Serviço Público Inteligente Sistemas de BI, decidir com base em informação de qualidade 15 de maio de 2013 Auditório B, Reitoria UNL Patrocínio Prata Patrocinadores Globais APDSI
Conferência Serviço Público Inteligente O Valor do Business Intelligence para a gestão na Administração Tributária Paulo Oliveira (paulo.rui.oliveira@at.gov.pt)
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 Secretaria de Estado da Administração Pública Autoridade Tributária e Aduaneira 2
Enquadramento do NADW na AT Autoridade Tributária e Aduaneira Sistemas de Informação Impostos Alfândegas Núcleo do Data Warehouse e Antifraude 3
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 Decisão Conhecimento Informação Dados 4
Sistemas de BI da AT Operacionais Data Warehouse (Analítico) Data Marts (Estratégico) Data Mining (Preditivo) 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 5
Data Warehouse Utilizadores especializados Operacionais Data Warehouse Utilizadores 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 6
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
Modelos de Alfândegas Modelos de Alfândegas abrangidos: Importação Exportação Impostos Especiais sobre o Consumo Fiscalidade Automóvel Trânsito Contabilização da Receita Aduaneira 8
Data Marts Especializados Vários Data Marts especializados Data Warehouse 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) 9
Seleção de Contribuintes Listas de Contribuintes para inspeção Inspetor Inspetor Sistema de seleção e análise de contribuintes a inspeccionar 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 10
Incumprimento Fiscal Inspetor Sistema de análise de incumprimento fiscal de contribuintes a inspeccionar 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 11
Data Marts da Inspeção Tributária Exemplo de um relatório do Data Mart da Inspeção Tributária (componente Dossier do Contribuinte) 12
Relações entre Entidades Inspetor Investigação visual das relações entre entidades 13
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
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
Conhecimento do passado Previsões Ações Exemplo: Resultados de Inspeções Identificação de contribuintes de risco Inspeções aos Contribuintes de risco 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 16
Seleção Preditiva Exemplo Objetivo de Negócio Melhorar Seleção Inspetiva 1 Histórico de Inspeções Comparar Dados de Contribuintes Prioritização de critérios 2 Scoring Recomendar Ações 3 Inspeções 4 Resultados das Inspeções 17
Seleção com base em Critérios de Risco Universo de Contribuintes Segmentação de Contribuintes 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 18
Alertas com base em Critérios de Risco Contribuintes Contribuintes com classificação de risco 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 19
Tecnologias utilizadas no Data Warehouse Pedidos Protocolos Universos BO Dashboards Relatórios Padronizados Exploração Risco Data Mining Indicadores Operacionais Dashboards Relatórios Padronizados Negócio Operacional ODS DW Exploração DM Universos BO 20
Sensibilização de Utilizadores SIIAF Sensibilização de Utilizadores DMIT DMAF Visual Dataming RAF SIIAF Cronologia Sensibilização de Utilizadores DMIT DMAF Visual Datamining RAF SIIAF Cruzamentos Cruzamentos Estatísticas Estatísticas Indicadores Globais Dashboards de Gestão Estatísticas Modelos de Alfândegas Modelos Transversais Modelos de Impostos ODS Modelos Transversais Modelos de Impostos e Alfândegas ODS Modelos Transversais Modelos de Impostos e Alfândegas JT Protocolos JT Protocolos JT Protocolos 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 Legenda NSIG NDWII NSA NADW Etapas 21
Factores de Sucesso Fatores 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 22
Conclusão A Informação nem sempre tem o mesmo valor! Obrigado. Paulo Oliveira (paulo.rui.oliveira @at.gov.pt) 23