Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária

Detalhes bibliográficos
Autor(a) principal: Venturini, Fabíola Cristina
Data de Publicação: 2021
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UnB
Texto Completo: https://repositorio.unb.br/handle/10482/41670
Resumo: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
id UNB_a35dcaa9f8903b9dab7fa91096f56b6d
oai_identifier_str oai:repositorio.unb.br:10482/41670
network_acronym_str UNB
network_name_str Repositório Institucional da UnB
repository_id_str
spelling Uso de modelos preditivos na gestão de riscos da Fiscalização TributáriaGestão de riscosIndícios de irregularidades fiscaisAvaliação de riscoMineração de dadosModelos preditivosRegressão logísticaRedes neuraisDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.Visando verificar de que forma a gestão de riscos da administração tributária do DF pode ser aprimorada por meio do uso de modelos preditivos de mineração de dados, o estudo partiu da caracterização do processo de gestão de riscos dos tributos indiretos pelo Fisco Distrital à luz das boas práticas de gestão de risco aplicáveis à Administração Pública local, envolveu a identificação de modelos preditivos aplicáveis ao processo de seleção de contribuintes a fiscalizar, bem como sua criação e avaliação, que levou em conta o resultado das ações fiscais já realizadas. Nesta pesquisa, exploratória e aplicada, a revisão teórica foi orientada por meio de uma pesquisa bibliométrica a qual resultou na escolha de modelos preditivos baseados em regressão logística e em redes neurais; reuniões foram realizadas para obter informações junto aos auditores responsáveis pela seleção das empresas a fiscalizar e um questionário foi aplicado para colher opiniões dos auditores responsáveis pelas auditorias; os dados armazenados em sistemas corporativos foram estudados e extraídos para obtenção das informações relativas às variáveis de interesse identificadas, as quais foram utilizadas na criação e treinamento dos modelos. Foram criados modelos preditivos capazes de mapear conjuntos de empresas que correspondem a aproximadamente metade das empresas auditadas e mais de 80% do crédito constituído (89% no caso da rede neural modelo). Desta forma, foi possível concluir que a utilização de modelos preditivos tem o potencial de otimizar a aplicação dos recursos disponíveis e maximizar os resultados alcançados.With the objective of verifying how the use of predictive data mining models can improve the risk management of the tax administration of the Federal District, this study started from the characterization of the risk management process used by the District Tax Administration, followed by the identification of the models applicable, of its implementation and finally of its evaluation, which considered the result of the tax actions already carried out. In this exploratory and applied research, the theoretical review was guided by a bibliometric research that resulted in the choice of predictive models based on logistic regression and neural networks; meetings were held to obtain information from the auditors responsible for selecting the companies to be inspected and a questionnaire was applied to collect the opinions of the auditors responsible for the audits; the data stored in corporate systems were studied and extracted to obtain the information related to the identified variables of interest, which were used in the creation and training of the models. Predictive models were created capable of mapping sets of companies that correspond to approximately half of the audited companies and to more than 80 % of the constituted credit (89 % in the case of the neural network model). Thus, it was possible to conclude that the use of predictive models has the potential to optimize the application of available resources and maximize the results achieved.Instituto de Ciências Exatas (IE)Departamento de Ciência da Computação (IE CIC)Programa de Pós-Graduação em Computação Aplicada, Mestrado ProfissionalChaim, Ricardo MatosVenturini, Fabíola Cristina2021-08-13T14:36:16Z2021-08-13T14:36:16Z2021-08-132021-04-27info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfVENTURINI, Fabíola Cristina. Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária. 2021. 91 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2021.https://repositorio.unb.br/handle/10482/41670A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UnBinstname:Universidade de Brasília (UnB)instacron:UNB2024-08-29T19:30:46Zoai:repositorio.unb.br:10482/41670Repositório InstitucionalPUBhttps://repositorio.unb.br/oai/requestrepositorio@unb.bropendoar:2024-08-29T19:30:46Repositório Institucional da UnB - Universidade de Brasília (UnB)false
dc.title.none.fl_str_mv Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária
title Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária
spellingShingle Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária
Venturini, Fabíola Cristina
Gestão de riscos
Indícios de irregularidades fiscais
Avaliação de risco
Mineração de dados
Modelos preditivos
Regressão logística
Redes neurais
title_short Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária
title_full Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária
title_fullStr Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária
title_full_unstemmed Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária
title_sort Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária
author Venturini, Fabíola Cristina
author_facet Venturini, Fabíola Cristina
author_role author
dc.contributor.none.fl_str_mv Chaim, Ricardo Matos
dc.contributor.author.fl_str_mv Venturini, Fabíola Cristina
dc.subject.por.fl_str_mv Gestão de riscos
Indícios de irregularidades fiscais
Avaliação de risco
Mineração de dados
Modelos preditivos
Regressão logística
Redes neurais
topic Gestão de riscos
Indícios de irregularidades fiscais
Avaliação de risco
Mineração de dados
Modelos preditivos
Regressão logística
Redes neurais
description Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021.
publishDate 2021
dc.date.none.fl_str_mv 2021-08-13T14:36:16Z
2021-08-13T14:36:16Z
2021-08-13
2021-04-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv VENTURINI, Fabíola Cristina. Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária. 2021. 91 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2021.
https://repositorio.unb.br/handle/10482/41670
identifier_str_mv VENTURINI, Fabíola Cristina. Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária. 2021. 91 f., il. Dissertação (Mestrado Profissional em Computação Aplicada)—Universidade de Brasília, Brasília, 2021.
url https://repositorio.unb.br/handle/10482/41670
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UnB
instname:Universidade de Brasília (UnB)
instacron:UNB
instname_str Universidade de Brasília (UnB)
instacron_str UNB
institution UNB
reponame_str Repositório Institucional da UnB
collection Repositório Institucional da UnB
repository.name.fl_str_mv Repositório Institucional da UnB - Universidade de Brasília (UnB)
repository.mail.fl_str_mv repositorio@unb.br
_version_ 1814508246879174656

Registros relacionados