Big Data en las Administraciones Tributarias – Dr. Alfredo Collosa

0
193

 

Mediante el presente comentario en primer lugar trato algunos conceptos vinculados al Big Data y sus beneficios para las Administraciones Tributarias (AATT).

Luego presento casos concretos de uso de la citada tecnología en diversos países y finalmente comparto algunas ideas de su posible expansión en un futuro próximo, considerando las ventajas y desventajas.

1.Big Data

Los conceptos de Big Data,[1] el análisis de datos y la inteligencia artificial no son nuevos, pero algunos avances tecnológicos de los últimos años han hecho posible su uso intensivo en las empresas y la administración pública, además de tener una influencia positiva en las AATT.

Los principales avances logrados son:

–       La gran expansión de la capacidad de procesamiento y almacenamiento en computadoras asociada a la reducción de sus costos.

–       La creciente disponibilidad de redes de comunicaciones e Internet de banda ancha.

–       El desarrollo de modelos efectivos para capturar, almacenar y procesar datos masivos y algoritmos cognitivos avanzados.

–       La aparición de nuevas fuentes de datos (por ejemplo, sensores, GPS, redes sociales, etc.), incluidas las facturas electrónicas y el intercambio de información fiscal entre países.

El manejo de datos comienza con Big Data, que se basa en el concepto de las cinco “V” de la siguiente manera:

–       Volumen: Relacionado con la gran cantidad de datos generados.

–       Variedad: Las fuentes de los datos son muy variadas, lo que aumenta la complejidad de los análisis.

–       Velocidad: debido al gran volumen y variedad de datos, todo el procesamiento debe ser ágil para generar la información requerida.

–       Veracidad: directamente relacionada con la confiabilidad de la información.

–       Valor: se refiere a la «información útil» que se puede obtener de los datos.

Es difícil definir el límite exacto entre Big Data y análisis de datos, o entre análisis de datos e inteligencia artificial.

Big Data y análisis pueden ayudar a las AATT para proporcionar un método para encontrar anomalías, lo que posiblemente lleve a predecir dónde pueden volver a ocurrir estas anomalías[2].

Las compras en línea, las transacciones electrónicas y con tarjeta, las compras fuera de línea facturadas, así como las reacciones a los datos y avisos fiscales, son todos datos de un individuo, que se pueden utilizar para el análisis de comportamiento de un contribuyente.

El objetivo último del Big Data es crear valor y éste está en gran medida en la capacidad analítica. La cuestión es ser capaces de preguntar a los datos de tal manera que la información recopilada pueda dar las respuestas necesarias para entender lo que sucede, por qué sucede y hasta lo que puede suceder. Estas variantes son en realidad lo que conocemos como Análisis Predictivo, Descriptivo y Prescriptivo[3].

La Analítica Descriptiva utiliza los datos históricos, identificando comportamientos y dibujando cómo se están haciendo las cosas. Es la analítica más usada y su objetivo es realizar una importante instantánea de la situación para poder tomar decisiones con un alto grado de éxito.

La Analítica Predictiva hace posible la creación de modelos que permiten vaticinar lo que va a ocurrir con antelación.

Finalmente, la Analítica Prescriptiva analiza los datos para encontrar cuál es la solución entre una gama de variantes. Su tarea es optimizar recursos y aumentar la eficiencia operativa. Usa técnicas de simulación y optimización, logrando señalar cuál es el camino que conviene realmente elegir.

2.Experiencias de uso de Big Data en administraciones tributarias

En Estados Unidos el IRS usa Big Data para combatir el fraude fiscal. Una de las estrategias que se emplean, la minería de datos de las redes sociales, se utiliza para demostrar que las personas están viviendo un estilo de vida más próspero que sus registros de impuestos, esto ahorra con éxito $ 300 mil millones de impuestos perdidos cada año[4].

En Reino Unido el HMRC desarrollo desde 2017 el sistema Connect es un sistema informático de minería de datos de software de análisis de redes sociales que cruza los registros de impuestos de empresas y personas con otras bases de datos para establecer actividades fraudulentas.

