Quantcast
Φοροδιαφυγή: Η ΑΑΔΕ αποκτά υπερσύγχρονο σύστημα τεχνητής νοημοσύνης -Όλες οι λεπτομέρειες - enikonomia.gr
share

Φοροδιαφυγή: Η ΑΑΔΕ αποκτά υπερσύγχρονο σύστημα τεχνητής νοημοσύνης -Όλες οι λεπτομέρειες

δημοσιεύτηκε:

Η ΑΑΔΕ  θα αποκτήσει ένα υπερσύγχρονο σύστημα προηγμένης επιχειρησιακής νοημοσύνης (BI) και ανάλυσης δεδομένων (Data Analytics) για την καταπολέμηση της φοροδιαφυγής.

Σημειώνεται δε πως το σχετικό σχέδιο βρίσκεται σε προκαταρκτική διαβούλευση στο πλαίσιο του Εθνικού Σχεδίου Ανάκαμψης και Ανθεκτικότητας «Ελλάδα 2.0».

Επίσης επισημαίνεται πως η Αρχή θα λάβει την προμήθεια ενός συστήματος ανάλυσης και εξόρυξης δεδομένων που θα περιλαμβάνει την υιοθέτηση ισχυρής αρχιτεκτονικής δεδομένων, την ανάπτυξη κοινού αποθετηρίου μεταδεδομένων, την προμήθεια κατάλληλων λύσεων λογισμικού και την ανάπτυξη τεχνικών και εργαλείων τεχνητής νοημοσύνης και μηχανικής μάθησης όπως μοντέλα πρόγνωσης, εξόρυξης δεδομένων, στατιστικής και ποσοτικής ανάλυσης, προσομοιώσεις κλπ., το οποίο θα οδηγήσει στην καλύτερη εκμετάλλευση των δεδομένων της.

Τα βασικά χαρακτηριστικά

Τα βασικά χαρακτηριστικά που θα περιλαμβάνει το σύστημα ανάλυσης και εξόρυξης δεδομένων είναι τα εξής:

  • Ευελιξία στη διασυνδεσιμότητα καθώς θα έχει πρόσβαση σε όλα τα δεδομένα (δομημένα, ημιδομημένα, αδόμητα) της ΑΑΔΕ καθώς και εξωτερικών πηγών με στόχο την προεπεξεργασία, την ενοποίηση, τον μετασχηματισμό και την αξιοποίηση τους.
  • Δυνατότητα παραγωγής στατιστικών και διαδραστικών αναφορών επιχειρησιακής ευφυΐας για το σύνολο των δεδομένων και πληροφοριών στους επιχειρησιακούς χρήστες.
  • Επεξεργασία των δεδομένων σε πραγματικό χρόνο προκειμένου να επιτευχθεί η παραγωγή αναφορών σε πραγματικό χρόνο, η λήψη απόφασης και δράσης βάσει αυτών και η άμεση ενημέρωση των εφαρμογών.
  • Σύστημα τεχνητής νοημοσύνης και μηχανικής μάθησης το οποίο θα περιλαμβάνει τεχνικές με τις οποίες θα γίνεται επεξεργασία δεδομένων και εξαγωγή πληροφορίας από μεγάλα σύνολα δεδομένων με σκοπό να γίνουν προβλέψεις για μελλοντικά γεγονότα. Αρχικά, τα ιστορικά δεδομένα θα χρησιμοποιούνται για να χτίσουν ένα μαθηματικό μοντέλο το οποίο θα συλλαμβάνει τις σημαντικές μελλοντικές τάσεις. Στη συνέχεια, το μοντέλο πρόβλεψης θα χρησιμοποιείται σε τρέχοντα δεδομένα για να προβλέψει τι θα συμβεί μελλοντικά ή για να προτείνει δράσεις με τις οποίες θα επιτευχθούν τα καλύτερα δυνατά αποτελέσματα.
  • Δυνατότητα παραγωγής συνθετικών δεδομένων, ανάπτυξης αποθετηρίου μεταδεδομένων και δυνατότητα χρήσης προβλεπτικών μελλοντικών τάσεων
  • Εφαρμογή των βασικών αρχών διαχείρισης και διακυβέρνησης δεδομένων που περιλαμβάνουν:

