شناسایی و ردیابی شبکه‌های فرار مالیاتی با داده‌کاوی و الگوریتم‌های هوشمند

شناسایی و ردیابی شبکه‌های فرار مالیاتی دیگر صرفاً متکی به روش‌های سنتی نیست و به سمت نظارت‌های داده‌محور و سیستمی حرکت کرده است. در این رویکرد، با تحلیل داده‌ها، محاسبه ریسک و الگوریتم‌های هوشمند، مغایرت میان اطلاعات ثبت‌شده مودیان و رفتار اقتصادی آنها رصد و شناسایی می‌شود.

این مقاله، بر پایه توضیحات رییس مرکز بازرسی، مبارزه با فرار مالیاتی و پولشویی سازمان امور مالیاتی کشور، ابعاد عملی این رویکرد هوشمند، مصادیق رایج تخلف و نمونه نتایج شناسایی‌شده را به زبان مشاوره‌ای و کاربردی مرور می‌کند.

هوشمندسازی نظام مالیاتی؛ تغییر از روش‌های سنتی به نظارت داده‌محور

طبق توضیحات ارائه‌شده، سازمان امور مالیاتی کشور رویکرد خود را از شیوه‌های سنتی به سمت نظارت‌های سیستمی و داده‌محور تغییر داده است. در این چارچوب، «تحلیل داده‌ها»، «محاسبه ریسک» و «الگوریتم‌های هوشمند» ابزارهایی هستند که به کمک آنها هرگونه مغایرت میان اطلاعات ثبت‌شده مودیان و رفتار اقتصادی آنها شناسایی و رصد می‌شود.

منطق این رویکرد روشن است: وقتی داده‌های ثبت‌شده در نظام مالیاتی با الگوهای واقعی فعالیت اقتصادی همخوانی نداشته باشد، احتمال بروز تخلف یا کتمان درآمد افزایش می‌یابد. بنابراین، هدف اصلی، کشف نظام‌مند مغایرت‌ها و هدایت مودی به اصلاح اطلاعات و ابراز صحیح است.

مصادیق رایج کتمان درآمد و فرار مالیاتی از منظر داده‌محور

رییس مرکز بازرسی، مبارزه با فرار مالیاتی و پولشویی سازمان امور مالیاتی کشور، چند مصداق پرتکرار کتمان درآمد مشمول مالیات و فرار مالیاتی را تشریح کرده است. این موارد، مستقیماً با کیفیت ثبت‌نام، صحت اطلاعات و نحوه انطباق فعالیت واقعی با داده‌های ثبت‌شده ارتباط دارد.

1) عدم ثبت‌نام در نظام مالیاتی

یکی از مصادیق مطرح‌شده، عدم ثبت‌نام در نظام مالیاتی است. در این وضعیت، فعالیت اقتصادی جریان دارد اما در نظام مالیاتی اثری از پرونده مرتبط دیده نمی‌شود. در رویکرد جدید، شناسایی فعالان اقتصادی فاقد پرونده نیز با تکیه بر فرایندها و الگوریتم‌های هوشمند دنبال می‌شود.

2) ارائه اطلاعات ناصحیح هنگام ثبت‌نام

مصداق دیگر، عدم ارائه اطلاعات صحیح در زمان ثبت‌نام در نظام مالیاتی است. داده‌های ثبت‌نامی، پایه تحلیل‌ها و ارزیابی‌ها هستند؛ بنابراین هرگونه ناسازگاری میان اطلاعات ثبت‌شده و رفتار واقعی، در سازوکارهای داده‌محور به‌عنوان «مغایرت» قابل ردیابی است.

3) درج اینتاکد با ضریب سود پایین‌تر (عدم انطباق فعالیت واقعی با اینتاکد)

در توضیحات ارائه‌شده، بر ضرورت انطباق فعالیت‌های اقتصادی با اینتاکدهای ثبت‌شده تاکید شده است. اینتاکد مالیاتی به‌عنوان شناسه منحصر به فرد هر فعالیت اقتصادی معرفی شده که هدف آن، تعیین مالیات هر فعالیت به شکل عادلانه و بر مبنای نسبت سود همان فعالیت است.

یکی از مصادیق فرار مالیاتی در این حوزه زمانی رخ می‌دهد که مودی در واقعیت فعالیتی با ضریب سود بالاتر دارد اما از اینتاکد فعالیتی با ضریب سود پایین‌تر استفاده می‌کند. بر اساس همین رویکرد، سازمان با تدوین الگوهای هوشمند برای هر کسب‌وکار و انطباق فعالیت واقعی با اطلاعات ثبت‌شده، این نوع تخلفات را به‌صورت هوشمند شناسایی و رصد می‌کند.