Los datos provienen de una variedad de fuentes[5], incluidas bancos (información de más de 60 países) registro de la propiedad, transacciones con tarjetas de créditos, vehículos propios o vendidos, documentos fiscales del Reino Unido impuesto municipal pagado, registro de IVA, declaración de impuestos del año pasado, cualquier investigación fiscal, ingresos de empleadores ocasionales, prestaciones de la empresa, prestaciones por hijos y pagos de manutención, plataformas en línea, redes sociales todas las publicaciones públicas, navegación web y registros de correo electrónico.

El software combina herramientas analíticas y recopila la información e implementa análisis predictivos similares a la calificación crediticia y tiene evaluación comparativa dinámica. Busca la correlación del ingreso con el estilo de vida, comparándolo con modelos estadísticos multivariados.

También en Reino Unido existe ADEPT (Analytics for Debtor Profiling and Targeting) es un sistema de análisis de Big Data de 13,5 terabytes (tamaño en 2017), con un sistema de gestión de deuda y un motor de decisiones. Combina automáticamente datos de 20 sistemas internos y externos y controla una amplia variedad de cambios, que afectan hasta un millón de deudas cada día. La información sobre la deuda, como los pagos realizados y adeudados, los registros de las notas de los auditores de campo y las cartas devueltas como “imposibles de entregar”, se juntan con datos sociodemográficos y de otro tipo. ADEPT transforma los datos y crea una fuente única de inteligencia para la gestión de la deuda.[6]

ADEPT también se utiliza para impulsar las operaciones; es la base para el aprendizaje continuo y la mejora de los procesos de endeudamiento. Puede evaluar la respuesta del cliente a las intervenciones de HMRC y volver a calcular los modelos de comportamiento y los perfiles de riesgo de cada contribuyente individual. El motor de reglas de decisión asigna secuencias personalizadas de intervenciones de cobranza a cada deuda, y el sistema de gestión de deuda asigna cada caso al canal correspondiente.

En España, AEAT utiliza Big Data para rastrear a las personas adineradas que pretenden residir en el extranjero a efectos fiscales.[7]

La AEAT ya realizaba labores de control específicas para determinar dónde residen grandes patrimonios, a través del rastreo de información como gastos en establecimientos o relaciones familiares. Gracias al Big data, el organismo cuenta ahora con una herramienta ad hoc para cruzar cerca de 70 fuentes distintas de información y seleccionar a los contribuyentes con patrimonios relevantes que podrían estar defraudando al fisco.

Este nuevo instrumento de control se encuentra en las directrices generales del Plan Anual de Control Tributario y Aduanero 2021. Se señala que el Big data facilitaría las labores “para conocer de una forma ágil y eficiente los indicios de residencia” y con ello intensificar el control “de ciudadanos deslocalizados que dispongan de un nivel relevante de patrimonio o de renta”. El organismo agregaba que este colectivo de contribuyentes tiene más capacidad de hacer uso de técnicas complejas de ingeniería fiscal para ocultar sus patrimonios, lo que requiere “el uso de mecanismos de análisis sofisticado para investigar y comprender complejos entramados financieros y societarios”.[8]

También en el Plan de Control Tributario 2021 de la AEAT de España se contempla la implantación de análisis de BigData en el ámbito del IRPF, para la puesta en marcha de un proyecto que trata de reducir, utilizando la experiencia obtenida, los errores del contribuyente al presentar su declaración, en línea con las estrategias internacionales y técnicas «nudge» (dirigidas a alentar y fomentar un comportamiento fiscal correcto) basadas en el enfoque «behavioural insights» (enfoque hacia una mejor comprensión del comportamiento del contribuyente).

Mediante estas técnicas de análisis se obtienen las características descriptivas que definen al contribuyente tipo que, en ejercicios anteriores, al presentar su declaración de IRPF no utilizó los datos fiscales que le fueron suministrados y se equivocó al hacerlo, definiéndose un perfil tipo. Se centrará en casillas del rendimiento del trabajo y se pretende implantar sistemas de asistencia para alertar a los contribuyentes afectados de manera que se reduzcan los posibles errores en la presentación.

En Costa Rica[9] por medio del uso de Big Data se mejoró el cobro de impuestos. El modelo predictivo diseñado con técnicas de minería de datos que utiliza el Ministerio de Hacienda en Costa Rica detectó la simulación de pagos a terceros por más de $31 millones.