α. Ορισμό ρόλων και αρμοδιοτήτων που εμπλέκονται στην ανάλυση δεδομένων
β. Χαρακτηριστικά ασφάλειας δεδομένων
γ. Χαρακτηριστικά καταλόγου δεδομένων και διαχείρισης μεταδεδομένων
δ. Χαρακτηριστικά του μηχανισμού παρακολούθησης του κύκλου ζωής των δεδομένων
ε.  Βελτιστοποίηση ποιότητας, ακεραιότητας και επίδοσης των δεδομένων

Ενδεικτικά, από την υλοποίηση του Έργου θα καλυφθούν:

  • Η διασύνδεση με τα πληροφοριακά συστήματα του ελέγχου: Παροχή δεδομένων για την υλοποίηση έμμεσων τεχνικών ελέγχων και ελεγκτικών διασταυρωτικών επαληθεύσεων
  • Η ανάλυση δεδομένων για σκοπούς στόχευσης ελέγχων: Άντληση και ανάλυση δεδομένων της ΑΑΔΕ σε συνδυασμό με δεδομένα από εξωτερικές πηγές (παγκόσμιο ιστός, κοινωνικά δίκτυα, ανοιχτά δεδομένα κλπ.) για την αποδοτικότερη επικαιροποίηση ανάλυσης κινδύνων στη στόχευση και προτεραιοποίηση των ελέγχων, σε συμφωνία και προς επίτευξη των στόχων του στρατηγικού και επιχειρησιακού σχεδίου της ΑΑΔΕ
  • Η έγκαιρη ανίχνευση περιστατικών φοροδιαφυγής: Ανίχνευση σε πραγματικό χρόνο ύποπτων περιστατικών φοροδιαφυγής και λαθρεμπορίου
  • Η ανακάλυψη δυναμικών σχέσεων μεταξύ των φορολογουμένων: Όπως έχει αποδειχτεί από εφαρμογές άλλων ευρωπαϊκών χωρών είναι πολύ σημαντικό βήμα για την εύρεση απάτης και φοροδιαφυγής
  • Η κατηγοριοποίηση φορολογουμένων: Κατηγοριοποίηση της αναμενόμενης συμπεριφοράς φορολογουμένων πχ στρατηγικός κακοπληρωτής, πιθανότητα φοροδιαφυγής κλπ.
  • Το profiling φορολογουμένων: Εύρεση μη εμφανών ομοιοτήτων μεταξύ των φορολογουμένων όπως προκύπτουν μετά από δημογραφική, οικονομική και συμπεριφορική ανάλυση του συνόλου του πληθυσμού των φορολογουμένων. Χρησιμοποιείται στην εκτίμηση κινδύνου και σε άλλες περιπτώσεις χρήσης
  • Η εκτίμηση ρίσκου και αξιολόγηση κινδύνου: Αξιολόγηση των φορολογουμένων ως προς το ρίσκο μη πληρωμής
  • Η πρόβλεψη εσόδων και οφειλών: Πρόβλεψη εσόδων και οφειλών συνολικά και ανά φορολογούμενο ή ανά ΔΟΥ, ανά γεωγραφική περιοχή, ανά επάγγελμα, ή οποιαδήποτε άλλη διάσταση βάση των ιστορικών στοιχείων συμπεριφοράς των φορολογουμένων
  • Η επίβλεψη λειτουργίας: Στόχο έχει τη βελτίωση της αποτελεσματικότητας και της επίδοσης λειτουργίας των συστημάτων του οργανισμού, που καταγράφονται στην παράγραφο 8.3.2.1.

Ποια θα είναι τα οφέλη

Με τη χρήση ενός καινοτόμου συστήματος ανάλυσης και εξόρυξης δεδομένων η ΑΑΔΕ θέλει να πετύχει τη δημιουργία μετρήσιμης προστιθέμενης αξίας προερχόμενη από την εκμετάλλευση των υπαρχόντων και νέων δεδομένων, μέσω της επίτευξης των παρακάτω στρατηγικών στόχων:

