امروزه، سازمان‌ها مملو از داده‌ها هستند و سازمان‌های مالیاتی (TAs) از آن نمی توانند فرار کنند. به همین دلیل، آنها به طور فزاینده ای از فناوری های مختلفی مانند Big Data استفاده می کنند تا در مأموریت خود کارآمدتر و مؤثرتر باشند.داده پردازی کیسان
در این مقاله قصد دارم مفاهیم اساسی Big Data و مواردی از کاربرد فناوری را بیان کنم .داده پردازی در سیستم مالیاتی
اطلاعات بزرگ. مفاهیم مختصر
Big Data ، تجزیه و تحلیل داده ها و هوش مصنوعی مفاهیم جدیدی نیستند، اما برخی از پیشرفت های تکنولوژیکی در سال های اخیر استفاده از آنها را در شرکت ها و در مدیریت دولتی ممکن کرده است و همچنین تأثیر مثبتی بر امور مالیاتی داشته است.
دستاوردهای اصلی عبارتند از: داده پردازی در سیستم مالیاتی
- گسترش زیاد ظرفیت پردازش و ذخیره سازی در رایانه ها با کاهش هزینه های آنها.
- افزایش دسترسی به شبکه های ارتباطی و اینترنت پهن باند .
- توسعه مدل‌های مؤثر برای ضبط، ذخیره و پردازش داده‌های عظیم و الگوریتم‌های شناختی پیشرفته.
- ظهور منابع داده جدید (مانند حسگرها، GPS، شبکه های اجتماعی و غیره)، از جمله صورتحساب های الکترونیکی و تبادل اطلاعات مالیاتی بین کشورها.
هدف نهایی Big Data با تحلیل دیتا ارزش های زیادی را برای سازمان ایجاد کند. سوال این است که بتوانیم داده ها را به گونه ای بپرسیم که اطلاعات جمع آوری شده بتواند پاسخ های لازم را برای درک اینکه چه اتفاقی می افتد، چرا اتفاق می افتد و حتی چه اتفاقی می افتد بدهد. این سوال جواب ها در واقع همان چیزی هستند که ما به عنوان تحلیل پیش بینی، توصیفی و تجویزی می شناسیم.
تجزیه و تحلیل توصیفی:
از داده های تاریخی، شناسایی رفتارها و ترسیم نحوه انجام کارها استفاده می کند. این تجزیه و تحلیل پرکاربردترین است و هدف آن ایجاد یک تصویر فوری مهم از موقعیت است تا بتواند با درجه بالایی از موفقیت تصمیم گیری کند.
پیش بینی تجزیه و تحلیل:
امکان ایجاد مدل هایی را فراهم می کند که امکان پیش بینی آنچه را که از قبل اتفاق می افتد را فراهم می کند.
تجزیه و تحلیل تجویزی:
داده ها را برای یافتن راه حل در میان طیف وسیعی از انواع، تجزیه و تحلیل می کند. وظیفه آنها بهینه سازی منابع و افزایش کارایی عملیاتی است. از تکنیک‌های شبیه‌سازی و بهینه‌سازی استفاده می‌کند و می‌تواند به این نکته اشاره کند که انتخاب مسیر واقعاً راحت است.
استفاده از داده های بزرگ در داده پردازی مالیاتی :
ایالات متحده:
در ایالات متحده ، IRS از داده های بزرگ برای مبارزه با تقلب مالیاتی استفاده می کند. یکی از استراتژی‌های بکار گرفته شده، داده کاوی رسانه‌های اجتماعی، برای اثبات اینکه مردم سبک زندگی مرفه‌تری نسبت به سوابق مالیاتی خود دارند استفاده می‌شود، که با موفقیت 300 میلیارد دلار در مالیات از دست رفته در هر سال، صرفه‌جویی می‌کند .
داده پردازی در سیستم مالیاتی
انگلستان:
HMRC از سال 2017 سیستم Connect را توسعه داده است. یک سیستم داده کاوی کامپیوتری از نرم افزار تجزیه و تحلیل شبکه های اجتماعی که سوابق مالیاتی شرکت ها و افراد را با پایگاه های داده دیگر بررسی می کند تا فعالیت های تقلبی را پیدا کند.
