ПЕРСПЕКТИВЫ ИСПОЛЬЗОВАНИЯ ТЕХНОЛОГИИ БОЛЬШИХ ДАННЫХ В НАЛОГОВОМ АДМИНИСТРИРОВАНИИ

PROSPECTS OF USING BIG DATA TECHNOLOGY IN TAX ADMINISTRATION

Emin Balaev

Postgraduate student, North Caucasus Federal University, Russia, Stavropol

Аннотация. В статье показано, что использование больших данных позволит сосредоточится на противодействии сложным схемам уклонения от уплаты налогов. Для решения поставленных данных задач налоговые органы должны стремиться к максимально широкому использованию инструментов интеллектуального анализа, что позволит оптимальным образом обрабатывать большие массивы доступных данных максимально эффективно и адекватно использовать полученные результаты для принятия решений.

Abstract. The article shows that the use of big data will allow us to focus on countering complex tax evasion schemes. To solve these tasks, tax authorities should strive for the widest possible use of intellectual analysis tools, which will optimally process large amounts of available data as efficiently as possible and adequately use the results obtained for decision-making.

Ключевые слова: большие данные налоговое администрирование, контроль, анализ и аудит.

Keywords: big data tax administration, control, analysis and audit.

Налоговые органы все чаще используют большое количество информации, получаемой не только из деклараций налогоплательщиков, но и от третьих лиц, а также других органов государственной власти. Объем данной информации является важным источником знаний для налоговых органов, но для их извлечения требуется использование соответствующих методов анализа и обработки для выявления закономерностей, которые могут быть полезна в процессах налогового аудита и контроля, а также при разработке стратегий совершенствования деятельности налоговых органов.

Как отмечают Кирова Е. А., Кожебаткина А. В., именно поэтому налоговые органы должны рассмотреть возможность создания отделов, реализующих функция сбора и обработки данных с автономной способностью предоставлять полезную информацию для поддержки других процессов, прежде всего, в сфере контрольной деятельности (например, отбор налогоплательщиков для проведения выездных проверок), а также для устранения пробелов в законодательстве [3]. Фактически, современная система налогового администрирования должна не только знать текущее состояние налогоплательщиков, но и прогнозировать их поведение, чтобы повысить эффективность и справедливость налоговой системы, а также минимизировать риски уклонения от уплаты налогов.

Для адекватной реализации функции больших данных налоговые органы должны иметь квалифицированный персонал, а также иметь необходимые технологические ресурсы для [1]:

• организации и предоставления всех данных, имеющихся у налоговых органов, в едином формате;
• активации соответствующих аналитических циклов, направленных на преобразование таких данных в полезную информацию для принятия решений;
• управления обратной связью по распространяемой информации для активации дальнейших процессов.

Первый шаг внедрения больших данных в налоговом администрировании касается планирования. Именно на данном этапе устанавливаются требования и приоритеты, а также определяются области, большие данные окажут наибольшее влияние и внесут наибольший вклад. Во время планирования крайне важно указать, какие категории информации будут собираться и какие технологии при этом будут использоваться, например, OSINT (сбор данных по открытым источникам). Кроме того, необходимо определить процессы, персонал и технологии для поддержки различных этапов цикла с четким распределением ролей и обязанностей.

Второй этап включает в себя все виды деятельности, которые связаны со сбором данных для удовлетворения определенных требований. Сбор может осуществляться с помощью технических средствам и человеческих ресурсов и включает сбор данных из различных источников. После сбора полученная информация сопоставляется и передается для последующей обработки и анализа.

Третий шаг связан с переработкой данных, когда собранная и необработанная информация интерпретируется, переводится и преобразовываться в форму, удобную для потребителей больших данных. Именно на этом этапе необработанные данные становятся информацией.

Следующий этап заключается в уточнении информации, полученной на предыдущем этапе и ее объединении с целью выявления фактов, а также получения выводов и прогнозов, которые позволяют оценить поведение налогоплательщиков и предвидеть их действия. Анализ должен быть объективным, своевременным и, самое главное, точным. Более того, поскольку предвзятость и неправильное восприятие могут повлиять на результаты анализа, специалисты по большим данным должен знать о различных аналитических ловушках. Результатом этапа является получение ценной полезной информации, адаптированной к конкретным потребностям налоговых органов.

Последний этап заключается в доставке готового продукта потребителям, запросившим информацию. При этом к потребителям могут относится не только налоговые органы и иные органы государственной власти, но и налогоплательщики. Реализация данного этапа возможна с использованием широкого спектра форматов – от ручного до автоматического [5].

Реализация данного алгоритма работы с большими данными требует от налоговых органов широкого использования средств информационных и коммуникационных технологий (ИКТ), чтобы получить максимальную выгоду от использования имеющихся данных и сделать свои собственные аналитические системы максимально продуктивными.

Например, налоговые органы могут использовать методы анализа социальных сетей с помощью специальных программ, которые выявляют отношения между информационными объектами (отдельными лицами, банковскими счетами, компаниями, телефонными номерами и т. д.) [4].

Важность организации сбора и анализа результатов, полученных с помощью методов мониторинга социальных сетей, в том числе для целей налогообложения, важна, поскольку использование этих методов, примененное к соответствующим массивам информации из разных источников, может выявить возможные «несоответствия» в налоговых декларациях, поведение отдельных или групп налогоплательщиков [2]. Полученная информация часто может представлять интерес для дальнейшей аудиторской деятельности или, в случае выявления фактов налоговых преступлений, стать частью доказательной базы для уголовного расследования и судебного преследования.

В качестве различных источников информации также могут выступать архивы, связанные с налоговыми декларациями, покупками/продажами товаров, недвижимостью, банковскими счетами, транспортными средствами, финансовыми и валютными потоками, таможенными декларациями и т. д. По этой причине налоговые органы в случае выявления наиболее сложных случаев уклонения от уплаты налогов и мошенничества, должна обязательно уметь обрабатывать большие объемы информации, поступающие из разных источников и которые не будут согласованы с точки зрения формата и языка.

Полученная информация также может быть надлежащим образом распространена в рамках международного обмена данных, если соблюдаются условия двусторонних или многосторонних договоров. Также необходимо учитывать, что статья 26 модельной конвенции ОЭСР гласит, что полученные данные как следствие взаимной налоговой помощи, могут также использоваться для других судебных разбирательств с целью противодействия преступным действиям.

Таким образом, использование технологии больших данных меняет роль налоговых органов. Она трансформируется от инструмента контроля и простого сбора налогов в направлении органа, способствующего обеспечению законности, свободной конкуренции и субъекта финансовой политики, в том числе на международном уровне. Использование больших данных позволит сосредоточится на противодействии сложным схемам уклонения от уплаты налогов, связанных с мошенничеством, коррупцией, отмыванием денег и финансирования терроризма, в том числе, во взаимодействии с другими институтами. Чтобы быть готовым к решению данных задач налоговые органы должны стремиться к максимально широкому использованию инструментов интеллектуального анализа, что позволит оптимальным образом обрабатывать большие массивы доступных данных максимально эффективно и адекватно использовать полученные результаты для принятия решений.