  • Διασφάλιση ακεραιότητας του φορολογικού συστήματος ενθαρρύνοντας συμμόρφωση προς το φορολογικό κώδικα. Προκειμένου η πλειονότητα των φορολογουμένων να συμμορφώνεται στο φορολογικό κώδικα, θα πρέπει να υιοθετηθούν καινοτόμες διαδικασίες που θα εντοπίζουν αυτόματα και θα επιλύουν δυνητική μη συμμόρφωση
  • Ευελιξία, αποτελεσματικότητα και ασφάλεια λειτουργίας και δεδομένων. Η αποτελεσματική λειτουργία σε μοντέρνες υποδομές αποτελούν θεμέλιο ενός σταθερού, αξιόπιστου οργανισμού και μιας βιώσιμης υπηρεσίας με δυνατότητας επιβολής κανόνων. Ο εξορθολογισμός και η απλοποίηση των διαδικασιών έχουν στόχο την καλύτερη εξυπηρέτηση των φορολογουμένων και βελτίωση της επιστασίας των φοροδοτικών πόρων
  • Συμβολή στην οργάνωση της ΑΑΔΕ, αποτελώντας το μοναδικό σημείο άντλησης και επεξεργασίας δεδομένων και παροχής αναφορών
  • Προηγμένη πρόσβαση σε πληροφορία, δυνατότητα υποβοηθούμενης ανάλυσης αποφάσεων και βελτίωση των λειτουργικών αποτελεσμάτων. Στόχος είναι η χρήση δεδομένων στη λήψη αποφάσεων με όσο το δυνατό πιο αποτελεσματική χρήση των πόρων. Προηγμένη διαχείριση του κύκλου ζωής των δεδομένων — από τη συλλογή, αποθήκευση, πρόσβαση, ανάλυση επιτρέποντας αποτελεσματικότερη και διαφανέστερη εφαρμογή
  • Καλλιέργεια ευέλικτου, έμπειρου και επαρκώς εξοπλισμένου προσωπικού. Ήδη οι υπάλληλοι της ΑΑΔΕ μοιράζονται μια κουλτούρα εκτίμησης της καινοτομίας, ενθαρρύνουν τις νέες προοπτικές και καλωσορίζουν τη διαφορετικότητα. Στόχος της ΑΑΔΕ είναι η δημιουργία ευκαιριών επιμόρφωσης και αυτό-βελτίωσης, η αξιοποίηση των ταλέντων στις νέες τεχνολογίες και η διορατικότητα ως προς τις μελλοντικές ανάγκες
  • Συνεργασία με εξωτερικούς φορείς. Η συνεργασία με εξωτερικούς φορείς, ως προς την ανταλλαγή δεδομένων, επιτρέπει τον εμπλουτισμό των πληροφοριών των φορολογουμένων και κατά συνέπεια τη βελτίωση των παρεχόμενων υπηρεσιών. Η συνεργασία για άντληση δεδομένων και εφαρμογή καινοτόμων τεχνολογιών βελτιώνει την εμπειρία των φορολογουμένων κατά τις συναλλαγές τους με τη φορολογική Αρχή και αναδεικνύει στοιχεία της φορολογικής τους συμπεριφοράς που δεν είναι προφανή

Το Έργο αναμένεται να έχει σημαντική θετική επίπτωση:

  • Στον μετασχηματισμό της οικονομίας, καθώς με τη χρήση ενός καινοτόμου συστήματος ανάλυσης και εξόρυξης δεδομένων και σύγχρονων τεχνικών τεχνητής νοημοσύνης η ΑΑΔΕ θα είναι αποτελεσματικότερη στο να χρησιμοποιεί τα δεδομένα της ευρύτερα και με στρατηγικό τρόπο για να μπορεί να προβλέπει και να επηρεάζει συμπεριφορές που θα βελτιώνουν τη συμμόρφωση και την απόδοση ως προς την είσπραξη δημοσίων εσόδων και την καταπολέμηση της φοροδιαφυγής και του λαθρεμπορίου
  • Στον ψηφιακό μετασχηματισμό, με χρήση σύγχρονων πληροφοριακών συστημάτων και τεχνολογιών που θα οδηγήσουν σε βελτίωση των επιχειρησιακών διαδικασιών της ΑΑΔΕ και σε σημαντική ενίσχυση της διαλειτουργικότητας των πληροφοριακών συστημάτων και δεδομένων

Διαβάστε ολόκληρο το σχέδιο εδώ

share
Σχόλια Αναγνωστών
Ροή
Οικονομία
Επιχειρήσεις
Επικαιρότητα

Ενημερωθείτε πρώτοι με τον τρόπο που θέλετε.