En México[10] para fortalecer sus mecanismos para el cumplimiento de las obligaciones tributarias, el SAT utiliza IA lo que permite recopilar un gran volumen de datos provenientes de facturas electrónicas.

El SAT tiene potencial para explotar los algoritmos más sofisticados de la IA, con el fin de mejorar la fiscalización y elevar la recaudación del Producto Interno Bruto (PIB) un 3%.

En el caso de Big Data, el SAT ya resolvió tres principales problemáticas antes de implementar la IA: 1. Creación de algoritmos. 2. Convertir datos en información estructurada. 3. Que la información sea accesible en tiempo real.

El Cobro Digital (CoDi) también puede representar una eficaz alternativa para facilitar a contribuyentes el pago de impuestos.

La robótica de software es ideal para situaciones en las que los datos están en formato digital y organizado, y el flujo de trabajo implica reglas inequívocas.

En Australia, la Oficina de Impuestos de Australia (ATO) está construyendo una solución de análisis de redes llamada ‘ANGIE’ para ayudar a su grupo de trabajo de evasión fiscal a discernir relaciones complejas y de múltiples niveles entre contribuyentes.[11]

La solución, que estará respaldada por una base de datos de gráficos, se está desarrollando como parte del programa de análisis y datos del grupo de trabajo.

El grupo de trabajo se creó en 2016 para tomar medidas enérgicas contra la elusión fiscal por parte de multinacionales, grandes empresas públicas y privadas y personas asociadas.

ANGIE identificará y agrupará automáticamente a los contribuyentes para comprender su relación entre ellos. Permitirá al grupo de trabajo detectar «patrones de interés» y visualizar nuevos vínculos entre clientes.

En India, un informe Business Standard dice que los datos recopilados de Insight se segregarán. Esto tendrá el perfil maestro del contribuyente, que incluirá la dirección, la firma y el perfil de devolución de impuestos. También hay un segmento llamado inteligencia empresarial que básicamente descubrirá a las personas que no cumplen.[12]

Un sistema de información geográfica ayudará a la AT a concentrarse en un área específica para una acción más enfocada. También clasificará a los contribuyentes sobre la base de parámetros como ingresos, ganancias y ganancias de capital, dice el informe.

En Canadá la CRA mediante el análisis de macro datos busca combatir la evasión fiscal en el extranjero. La CRA sigue priorizando la obtención de mejores datos, la mejora del uso de los datos para orientar sus acciones de cumplimiento y el logro de resultados en su lucha contra la evasión fiscal en el extranjero y la elusión fiscal agresiva.[13]

En Corea del Sur se ha desarrollado un sistema analítico de Big data basado en inteligencia artificial que puede analizar varios datos, incluidas facturas de impuestos, recibos de efectivo y datos de familiares y amigos.[14]

El Servicio Nacional de Impuestos (NTS) puso el nuevo sistema en demostración este año. El nuevo sistema es una creación del centro de investigación de Big data e inteligencia artificial de NTS establecido en julio del año pasado. Se utilizará para brindar ayuda a los contribuyentes mediante el análisis de pagos con tarjetas de crédito y facturas de impuestos y mejorar su posición financiera, como formas de evitar una crisis de efectivo. El actual sistema de análisis de transacciones de NTS se utiliza para monitorear la evasión de impuestos en el extranjero mediante el análisis de los recibos de divisas utilizando palabras clave similares para seleccionar actividades sospechosas relacionadas con cuentas en el extranjero.

3. Ideas finales

La eficiencia de las AATT, hoy más que nunca, está fuertemente asociada con el uso adecuado de las Tics y la calidad de los servicios.

Creo que el Big Data, como la IA y la Blockchain entre otras modernas tecnologías han llegado para quedarse y su uso continuará potenciándose tanto en el sector público como en el privado.

Es fundamental gestionarlos adecuadamente, ya que las actividades de las AATT dependen cada vez más del tratamiento de datos e información, por lo que la gobernanza de los datos se vuelve estratégica.

Si no se trabaja con los datos adecuados los resultados no serán efectivos y podrían producirse sesgos y discriminaciones.

