Η ίδρυση μιας νέας επιχείρησης, η παύση λειτουργίας μιας παλαιάς και η μεταφορά των επιχειρηματικών δραστηριοτήτων σε διαφορετικό ΑΦΜ μπορεί να συνιστούν κρίκους σε μια ευρύτερη αλυσίδα φοροδιαφυγής. Για την ανίχνευση αυτών των κρυφών σχέσεων, η ΑΑΔΕ αξιοποιεί τον δείκτη ομοιότητας Jaccard, έναν αλγόριθμο που συγκρίνει άτομα, εταιρικά σχήματα, κοινές διευθύνσεις έδρας, τραπεζικούς λογαριασμούς και εμπορικές συναλλαγές.
Με αυτόν τον τρόπο, οι ελεγκτικές αρχές δεν περιορίζονται στην εξέταση μεμονωμένων ΑΦΜ αλλά χαρτογραφούν ολόκληρα δίκτυα επιχειρήσεων και προσώπων που ενδέχεται να σχετίζονται μεταξύ τους. Στην περίπτωση της Θεσσαλονίκης,το σύστημα αποκάλυψε εκατοντάδες σχέσεις μεταξύ ΑΦΜ,αποδεικνύοντας πώς εφαρμόζεται στην πράξη η νέα ψηφιακή μέθοδος εντοπισμού ύποπτων εταιρειών.
Συγκεκριμένα, όπως ανακοίνωσε η ΑΑΔΕ, Η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) χρησιμοποιεί τον δείκτη ομοιότητας Jaccard σε ένα προηγμένο μοντέλο ανίχνευσης επιχειρηματικών συσχετίσεων για να αναγνωρίζει και να εξαρθρώνει κυκλώματα εικονικών εταιρειών («εταιρείες-φαντάσματα») καθώς και «αχυρανθρώπους».
Λειτουργία του αλγορίθμου στην πράξη
Το σύστημα ανάλυσης κινδύνου της ΑΑΔΕ προσεγγίζει κάθε επιχείρηση ως ένα «σύνολο δεδομένων» συγκρίνοντας τα χαρακτηριστικά της με εκείνα άλλων επιχειρήσεων. Όσο υψηλότερος είναι ο δείκτης Jaccard (πλησιάζοντας το 1), τόσο μεγαλύτερη είναι η πιθανότητα οι εταιρείες αυτές να ανήκουν στο ίδιο κύκλωμα.
- Σύγκριση φυσικών προσώπων. Ο αλγόριθμος εξετάζει πόσοι εταίροι ή μέτοχοι επαναλαμβάνονται σε διάφορες εταιρίες.
- Διασταύρωση υποδομών και επαφών. Εντοπίζει κοινές επαγγελματικές διευθύνσεις ή αριθμούς τηλεφώνου επικοινωνίας καθώς επίσης λογιστές ή τραπεζικούς λογαριασμούς.
- Ανάλυση εμπορικών συναλλαγών. Μετρά την επικάλυψη στους πελάτες και τους προμηθευτές μέσω δεδομένων από το myDATA καθώς και τις δηλώσεις ΦΠΑ. Αν μια νέα επιχείρηση εξυπηρετεί τους ίδιους πελάτες με μια άλλη που έχει κλείσει αφήνοντας χρέη πίσω της, τότε ο δείκτης ομοιότητας εκτινάσσεται.
- Χαρτογράφηση δικτύων. Αυτό το εργαλείο είχε ως αποτέλεσμα την εξάρθρωση ενός μεγάλου κυκλώματος 380 επιχειρήσεων μαζί με 205 άτομα που είχαν συσσωρεύσει χρέη ύψους 43 εκατομμυρίων ευρώ προς το Δημόσιο.
Η εφαρμογή του στη περίπτωση των αχυρανθρώπων στη Θεσσαλονίκη
Ο δείκτης Jaccard συγκρίνει δύο πρόσωπα κάθε φορά: αν ένας συμμετέχει σε 15 εταιρείες ενώ ο άλλος επίσης σε 15 αλλά έχουν 10 κοινές συμμετοχές τότε έχουμε συνολικά 15 + 15 – 10 = 20 διαφορετικές εταιρείες — τις κοινές τις υπολογίζουμε μία φορά.