این نرم افزار ابزارهای تحلیلی را ترکیب می کند و اطلاعات را جمع آوری می کند و تجزیه و تحلیل پیش بینی مشابه رتبه اعتباری را پیاده سازی می کند و دارای محک گذاری پویا است. به دنبال همبستگی درآمد با سبک زندگی، مقایسه آن با مدل های آماری چند متغیره است.
داده ها از منابع مختلف از جمله بانک ها، ثبت زمین، کارت های اعتباری، وسایل نقلیه متعلق به یا فروخته شده، اسناد مالیاتی، مالیات پرداخت شده شهری، ثبت نام مالیات بر ارزش افزوده، اظهارنامه مالیاتی سال گذشته، هرگونه تحقیق مالیاتی، درآمد گاه به گاه کارفرما، مزایای شرکت، مزایای کودک و پرداخت های حمایت از کودک، سیستم عامل های آنلاین، رسانه های اجتماعی، همه پست های عمومی، مرور وب و سوابق ایمیل را دریافت و تجزیه و تحلیل می کند.
داده پردازی در سیستم مالیاتی
همچنین در بریتانیا، ADEPT (Analytics for Debt Profileing and Targeting) وجود دارد که یک سیستم تجزیه و تحلیل کلان داده است که برای مدیریت بدهی ها استفاده می شود .
اسپانیا:
AEAT از Big Data برای ردیابی افراد ثروتمندی که قصد اقامت در خارج از کشور را برای مقاصد مالیاتی دارند، استفاده می کند.
قبلا AEAT وظایف کنترلی خاصی را برای تعیین محل سکونت دارایی های بزرگ از طریق ردیابی اطلاعاتی مانند مخارج در مؤسسات یا روابط خانوادگی انجام داده است. اما به لطف Big data، آژانس اکنون ابزاری موقت برای عبور از حدود 70 منبع مختلف اطلاعاتی و انتخاب مالیات دهندگان با دارایی های مرتبط دارد که می تواند از خزانه داری کلاهبرداری کنند.
علاوه بر این، برنامه کنترل مالیاتی 2021 AEAT اسپانیا، اجرای تجزیه و تحلیل “Big Data” را در زمینه مالیات بر درآمد شخصی، برای اجرای پروژه ای که به دنبال کاهش با استفاده از تجربه به دست آمده، خطاهای مودیان برای تسلیم اظهارنامه مالیاتی این در راستای استراتژی‌های بین‌المللی و تکنیک‌های «هنجار» است (برای تشویق و ترویج رفتار مالیاتی صحیح) بر اساس رویکرد «بینش‌های رفتاری» (رویکردی برای درک بهتر رفتار مالیات دهندگان).
داده پردازی در سیستم مالیاتی
کاستاریکا:
از طریق استفاده از داده های بزرگ، جمع آوری مالیات بهبود یافت. مدل پیش بینی طراحی شده با تکنیک های داده کاوی مورد استفاده توسط وزارت دارایی در کاستاریکا، شبیه سازی پرداخت به اشخاص ثالث را برای بیش از 31 میلیون دلار شناسایی کرد.
مکزیک:
برای تقویت مکانیسم‌های خود برای رعایت تعهدات مالیاتی، SAT از هوش مصنوعی استفاده می‌کند که امکان جمع‌آوری حجم زیادی از داده‌ها را از صورت‌حساب‌های الکترونیکی فراهم می‌کند.
SAT پتانسیل بهره برداری از پیچیده ترین الگوریتم های هوش مصنوعی را دارد تا نظارت را بهبود بخشد و مجموعه تولید ناخالص داخلی (GDP) را تا 3 درصد افزایش دهد.
داده پردازی در سیستم مالیاتی
در مورد Big Data، SAT پیش از اجرای هوش مصنوعی سه مشکل اصلی را حل کرده است:
- ایجاد الگوریتم
- داده ها را به اطلاعات ساخت یافته تبدیل می کند
- اطلاعات را در زمان واقعی در دسترس قرار می دهد
استرالیا:
اداره مالیات استرالیا (ATO) در حال ساخت یک راه حل تجزیه و تحلیل شبکه به نام “ANGIE” است تا به گروه کاری فرار مالیاتی خود کمک کند تا روابط پیچیده و چند سطحی بین مالیات دهندگان را تشخیص دهد.
