时？”，答案当然是否定的。XBRL数据将永远不会依靠数据量来取胜。大卫·范·坎农（David Vun Kannon）负责编辑了XBRL建议的所有三个版本，他认为，即便英国税务部门每年收到的文件高达2百万份，但这些文件也称不上大数据。大卫·范·坎农指出：“即使使用XBRL对财务报告进行概要汇总，XBRL数据依然不属于‘大数据’范畴；但是，在审计过程中使用XBRL进行日记账分录测试（美国注册会计师协会正有此打算），那么这些数据将与“大数据”沾边，计算机可通过大数据算法进行舞弊检测。”

的确，激动人心的时刻即将到来！

大数据和XBRL 的前景如何？

如果公司已经使用大数据来运行“预测分析”（predictive analytics ）等应用程序，那么，它们是否可以将XBRL数据添加到分析之中？答案是当然可以。SEC备案库数据丰富，具有重大意义，公司可将它与收集到的其他数据结合起来应用。我预计，已经有人就此展开工作，对软件工具进行开发，以期让梦想成为现实。

如想了解更多内容，可访问。

校对：张晓泉

中国会计视野2013年9月3日11：21发布，转载请注明来源和作者。

原文链接：http://hitachidatainteractive.m/2013/08/10/xbrl-meet-big-data/

英文新闻：http://www.xbrl-cn.org/2013/0903/94908.shtml