Meridian Capital Advisors est une société de recherche en investissement basée aux États-Unis, qui couvre des distributeurs de produits de santé cotés en bourse. James Whitfield élabore des modèles de projection prospective utilisés pour les décisions d’investissement, les revues d’allocation de capital et la planification de scénarios. L’équipe fonctionne sans fonction dédiée d’ingénierie des données — les analystes sourcent, nettoient et modélisent les données de bout en bout.
La structure des comparatifs d’EDGAR corrompait les données réelles FY2022 avant même le début de la modélisation
Construire une prévision crédible sur 3 ans nécessitait des données réelles propres pour huit lignes — Revenue, COGS, SG&A, Interest Expense, Capital Expenditures, Accounts Receivable, Accounts Payable et Inventory — sur FY2022, FY2023 et FY2024, directement extraites des dépôts 10-K de Cardinal Health sur SEC EDGAR.
Deux modes de défaillance bloquaient une extraction manuelle fiable. Premièrement, la taxonomie US-GAAP utilise des noms de concepts qui ne se mappent pas de manière intuitive aux lignes économiques, et une même ligne peut apparaître sous des balises différentes selon les pratiques de publication de chaque déposant — naviguer dans cette taxonomie pour huit concepts ne laisse aucune place au raccourci.
Deuxièmement, la structure JSON d’EDGAR affiche les valeurs comparatives de l’année précédente aux côtés des chiffres de l’année en cours. Une extraction naïve qui regroupe par libellé d’exercice fiscal récupère des valeurs dupliquées ou mal appariées, corrompant les données réelles avant même le début de la modélisation. Pour Cardinal Health, cette caractéristique structurelle aurait entièrement corrompu les données réelles FY2022. Au-delà de l’intégrité de l’extraction, Inventory présentait une fluctuation importante sur la période de rétrospective de trois ans — appliquer une simple moyenne historique des ratios à la couche de projection produirait des estimations peu fiables, sans avertissement visible.
Energent.ai est devenu le moteur d’extraction et le générateur de classeur en une seule session
L’agent a chargé le fichier JSON des données EDGAR de Cardinal Health et a pris en charge l’ensemble de la chaîne :
- Mappé la taxonomie US-GAAP pour identifier la balise de concept correcte pour chacune des huit lignes cibles
- Extrait les données réelles FY2022, FY2023 et FY2024 en regroupant par date de fin de période — et non par libellé d’exercice de dépôt — éliminant ainsi les doublons de comparatifs à la source
- Construit
CAH_3Yr_Forecast.xlsxavec des couches de projection pilotées par des formules reliées à une seule cellule modifiable d’hypothèse de croissance (B2, définie à 3%) - Signalé Inventory avec un marqueur programmatique "Unstable Ratio" lorsque la fluctuation historique des ratios rendait une simple moyenne mobile peu fiable
- Produit
cah_financial_dashboard.html— une visualisation interactive de Revenue, COGS et Net Income sur les trois années historiques
Aucune réconciliation manuelle des comparatifs. Aucune recherche de taxonomie à la main. Aucun rebuild du modèle lors du dépôt du prochain 10-K.
Le regroupement par date de période, et non par libellé de dépôt, est ce qui a rendu les données réelles fiables
- Résolution de la taxonomie à l’ingestion : L’agent a mappé l’ensemble de la taxonomie des concepts US-GAAP avant d’extraire la moindre valeur, garantissant que la bonne balise était associée à chaque ligne économique, quelles que soient les conventions de publication de chaque déposant.
- Filtrage des comparatifs par conception : Le regroupement par date de fin de période plutôt que par libellé d’exercice de dépôt a isolé des chiffres glissants propres sur 12 mois pour FY2022, FY2023 et FY2024 — éliminant la duplication structurelle qui corrompt les extractions EDGAR standard.
- Drapeaux Unstable Ratio programmatiques : Lorsque les ratios historiques fluctuaient trop fortement sur la période de rétrospective, le classeur affichait un drapeau explicite au lieu d’appliquer silencieusement une moyenne erronée à la couche de projection.
- Architecture de scénario en cellule unique : Toutes les formules de structure de coûts reviennent à une seule cellule modifiable d’hypothèse de croissance — le stress test consiste à changer une seule valeur, et non à modifier la structure du modèle.
Huit lignes, trois exercices fiscaux, une seule session
- Données réelles vérifiées pour les huit lignes US-GAAP sur FY2022, FY2023 et FY2024 — directement sourcées depuis SEC EDGAR et traçables à la source
- Erreurs d’étiquetage des comparatifs de l’année précédente identifiées et corrigées avant la construction du classeur
CAH_3Yr_Forecast.xlsxlivré avec des couches de projection pilotées par des formules et des drapeaux Unstable Ratio sur les lignes de fonds de roulement volatilescah_financial_dashboard.htmlproduit en parallèle, prêt pour les présentations de revue interne
"Le signal Unstable Ratio sur Inventory est exactement le type de garde-fou qui empêche une formule de produire silencieusement une projection absurde en année trois." — James Whitfield, Analyste FP&A chez Meridian Capital Advisors