Serviço Público Inteligente

(1)

Serviço Público Inteligente

Sistemas de BI, decidir com

base em informação de

qualidade

15 de maio de 2013

Auditório B, Reitoria UNL

Patrocinadores Globais APDSI Patrocínio Prata

(2)

O Valor do Business

Intelligence para a gestão na

Administração Tributária

Paulo Oliveira

(paulo.rui.oliveira@at.gov.pt)

(3)

Enquadramento da AT no

Ministério das Finanças

Ministério das Finanças Secretaria de Estado das Finanças Secretaria de Estado do Tesouro Secretaria de Estado do Orçamento Secretaria de Estado dos Assuntos Fiscais Autoridade Tributária e Aduaneira Secretaria de Estado da Administração Pública 2

(4)

Enquadramento do NADW na AT

Autoridade

Tributária e

Aduaneira

Sistemas de

Informação

Núcleo do Data

Warehouse e

Anti-fraude

Impostos

Alfândegas

3

(5)

Porquê o BI na AT?

• Importância de disponibilizar informação de forma centralizada e integrada

– Diferentes Sistemas Operacionais

– Dificuldade em aceder a informação de forma rápida

– Inexistência de um repositório único de acesso para todas as áreas de negócio

• Disponibilização de Indicadores que proporcionam o apoio aos decisores e

áreas de negócio

– Disponibilização de informação visual – Dashboards

– Relatórios com estatísticas para as diversas áreas de negócio - Reports – Modelos de Previsão – Data Minning

• Necessidade de uma visão global do contribuinte

4

Decisão

Conhecimento

Informação

(6)

Sistemas de BI da AT

Operacionais Data Warehouse _(Analítico) _{(Estratégico)}Data Marts

• Os sistemas Analíticos recorrem ao tratamento massivo da informação obtida nos sistemas operacionais

• Têm como objetivo produzir relatórios estatísticos, visões especializadas sobre o desempenho de áreas específicas e prever a evolução futura

• São fundamentais na avaliação e acompanhamento da atividade e como ferramentas de apoio ao combate à fraude e evasão fiscal

Nível Estratégico Nível Analítico Nível Operacional Nível Preditivo Data Mining (Preditivo) 5

(7)

• O DW atual cobre grande parte da atividade da Administração Tributária e Aduaneira

• O DW é utilizado, essencialmente, por um conjunto relativamente restrito de utilizadores especializados com formação específica na utilização das tecnologias de exploração do DW, exceto na área inspectiva

• Disponibiliza informação padronizada a grupos específicos de utilizadores através de portais na intranet

• O DW deverá passar a cobrir a totalidade da atividade, sendo que a cobertura ao longo dos anos tem evoluído de forma significativa

Data Warehouse Operacionais Utilizadores especializados Utilizadores 6

Nível Analítico – Data Warehouse

Nível Estratégico Nível Analítico Nível Operacional

(8)

Modelos de Impostos

Modelos de Impostos abrangidos:

• Imposto de Valor Acrescentado (IVA)

• Imposto sobre o Rendimento – Singular (IRS)

• Imposto sobre o Rendimento – Coletivo (IRC)

• Fluxos Financeiros

• Justiça Tributária

• Património:

– IMI – IMT – Avaliações

• Cadastro de Contribuintes

• Informação Empresarial Simplificada /Declaração

Anual (IES/DA)

• Obrigações Acessórias (OA)

• Protocolos

– INE – Segurança Social – INCI 7 Nível Estratégico Nível Analítico Nível Operacional Nível Preditivo

(9)

Modelos de Alfândegas

Modelos de Alfândegas abrangidos:

• Importação

• Exportação

• Impostos Especiais sobre o Consumo

• Fiscalidade Automóvel

• Trânsito

• Contabilização da Receita Aduaneira

8

(10)

• Atualmente o nível estratégico conta com vários Data Marts especializados para várias áreas (Inspeção Tributária, Justiça Tributária, Cobrança)

• Existem também Data Marts e ferramentas vocacionados para o combate à fraude e evasão fiscal

• Deverão ser construídos novos Data Marts especializados para as demais áreas

• Está a ser construído um Data Mart que permite ter uma perspetiva global da atividade (Painel de Controlo com Indicadores Globais e de Gestão da AT)

Data Warehouse

Vários Data Marts especializados

9

Nível Estratégico – Data Marts

Especializados

(11)

• Antes a Seleção de Contribuintes para inspeção era feita com base em critérios estáticos, os quais davam origem a listas de Contribuintes (uma lista por critério)

• Neste momento existe um sistema que permite a criação, gestão e avaliação de critérios de Seleção de Contribuintes

Sistema de seleção e análise de contribuintes a inspeccionar Inspetor Inspetor Listas de Contribuintes para inspeção 10

Nível Estratégico – Seleção de

Contribuintes

(12)

• Com base em cruzamentos de informação fiscal dos contribuintes são detetadas Divergências e Faltas Declarativas/Obrigações Fiscais dos contribuintes. Estas são identificadas com base em critérios de risco