Jaccard = κοινές συμμετοχές / σύνολο διαφορετικών συμμετοχών = 10 / 20 = 0.5 ή αλλιώς ποσοστό τουλάχιστον στο μισό.
Aυτό σημαίνει ότι οι μισές από τις συνολικά είκοσι είναι κοινού ενδιαφέροντος για τα δύο πρόσωπα αυτά.
Zευγάρια με υψηλή ομοιότητα συνδέονται σαν «κρικοί». Αυτές οι συνδέσεις δημιουργούν «αλυσίδες», αποκαλύπτοντας δίκτυα συνεργασιών κι ενδεχομένως παράνομων δραστηριοτήτων μέσα από τη διαδικασία έρευνας μας.
Στην περίπτωση της Θεσσαλονίκης λοιπόν μέσω του Jaccard το ΔΕΟΣ της ΑΑΔΕ αναγνωρίζει εκατοντάδες «κρικούς» ανάμεσα στα διάφορα ΑΦΜ — δηλαδή σχέσεις ανά ζεύγη όπου υπάρχουν τουλάχιστον δύο κοινοί φορείς.
Συνδυάζοντας αυτούς τους κρίκος προκύπτουν ομάδες:
- Mε Jaccard πάνω από %5: Υπήρχαν συνολικά719 κρίκου μεταξύ369 AΦM κατανεμημένοι σε29 ομάδες όπου η μεγαλύτερη περιλάμβανε262 AΦM .
- Mε Jaccard πάνω από %10: Υπήρχαν504 κρίκου μεταξύ330 AΦM κατανεμημένοι σε60 ομάδες όπου η μεγαλύτερη είχε34 AΦM.
- Mε Jaccard πάνω από %20: Υπήρχαν358 κρίκου μεταξύ270 AΦM κατανεμημένοι σε77 ομάδες όπου η μεγαλύτερη είχε13AΦM .
Pρακτικά αυτό σημαίνει ότι όταν υπάρχει σύνδεση ανάμεσα στον Aκαι στον Bκαι μετά στον C δημιουργείται μία συνέχεια χωρίς απαραίτητα όλοι αυτοί να έχουν άμεση σχέση.
Καθώς αυξάνουμε τα όρια διατηρούμε μόνο τις πιο ισχυρές σχέσεις ενώ οι μεγάλες αλυσίδες διαχωρίζονται στις μικρότερες ομάδες.
Έτσι μπορούμε να κατευθυνθείτε στους συγκεκριμένους ελέγχους στις αντίστοιχες συνδέσεις κι στις κοινού ενδιαφέροντος επιχειρήσεις τους χωρίς όμως αυτές καθ’ αυτές οι ομάδες ν’ αποτελούσαν αποδειγματικά κυκλώματα.»
Tι έχει αλλάξει στους φορολογικούς ελέγχους;
Πλέον χάρις στην εισαγωγή του δείκτηJaccard στη διαδικασία των φορολογικών ελέγχων έχει γίνει σημαντική αλλαγή:
- Eντόπισμα ύποπτωνA Φ M : Οι υπηρεσίες μπορούν γρήγορα ν’ αναγνωρίζουν μοτίβα συμπεριφοράς
- S στοχευμένοι έλεγχοι χωρίς ανθρώπινη παρέμβαση : Oiαλγόριθμοι επιλέγουν αυτόματα υποθέσεις υψηλού κινδύνου κατευθύνοντας έτσι τους υπεύθυνους απευθείας στα κύρια σημεία των κυκλωμάτων li >< li > Διασύνδεση βάσεων δεδομένων : O δείκτήs συνδυάζεται µε πληροφορίες απo τo ΓE ΜH , τράπεζες , κτηματολόγιο καὶ ηλεκτρονικές πληρωμές δημιουργώντας έτσι ένα ολοκληρωμένο ψηφιακό προφιλ κινδύνου.
li > ul >
