Skip navigation
Please use this identifier to cite or link to this item: https://repositorio.unb.br/handle/10482/22127
Files in This Item:
File Description SizeFormat 
2016_LeonSólondaSilva.pdf2,26 MBAdobe PDFView/Open
Title: Modelos preditivos para seleção de solicitações de compensação de crédito tributário
Authors: Silva, Leon Sólon da
Orientador(es):: Souza, João Carlos Félix
Coorientador(es):: Carvalho, Rommel Novaes
Assunto:: Gestão de riscos
Crédito tributário
Alocação de recursos
Issue Date: 9-Jan-2017
Citation: SILVA, Leon Sólon da. Modelos preditivos para seleção de solicitações de compensação de crédito tributário. 2016. xi, 62 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2016.
Abstract: Um dos principais objetivos das administrações tributárias é promover a justiça fiscal e uma forma de alcançá-la é selecionar corretamente os contribuintes para fiscalização de forma a focalizar naqueles que apresentam maior risco de não cumprir suas obrigações tributárias. Com a tendência global de redução de custos, recursos e quadro de profissionais, em contraste com o aumento de contribuintes, volume de tributos e processos a serem analisados, é primordial que as administrações tributárias trabalhem de forma mais eficiente. Nesse contexto, a gestão de riscos é uma ferramenta importante para melhorar a alocação de recursos e aumentar a efetividade na seleção dos contribuintes que realmente devem ser fiscalizados. O presente trabalho avalia o processo atual de seleção de solicitações de compensação de crédito tributário e propõe melhorias na sua gestão de riscos. Mais especificamente, propomos melhorar a escolha de solicitações de compensação de crédito tributário a serem analisadas por Auditores-Fiscais da Receita Federal do Brasil a partir da utilização de técnicas de análise e mineração de dados. Utilizando essas técnicas, criamos modelos preditivos para, com base no histórico de análise manual dos Auditores-Fiscais, tentar predizer os riscos de uma solicitação de compensação de crédito ser ou não devida. As simulações da aplicação dos modelos preditivos apresentaram resultados promissores e nos leva a crer que terá performance melhor que o processo de trabalho atual. A Secretaria da Receita Federal do Brasil abarcou o projeto, que está em fase de implementação para o uso dos modelos preditivos na seleção das solicitações de compensação de crédito de todas as Regiões Fiscais do Brasil. _________________________________________________________________________________________________ ABSTRACT
One of the main goals of every tax administration is safeguarding tax justice. For that matter, accurate taxpayers’ auditing selection plays an important role. Current scenario of economic recession, budget cuts and tax professionals’ hiring difficulty combined with growth of both population and number of enterprises presents the necessity of a more efficiently approach from tax administration in order to meet its objectives. The present work intends to show how data mining techniques usage helps better understand the profile of non compliant tax payers who claim for tax compensation (kind of tax refund). Basically, we used knowledge discovery in databases (KDD) from previous tax refund claims that were manually analyzed by tax officers and create predictive models in order to classify not yet audited claims. Moreover, we present results on the adoption of these predictive models towards selection improvement of those who claims that are more likely to be rejected in Secretariat of Federal Revenue of Brazil (RFB). The results show that this approach is an efficient way for selecting tax payers rather than not using it.
Description: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, Mestrado Profissional em Computação Aplicada, 2016.
Licença:: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Appears in Collections:MPCA - Mestrado Profissional em Computação Aplicada (Dissertações)

Show full item record Recommend this item " class="statisticsLink btn btn-primary" href="/handle/10482/22127/statistics">



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.