Las AATT de todo el mundo están avanzando en el uso de Big Data sobre para combatir el fraude fiscal. Están descubriendo la manera de analizar la enorme cantidad de datos disponibles sobre empresas y personas para mejorar el sistema de recaudación de impuestos.

El uso de Big data ayuda a las AATT a un mayor grado de automatización, lo que les permite reducir las operaciones manuales de datos y reducir los costos de administración del sistema tributario. Esto también les permite centrarse en la planificación estratégica para un mejor sistema tributario.

Sin embargo, alerto que será necesario analizar en cada caso particular considerando el contexto de cada AT la posible aplicación y sus beneficios y costos.

Es importante en primer lugar analizar el contexto e incorporar la tecnología solo si es necesario, es decir, no la tecnología como moda, ya que hay muchas experiencias que no han sido positivas.

Es recomendable analizar las mejores prácticas del campo y luego ver qué problema debemos resolver para identificar qué trabajo manual se puede eliminar o aumentar a través de la tecnología, y qué información adicional se puede generar desde la máquina.

Como ocurre con cualquier proyecto de TIC para aumentar las posibilidades de éxito, las máximas autoridades de la AT deben participar desde el principio y seguir de cerca su implementación.

Todo este proceso de digitalización de las AATT, incluyendo la adopción de nuevas tecnologías como el Big Data, no debería realizarse en forma aislada, sino que debería integrarse a la digitalización de los países, dentro del concepto de gobierno digital.

Los gobiernos deberán trabajar en forma conjunta con los distintos actores intervinientes para garantizar la adecuada utilización de las nuevas tecnologías, en forma ética y equitativa, protegiendo los derechos fundamentales de los ciudadanos y buscando siempre que las Tics sean un elemento integrador con los recursos humanos de las AATT.

Creo que es vital, por un lado, promover la tecnología para su eficiencia, pero, por otro lado, estar atentos a su gobernanza.

Me refiero específicamente a evitar posibles sesgos en su uso, respetando siempre los derechos y garantías de los contribuyentes en todos los ámbitos, comenzando por la protección de sus datos personales.

Como siempre afirmo la digitalización abre nuevas posibilidades y oportunidades a los países y sus ciudadanos para desarrollarse, y aquellos países que mejor aprovechen el “tren” de la digitalización tendrán sin dudas mejores oportunidades de desarrollarse y brindar una mejor calidad de vida a sus ciudadanos.

Es vital colocar a los ciudadanos en el centro del desarrollo tecnológico y la innovación del Sector Público es la manera de garantizar servicios públicos para todos los segmentos de la sociedad y, de este modo, aumentar la accesibilidad y la inclusión social.

Dr. Alfredo Collosa

Agosto 2.021


[1] https://biblioteca.ciat.org/opac/book/5696 ICT as a Strategic Tool to Leapfrog the Efficiency of Tax Administrations / 2020

[2] https://www.businesstoday.in/opinion/columns/story/how-can-big-data-improve-tax-collection-and-reduce-tax-evasion-109478-2018-08-08

[3] https://prometeusgs.com/analisis-de-datos-diferencias/

[4] https://volantis.io/blog/how-government-use-big-data-to-improve-taxation-system-

[5] https://baranovassociates.co.uk/what-is-hmrc-connect/

[6] https://biblioteca.ciat.org/opac/book/5696 ICT as a Strategic Tool to Leapfrog the Efficiency of Tax Administrations / 2020

[7] https://www.reuters.com/article/us-spain-tax-andorra-idUSKBN2A13EE

[8] https://elpais.com/economia/2021-07-09/hacienda-vigila-con-big-data-a-126-ricos-que-dicen-vivir-fuera-de-espana.html

[11] https://www.itnews.com.au/news/the-ato-is-building-a-big-data-platform-to-tackle-tax-evasion-539616

[12]hhttps://www.advisor.ca/news/industry-news/cra-looks-at-analyzing-big-data-to-combat-offshore-tax-evasion/ttps://economictimes.indiatimes.com/news/economy/policy/no-country-for-evaders-this-april-1-india-enters-uncharted-tax-territory/articleshow/68574891.cms?from=mdr

[13] https://www.advisor.ca/news/industry-news/cra-looks-at-analyzing-big-data-to-combat-offshore-tax-evasion/

[14] https://www.ajudaily.com/view/20200703091239593