xBRL-CSV處理大數據最佳方式
各國央行及國家統計機構日益仰賴大數據集及分析以提供新見解，但管理如此大量的資料需要新的
資料平台。國際清算銀行（BIS）在今（2020）年5月的報告中說明處理大數據的最佳方式。新穎的大
數據集（如付款交易、從網路收集的非結構化精細資料、銀行自2008年金融危機以來所蒐集的結構化
財務資料集）越來越能補充傳統統計資料之不足。使用人工智慧及機器學習技術來分析大數據能協助公家機關取得更及時的經濟訊號，並強化預測及風險評估。
許多銀行已施行大數據平台及互補的計算基礎設施，以促進複雜模擬中大數據集的安全儲存及快速處理。即將成為正式
技術規範的xBRL-CSV是開放資訊模型（Open Information Model；OIM）的一部分，其將提供簡化處理大型或精細資料
集的方法。xBRL-CSV是專門為因應監理機關對更精細的資料收集需求所開發，具備XBRL的現有功
能，可在分類標準中定義資料需求，且資料可被驗證、提高精確性，但其亦相當精簡，減少儲存問題。
未來xBRL-CSV將提供一種在前述報告中討論的大數據基礎設施中有效整合XBRL功能的方法。