این راه حل، که توسط یک پایگاه داده گراف پشتیبانی می شود، به عنوان بخشی از برنامه داده ها و تجزیه و تحلیل گروه کاری در حال توسعه است.
ANGIE به طور خودکار مالیات دهندگان را شناسایی و گروه بندی می کند تا رابطه آنها با یکدیگر را درک کند. این به گروه کاری اجازه می دهد تا “الگوهای مورد علاقه” را شناسایی کرده و پیوندهای جدید بین مشتریان را تجسم کند.
داده پردازی در سیستم مالیاتی
هند:
یک گزارش استاندارد کسب و کار است که داده های جمع آوری شده از Insight را جدا می کند. با این کار نمایه اصلی مالیات دهندگان ایجاد می شود که شامل آدرس، امضا و نمایه بازپرداخت مالیات است. همچنین بخشی به نام هوش تجاری وجود دارد که اساساً افرادی را کشف می کند که مطابقت ندارند.
یک سیستم اطلاعات جغرافیایی به TA کمک می کند تا بر روی یک منطقه خاص برای اقدامات مهم تر، تمرکز کند. این گزارش همچنین می گوید که مالیات دهندگان را بر اساس پارامترهایی مانند درآمد، سود و سود سرمایه رتبه بندی می کند.
در کانادا:شرکت داده پردازی کیسان
CRA، با تجزیه و تحلیل داده های کلان، به دنبال مبارزه با فرار مالیاتی در خارج از کشور است. CRA همچنان به دستیابی به داده های بهتر، بهبود استفاده از داده ها برای هدایت اقدامات مطابقت خود و دستیابی به نتایج در مبارزه با فرار مالیاتی خارجی و اجتناب مالیاتی تهاجمی اولویت دارد.
داده پردازی در سیستم مالیاتی
در کره جنوبی:داده پردازی کیسان
یک سیستم تجزیه و تحلیل کلان داده مبتنی بر هوش مصنوعی توسعه داده شده است که می تواند داده های مختلفی از جمله صورتحساب های مالیاتی، رسیدهای نقدی و داده های خانواده و دوستان را تجزیه و تحلیل کند .
نتیجه:داده پردازی ایران
داده‌های بزرگ، مانند هوش مصنوعی و بلاک چین، در میان سایر فناوری‌های مدرن، بسیار کاربرید و مهم هستند و استفاده از آنها هم در بخش عمومی و هم در بخش خصوصی افزایش خواهد یافت.
با این حال، هشدار ما این است که لازم است هر مورد خاص را با توجه به زمینه هر TA، کاربرد احتمالی و مزایا و هزینه‌های آن مورد تجزیه و تحلیل قرار دهیم.
توصیه می‌شود بهترین شیوه‌های این حوزه را تجزیه و تحلیل کنیم و سپس ببینیم که چه مشکلی را باید حل کنیم، شناسایی کنیم که چه کارهای دستی را می‌توان از طریق فناوری حذف یا افزایش داد، و چه اطلاعات اضافی را می‌توان از دستگاه خارج کرد.
مانند هر پروژه ICT، برای افزایش شانس موفقیت، بالاترین مقامات مالیات باید از ابتدا درگیر باشند و اجرای آن را از نزدیک دنبال کنند.
کل این فرآیند دیجیتالی‌سازی داده پردازی مالیات، از جمله پذیرش فناوری‌های جدید مانند داده‌های بزرگ، نباید به‌صورت مجزا انجام شود، بلکه باید در دیجیتالی‌سازی کشورها در چارچوب مفهوم داده پردازی مالیات ادغام شود.
دولت‌ها باید با استفاده از بازیگران مختلف برای اطمینان از استفاده صحیح از هوش مصنوعی، به شیوه‌ای اخلاقی و عادلانه، حفاظت از حقوق اساسی شهروندان و همیشه به دنبال اطمینان از اینکه فناوری اطلاعات و ارتباطات عنصری یکپارچه با منابع انسانی TA هستند، همکاری کنند.
به طور خلاصه، از یک سو، ارتقای فناوری برای بهبود کارایی، اما از سوی دیگر، توجه به حاکمیت آن، اجتناب از تعصبات احتمالی در استفاده از آن، همیشه رعایت حقوق و ضمانت‌های مالیات دهندگان در همه موارد حیاتی است.
منبع: www.ciat.org
آخرین مطالب
