Η «Data Lake» της ΑΑΔΕ με τα προφίλ φυσικών και νομικών προσώπων

Τη δημιουργία μιας «λίμνης δεδομένων» στην οποία θα διαβιβάζονται τα στοιχεία όλων των φορολογουμένων και των επιχειρήσεων και από τα οποία με τη συνδρομή της Τεχνητής Νοημοσύνης θα εντοπίζονται εκείνοι που φοροδιαφεύγουν δρομολογεί η ΑΑΔΕ.

Πρόκειται για το έργο με τον τίτλο «Σύστημα Προηγμένης Επιχειρησιακής Νοημοσύνης (ΒΙ) και Ανάλυσης Δεδομένων (Data Analytics)», το οποίο σύντομα θα τεθεί σε παραγωγική λειτουργία και θα είναι εξοπλισμένο με μηχανή «Επιχειρησιακής Ευφυΐας», για να εντοπίζει και να στοχοποιεί εύκολα ελεγκτικούς στόχους.

Το πρόγραμμα κόστους περίπου 5,5 εκατ. ευρώ, το οποίο περιλαμβάνει τη δημιουργία, τη διαχείριση και τη συντήρηση μίας υποδομής Επιχειρηματικής Ευφυΐας και Αναλυτικής Δεδομένων καθώς και υπηρεσιών που ενοποιούν, επεξεργάζονται και οργανώνουν τα δεδομένα από διάφορες πηγές, όπως οι τράπεζες, η Αστυνομία, το ΓΕΜΗ, ο ΕΦΚΑ κ.λπ.

Κεντρικός στόχος του προγράμματος είναι η ανάλυση και αξιοποίηση των δεδομένων της ΑΑΔΕ, καθώς και η δυνατότητα του συστήματος να υποστηρίξει την ανάπτυξη αλγορίθμων μηχανικής μάθησης και την αξιοποίηση των δεδομένων από τελικούς χρήστες για σκοπούς παραγωγής αναφορών (Self Service Business Intelligence). Θα περιλαμβάνει επίσης τη δημιουργία:

• Μιας «Επιχειρησιακής Λίμνης Δεδομένων» (Enterprise Data Lake – EDL). Η λύση θα παρέχει τη δυνατότητα αποθήκευσης και επεξεργασίας τόσο δομημένων όσο και αδόμητων δεδομένων.
• Μιας «Επιχειρησιακής Αποθήκης Δεδομένων» (Enterprise Data Warehouse – EDW). Η λύση θα πρέπει να περιλαμβάνει και όλες τις απαραίτητες διαδικασίες για τη συλλογή, οργάνωση και επικαιροποίηση των δομημένων δεδομένων του οργανισμού.
• Ενός συστήματος Επιχειρησιακής Ευφυΐας και διαδραστικών αναφορών (Interactive Reports) από τα δεδομένα των EDW και EDL.
• Κάθετων εφαρμογών ανάλυσης δεδομένων και μοντέλων μηχανικής μάθησης (Machine Learning ML) με βάση τα δεδομένα των EDW και EDL.
• Web APIs για παροχή και ενημέρωση της πληροφορίας που αποθηκεύεται στην EDW. Η συγκεκριμένη δυνατότητα θα δίνεται για μεμονωμένα αιτήματα και όχι για μαζική αποστολή/ενημέρωση της πληροφορίας.

Παράλληλα θα αποθηκεύει στοιχεία από το ELENXIS και θα καταχωρούνται οι ελεγκτικές υποθέσεις από διαφορετικές υπηρεσίες ελέγχου, ενώ το κυριότερο, θα διαθέτει μια βάση δεδομένων με στοιχεία συναλλαγών επιχειρήσεων.

Μαζικές διασταυρώσεις

Ιδιαίτερη βαρύτητα δίδεται στην δυνατότητα καις την ταχύτητα επεξεργασίας μεγάλου όγκου δεδομένων. Καθώς ο όγκος των δεδομένων είναι μεγάλος, η λύση μεγάλων δεδομένων θα πρέπει να επεξεργάζεται αρχεία χρησιμοποιώντας μαζικές διεργασίες (batch processing) για να φιλτράρει, να συγκεντρώνει και να προετοιμάζει δεδομένα για ανάλυση.

Τα δεδομένα, παράλληλα με την επεξεργασία τους σε πραγματικό χρόνο, θα πρέπει να αποθηκεύονται (τυπικά σε ένα data lake) για να συνδυαστούν/χρησιμοποιηθούν και από ασύγχρονες διαδικασίες (batch processes) σε δεύτερο χρόνο. 

Επίσης,  τα δεδομένα θα αποθηκεύονται σε ένα κατανεμημένο χώρο αποθήκευσης αρχείων, ο οποίος μπορεί να αποθηκεύσει μεγάλους όγκους αρχείων σε διαφορετικές μορφές, γνωστός ως «Λίμνη Δεδομένων» (Data Lake).

