Η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) επιστρατεύει έναν εξελιγμένο αλγόριθμο, τον δείκτη ομοιότητας Jaccard, προκειμένου να εντοπίζει και να εξαρθρώνει κυκλώματα φοροδιαφυγής. Το ψηφιακό αυτό εργαλείο είναι σχεδιασμένο να αποκαλύπτει τις κρυφές σχέσεις μεταξύ επιχειρήσεων, διασταυρώνοντας πλήθος δεδομένων.
Πώς λειτουργεί ο δείκτης Jaccard
Ο δείκτης ομοιότητας Jaccard συγκρίνει πρόσωπα, εταιρικά σχήματα, κοινές έδρες, τραπεζικούς λογαριασμούς και εμπορικές συναλλαγές. Μέσω αυτής της διασταύρωσης, οι ελεγκτικές αρχές μπορούν να χαρτογραφήσουν ολόκληρα δίκτυα επιχειρήσεων και προσώπων που ενδέχεται να συνδέονται μεταξύ τους, αντί να εξετάζουν μεμονωμένα ΑΦΜ.
Το σύστημα ανάλυσης κινδύνου της ΑΑΔΕ αντιμετωπίζει κάθε επιχείρηση ως ένα «σύνολο δεδομένων» και συγκρίνει τα χαρακτηριστικά της με εκείνα άλλων επιχειρήσεων. Όσο υψηλότερος είναι ο δείκτης Jaccard, πλησιάζοντας δηλαδή την τιμή 1, τόσο μεγαλύτερη είναι η πιθανότητα οι εταιρείες να ανήκουν στο ίδιο κύκλωμα φοροδιαφυγής.
Εντοπισμός εταιρειών-φαντασμάτων και αχυρανθρώπων
Η ΑΑΔΕ χρησιμοποιεί τον δείκτη Jaccard σε ένα μοντέλο ανίχνευσης επιχειρηματικών συσχετίσεων για να εντοπίζει και να εξαρθρώνει κυκλώματα εικονικών εταιρειών, γνωστών ως «εταιρειών-φαντασμάτων», καθώς και «αχυρανθρώπων». Η δημιουργία μιας νέας εταιρείας, το κλείσιμο μιας παλιάς και η μεταφορά της επιχειρηματικής δραστηριότητας σε άλλο ΑΦΜ αποτελούν συχνά κρίκους μιας ευρύτερης αλυσίδας φοροδιαφυγής, τις οποίες ο αλγόριθμος μπορεί να αναδείξει.
Ο δείκτης Jaccard συγκρίνει αποκλειστικά δύο πρόσωπα κάθε φορά. Για παράδειγμα, αν ένα πρόσωπο εμφανίζεται σε 15 εταιρείες και ένα άλλο σε 15, με 10 κοινές εταιρείες μεταξύ τους, τότε το σύνολο των διαφορετικών εταιρειών είναι 20 (15 + 15 - 10). Ο δείκτης Jaccard υπολογίζεται ως το πηλίκο των κοινών εταιρειών προς το σύνολο των διαφορετικών εταιρειών, δηλαδή 10 / 20 = 0,5 ή 50%. Αυτό σημαίνει ότι οι μισές από τις 20 εταιρείες είναι κοινές και στα δύο πρόσωπα.
Η περίπτωση της Θεσσαλονίκης
Σε μια πρόσφατη υπόθεση στη Θεσσαλονίκη, το σύστημα της ΑΑΔΕ ανέδειξε εκατοντάδες σχέσεις μεταξύ ΑΦΜ, αποκαλύπτοντας στην πράξη την αποτελεσματικότητα της νέας ψηφιακής μεθόδου εντοπισμού ύποπτων εταιρικών σχημάτων. Ειδικότερα, το ΔΕΟΣ της ΑΑΔΕ εντόπισε εκατοντάδες «κρίκους» μεταξύ ΑΦΜ, δηλαδή σχέσεις ανά δύο, με τουλάχιστον δύο κοινές εταιρείες σε κάθε ζευγάρι.
Ενώνοντας αυτούς τους «κρίκους», προέκυψαν αλυσίδες και ομάδες επιχειρήσεων. Πρακτικά, αν ο Α συνδέεται με τον Β και ο Β με τον Γ, δημιουργείται μια αλυσίδα, ακόμα κι αν ο Α δεν συνδέεται άμεσα με τον Γ. Τα ζευγάρια με υψηλή ομοιότητα, όταν έχουν κοινά πρόσωπα, ενώνονται σαν «κρίκοι», σχηματίζοντας «αλυσίδες» και αναδεικνύοντας δίκτυα επιχειρηματικών σχέσεων και ενδείξεις συνεργασίας. Η έρευνα στη συνέχεια δείχνει αν μέσα σε αυτά τα δίκτυα γίνονται παράνομες πράξεις.
Όσο αυξάνεται το όριο ομοιότητας, διατηρούνται οι σχέσεις με τη μεγαλύτερη ομοιότητα, με αποτέλεσμα οι μεγάλες αλυσίδες να διασπώνται σε μικρότερες ομάδες, επιτρέποντας μια πιο στοχευμένη ανάλυση.
Με πληροφορίες από: ieidiseis.gr