Sistema de análise de incumprimento fiscal de contribuintes a inspeccionar

Inspetor

11

Nível Estratégico – Incumprimento

Fiscal

(13)

• Exemplo de um relatório do Data Mart da Inspeção Tributária (componente Dossier do Contribuinte)

12

Nível Estratégico – Data Marts da

Inspeção Tributária

(14)

• Investigação visual das relações entre entidades

Inspetor

13

Nível Estratégico – Relações entre

Entidades

(15)

Modelos Anti-Fraude

Modelos Anti-Fraude abrangidos:

• Data Mart da Inspeção Tributária

• Dossier Analítico do Contribuinte • Estatísticas de Correção

• Histórico de Estatísticas de Correção • Estatísticas de Planeamento

• Estatísticas de Liquidação • Estatísticas de Tempos • Consulta Global

• Rendimentos obtidos em Países da OCDE

• Diretiva da Poupança

14 Nível Estratégico Nível Analítico Nível Operacional Nível Preditivo

(16)

Modelos Anti-Fraude

Modelos Anti-Fraude abrangidos

(cont)

:

• Data Mart Anti-Fraude

• Seleção de Contribuintes • Incumprimento Fiscal • Cumprimento Fiscal

• Sistema Integrado de Informação Aduaneira

Anti-Fraude (SIIAF)

• Repositório Anti-Fraude (RAF)

• Sistema de Tabelas Paramétricas (STP)

15

(17)

• Nos processos Preditivos recorre-se ao conhecimento adquirido no passado para efetuar previsões

• Por exemplo, com base nos resultados das Inspeções Tributárias é possível identificar os perfis dos Contribuintes com maior risco de incumprimento e orientar parte da força inspetiva para esses Contribuintes

• Os resultados das ações tomadas permitem enriquecer o conhecimento e melhorar as previsões

Conhecimento

do passado Previsões Ações

Resultados de Inspeções Identificação de contribuintes de risco Inspeções aos Contribuintes de risco Exemplo: 16

Nível Preditivo

Nível Estratégico Nível Analítico Nível Operacional Nível Preditivo

(18)

17

Nível Preditivo – Seleção Preditiva

Exemplo

Nível Estratégico Nível Analítico Nível Operacional Nível Preditivo Melhorar Seleção Inspetiva Dados de Contribuintes Histórico de Inspeções Prioritização de critérios Recomendar Ações Inspeções Resultados das Inspeções Comparar Objetivo de Negócio 1 2 3 4 Scoring

(19)

• A segmentação dos Contribuintes em função do seu perfil de risco permite tomar medidas específicas para cada segmento • Vantagens:

• Diminuir a incidência e o impato do incumprimento

• Criar junto dos contribuintes uma imagem de eficiência e de justiça que funcione como dissuasor de fraude e de incumprimento

Universo de Contribuintes Segmentação de Contribuintes

18

Nível Preditivo – Seleção com base

em Critérios de Risco

(20)

• Pretende-se a implementação de mecanismos de segmentação e de cálculo de risco que permitam gerar alertas e tratar de forma diferente os Contribuintes com maior risco de fraude ou incumprimento

Contribuintes Contribuintes com classificação de risco

19

Nível Preditivo – Alertas com base

em Critérios de Risco

(21)

Tecnologias utilizadas no Data Warehouse

DM

Operacional

DW

Exploração

Data Mining

ODS

Exploração

Pedidos Protocolos Universos BO Universos BO Dashboards Relatórios Padronizados Dashboards Relatórios Padronizados Negócio Indicadores Operacionais Risco 20

(22)

2011 2012 2007 2008 2009 2010 2004 2005 2006 1999 2000 2001 2002 2003 2013 …

Cronologia

Estatísticas Modelos de Alfândegas Sensibilização de Utilizadores Protocolos Modelos de Impostos JT Modelos Transversais

Legenda NSIG NDWII NSA NADW Etapas

DMAF SIIAF Sensibilização de Utilizadores ODS DMIT Visual Dataming RAF SIIAF Sensibilização de Utilizadores DMIT DMAF Visual Datamining RAF SIIAF Estatísticas ODS Modelos Transversais Modelos de Impostos e Alfândegas JT Protocolos Modelos Transversais Modelos de Impostos e Alfândegas

JT Protocolos Indicadores Globais Dashboards de Gestão Cruzamentos Cruzamentos Estatísticas 21

(23)

Factores de Sucesso

• Flexibilidade e ajuste às necessidades de gestão • Visão global (Plataforma única para toda a

organização)

• Partilha de Metadata transversal e corporativa • Menor carga nos sistemas existentes

• Acessos garantidos com segurança aos dados • Facilidade de utilização

• Extração de dados para papel, Excel® _{e outros}

• Capacidade de Drill

• Capacidade de comunicação/colaboração entre utilizadores

• Medição do grau de utilização • Redução de Custos

Fatores de

Sucesso

(24)