Ποιους θα παρακολουθεί η νέα εφαρμογή

Το νέο ηλεκτρονικό εργαλείο της ΑΑΔΕ θα ενσωματώνει τα ακόλουθα χαρακτηριστικά:

1. Δυνατότητες διασταύρωσης με τραπεζικά στοιχεία όπως στοιχεία καταθέσεων, στοιχεία κινήσεων καρτών, στοιχεία συναλλαγών.
2. Προγνωστική επεξεργασία δεδομένων από διαφορετικές πηγές χρησιμοποιώντας ταυτόχρονα και στοιχεία της αγοράς με τα ενδεικτικά παρακάτω στοιχεία: (α) Προφίλ ασφαλισμένου (β) Τραπεζικά στοιχεία (καταθέσεις, σύνολο συναλλαγών) (γ) Στοιχεία φορολογικών δηλώσεων (δ) Ληξιπρόθεσμα, εμπρόθεσμη είσπραξη, διαγραφή (ε)Πληθωρισμός.
3. Στατιστική ανάλυση για τα στοιχεία μητρώου και των ομάδων φορολογουμένων, καθώς και ανάλυση για τα αποτελέσματα πράξεων συμμόρφωσης από τα βεβαιωμένα ποσά και τις εισπράξεις ανά ηλικία, επάγγελμα κλπ. (β) Σύνθετη ανάλυση με δείκτες όπως αριθμός φορολογικών δηλώσεων, δηλώσεων που ελέγχονται από τη ΔΟΥ, δηλώσεων που αντιστοιχούν ανά ΔΟΥ κλπ. (γ) Αξιολόγηση αποτελεσματικότητας δράσεων συμμόρφωσης ή/και τροποποίησης της φορολογικής νομοθεσίας.
4. Avαφορά με στοιχεία μητρώου, δηλώσεων φορολογουμένων, στοιχείων εισαγωγών – εξαγωγών και επαγγελματικής δραστηριότητας.
5. Σύνθετη ανάλυση πληροφοριών από τράπεζα πληροφοριών και καταγγελιών και ανάλυση κινδύνου παραβατικής συμπεριφοράς μετά από καταγγελία.
6. Συγκέντρωση δεδομένων με σκοπό την ανάλυση εσόδων, τις προβλέψεις εσόδων και τη μελέτη της φορολογικής συμπεριφοράς φυσικών και νομικών προσώπων.
7. Συγκέντρωση δεδομένων με σκοπό την ανάλυση φορολογικού κενού και την παροχή στοιχείων ελέγχων επί φυσικών και νομικών προσώπων με διάκριση για το είδος του ελέγχου.
8. Παροχή δεδομένων από την παρακολούθηση αντιδράσεων των φορολογουμένων στις ανακοινώσεις της ΑΑΔΕ με αντίστοιχη ανάλυση περιεχομένου.
9. Αναφορά διασταύρωσης των δεδομένων myData, τόσο μεταξύ τους όσο και με τα δεδομένα διαφορετικών βάσεων δεδομένων.
10. Δημιουργία εύχρηστων προφίλ και τάσεων συμπεριφοράς (παραβατικότητας, συμμόρφωσης, σε πολλαπλά επίπεδα, όπως κλαδικά, χωροταξικά, εποχικά, οικονομικά κλπ.).
11. Εντοπισμός και μοριοδότηση φορολογούμενων βάσει συγκεκριμένων προδιαγραφών με σκοπό τον σχεδιασμό επικοινωνιακών δράσεων για την ενίσχυση της φορολογικής συμμόρφωσης.
12. Ανάπτυξη μεθόδων και συστημάτων διασταύρωσης στοιχείων και ανάλυσης κινδύνου για την αξιολόγηση των οφειλετών.
13. Αξιοποίηση δεδομένων σχετικά με την επαγγελματική δραστηριότητα φορολογούμενων που δεν έχουν πραγματοποιήσει έναρξη ή μεταβολή επιχειρηματικής δραστηριότητας ως όφειλαν.
14. Άμεση αξιοποίηση δεδομένων μη συμμορφούμενων φορολογουμένων και αποστολή αυτών στις αρμόδιες υπηρεσίες.
15. Σύνθετη ανάλυση ειδικών κατηγοριών οφειλετών με σκοπό τον έλεγχο και τον χαρακτηρισμό οφειλών ως ανεπίδεκτων είσπραξης και παρακολούθηση αυτών.
16. Συλλογή δεδομένων παραβατικότητας (ανά βάθος τριετίας - πενταετίας) ανά κατηγορία επιχειρήσεων και ανά γεωγραφική περιοχή για εξαγωγή ποιοτικών και ποσοτικών κριτηρίων κινδύνων παραβατικότητας για στόχευση σε φορολογικούς ελέγχους.
17. Πρόβλεψη εσόδων μετά από αναπροσαρμογή αντικειμενικών αξιών.
18. Πρόβλεψη Εσόδων μετά από αναπροσαρμογή των φορολογικών συντελεστών.