Title: Identificación de patrones de evasión en el sistema de administración tributaria usando tecnología data mining
Advisor(s): Chávez Campos, Teodosio
Issue Date: 2003
Institution: Universidad Nacional de Ingeniería
Abstract: Un problema permanente que entorpece la consecución de las metas de recaudación en la administración tributaria peruana es la evasión. El presente proyecto ha examinado la posibilidad de incorporar nuevas tecnologías y proponer un nuevo esquema para facilitar las tareas orientadas a combatir la evasión tributaria.
En la actualidad, la exploración de contribuyentes con indicios de evasión se realiza fundamentalmente basado en una estrategia de segmentación del universo de contribuyentes, para luego determinar los grupos de contribuyentes con indicios de evasión, haciendo uso intensivo de procedimientos manuales apoyados en consultas a sistemas informáticos no integrados. Este esquema, tiene una gran dependencia del analista tributario para la exploración de los datos en la selección de contribuyentes de probable inclusión en la lista de "fiscalizables", para programas de auditoria. Por lo tanto, la tarea de combatir la evasión no cubre todo el universo de contribuyentes, principalmente por la limitada disponibilidad de recursos para la implementación masiva del esquema anteriormente explicado.
Como alternativa al esquema actual, se propone un uso intensivo de la tecnología de la información, principalmente aquellas tecnologías orientadas al mejor aprovechamiento de la información almacenada en las bases de datos vinculados a los diversos sistemas tributarios existentes. Es en este contexto, donde se constata la necesidad de emplear una nueva tecnología para la explotación de las bases de datos: Data Mining con Redes Neuronales.
A través de la aplicación de Redes Neuronales, se cambia el paradigma de explotación de los datos históricos. Son rasgos fundamentales de esta nueva tecnología, la posibilidad de exploración de la totalidad de los datos a examinar para encontrar patrones ocultos que coadyuven a la predicción de escenarios futuros, con márgenes de error menores a los obtenidos por técnicas convencionales.
Para plasmar lo anterior, el proyecto empieza identificando del escenario de aplicación del proyecto, presentando en el primer capítulo una semblanza de la
SUNAT. Luego en el segundo capítulo se define el problema de evasión tributaria, a través de la recolección de las distintas percepciones de los principales protagonistas al interior de la administración tributaria, obteniendo un modelo conceptual consensuado e integrado a partir de los modelos individuales, el mismo que permitió identificar dos componentes básicos del problema.
En el tercer capítulo se examina el componente tributario, mostrando el esquema actual de selección de contribuyentes y el nuevo esquema propuesto, presentando las variables relevantes asociadas al IGV. Luego en el cuarto capítulo se examina el componente tecnológico a través de la exploración de tecnologías emergentes para usufructuar la información tributaria, eligiendo el Data Mining como alternativa tecnológica, previa evaluación de las técnicas que subyacen a la misma, seleccionando las redes neuronales.
En el quinto capítulo se ingresa a profundidad a examinar las redes neuronales, poniendo énfasis en el modelo perceptrón multicapa y el algoritmo de retropropagación. Habiendo elegido el modelo y el algoritmo, en el capítulo sexto se describe la implementación de un sistema predictor multipropósito, detallando los objetos red, capa y nodo. En el séptimo capítulo se usa dicho sistema para el propósito específico de identificación de patrones de evasión, describiendo secuencias de pantallas de ejecución.
Finalmente, en el octavo capítulo se analiza los costos del proyecto de investigación y los beneficios potenciales de la implantación del nuevo esquema de identificación de potenciales evasores, esencialmente por el ahorro de horas-hombre de auditoria. No podían faltar las conclusiones y recomendaciones, plasmados en el noveno capítulo.
Discipline: Maestría en Ciencias con Mención en Ingeniería de Sistemas
Grade or title grantor: Universidad Nacional de Ingeniería. Facultad de Ingeniería Industrial y de Sistemas. Unidad de Posgrado
Grade or title: Maestro en Ciencias con Mención en Ingeniería de Sistemas
Register date: 8-Aug-2016