Modelos preditivos para seleção de solicitações de compensação de crédito tributário

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.