4) استفاده از ابزارهای پرداخت (کارتخوان/پوز) متعلق به گروه‌های شغلی دیگر

یکی دیگر از مصادیق مطرح‌شده، استفاده از ابزارهای پرداخت متعلق به گروه‌های شغلی دیگر برای وصول درآمد است. در اینجا نیز روش کشف، «تجزیه و تحلیل داده‌ها» و «تطبیق رفتار واقعی رصدشده از فعالان با الگوهای شناخته‌شده کسب‌وکار» عنوان شده است. خروجی چنین تطبیقی، شناسایی موارد متعدد از استفاده نامتعارف یا ناسازگار ابزار پرداخت با نوع فعالیت ثبت‌شده است.

نقش الگوریتم‌های هوشمند و محاسبه ریسک در کشف مغایرت‌ها

در چارچوب توضیح داده‌شده، الگوریتم‌های هوشمند به‌همراه محاسبه ریسک، به سازمان امکان می‌دهند که میان «اطلاعات ثبت‌شده» و «رفتار اقتصادی» ارتباط برقرار کند و مغایرت‌ها را به‌صورت سیستمی رصد کند. نتیجه عملی این رویکرد، حرکت از رسیدگی‌های صرفاً سنتی به سمت تشخیص سریع‌تر و هدفمندتر موارد دارای احتمال تخلف است.

همچنین در گزارش اشاره شده است که بیش از هزار مودی، بر مبنای گزارشات متعدد سوت‌زنی، مورد ارزیابی ریسک موتورهای هوشمند قرار گرفته‌اند و برای آنها اظهارنامه برآوردی تولید شده است.

دستاوردهای اعلام‌شده از رصد سیستمی اینتاکدها و فعالیت واقعی

بر پایه داده‌های گزارش‌شده، بخشی از نتایج مرتبط با عدم انطباق اینتاکد و فعالیت واقعی، به‌صورت آماری تشریح شده است. این موارد نشان می‌دهد رصد داده‌محور در عمل به شناسایی گروه‌های متعدد منجر شده است.

در همین بخش، تاکید شده است که اولویت نظام مالیاتی در این موارد، پیگیری از مودیان برای اصلاح اینتاکدها بوده است. این نکته، جهت‌گیری «اصلاح‌محور» پیش از اقدامات بعدی را نشان می‌دهد.

دستاوردهای اعلام‌شده از تطبیق داده‌های ابزار پرداخت با الگوهای کسب‌وکار

در مصداق استفاده از ابزارهای پرداخت مشاغل دیگر، گزارش به نمونه‌هایی از کشف و شناسایی اشاره کرده است. مبنای کار، تجزیه‌وتحلیل داده‌ها و تطبیق رفتار واقعی با الگوهای شناخته‌شده کسب‌وکار عنوان شده است.

شناسایی فعالان فاقد پرونده و موارد خاص اعلام‌شده

در بخش دیگری از گزارش، به شناسایی فعالان اقتصادی فاقد پرونده مالیاتی به‌عنوان یکی از دستاوردهای حاصل از فرایندها و الگوریتم‌های هوشمند اشاره شده است. نمونه‌های عددی ارائه‌شده شامل موارد زیر است:

• شناسایی 173 فعال فضای مجازی فاقد پرونده، از میان بیش از 12,560 فعال فضای مجازی مشکوک به عدم ثبت‌نام.
• شناسایی 617 حساب اجاره‌ای.

جمع‌بندی: مسیر داده‌محور در شناسایی و ردیابی شبکه‌های فرار مالیاتی

آنچه در این گزارش برجسته است، تمرکز سازمان امور مالیاتی کشور بر شناسایی و ردیابی شبکه‌های فرار مالیاتی با تکیه بر داده‌کاوی، محاسبه ریسک و الگوریتم‌های هوشمند است. مصادیقی مانند عدم ثبت‌نام، اطلاعات نادرست، عدم انطباق اینتاکد با فعالیت واقعی و استفاده از ابزار پرداخت مشاغل دیگر، با تحلیل داده و تطبیق الگوها رصد می‌شوند و در بسیاری موارد، مسیر اصلاح اطلاعات و ابراز صحیح در اولویت قرار دارد.

جمع‌بندی کوتاه: با هوشمندسازی فرایندهای مالیاتی و اتکا به داده‌کاوی، شناسایی و ردیابی شبکه‌های فرار مالیاتی دقیق‌تر و سیستمی‌تر شده و محور اقدام، کشف مغایرت‌ها و پیگیری اصلاح اطلاعات مودیان است.