Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária

Abstract

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.