Este sitio web hace uso de cookies con la finalidad de recopilar datos estadísticos anónimos de uso de la web, así como la mejora del funcionamiento y personalización de la experiencia de navegación del usuario. Política de Cookies Aceptar

GRUPO PLAZA

eficiencia de la inspección tributaria

Más de 100 millones de contribuyentes son gestionados por sistemas de Indra

22/05/2017 - 

MADRID (EP). Indra se está posicionando como una de las empresas que está aportando mayores beneficios a las administraciones tributarias en su lucha contra el fraude, gracias al empleo y uso combinado de las más avanzadas tecnologías en este ámbito.

Su amplia experiencia en el desarrollo de soluciones de gestión tributos le ha permitido validar con éxito soluciones orientadas a mejorar la eficiencia de la inspección fiscal, y con ello, aumentar la efectividad en la detección del fraude. Más de 100 millones de contribuyentes son gestionados por sistemas en cuyo desarrollo ha participado Indra.

De hecho, estos sistemas de detección de fraude han posibilitado, en algunos casos, retornos de inversión en torno al 80% durante el primer año de funcionamiento gracias al incremento de la recaudación. "Aciertos superiores al 85% en las comprobaciones gracias a modelos predictivos o crecimientos de doble dígito en la recaudación son algunos de los beneficios cuantificados", incide.

Con el objetivo de ayudar a las administraciones a reducir la brecha fiscal, Indra ha desarrollado iFRA, una avanzada solución que mejora las tecnologías Business Intelligence para cruzar información mediante la incorporación de técnicas estadísticas basadas en Business Analytics y soportadas sobre Big Data que permiten descubrir nuevos patrones de comportamiento del contribuyente, así como incrementar la fiabilidad de las previsiones desde el análisis de comportamientos históricos.

El director del Centro de Excelencia de Tributos de Indra, Antonio Ortuño, explica que este tipo de soluciones se basan en algoritmos predictivos que se obtienen a partir de la modelización de los datos que se han introducido en el sistema.

Por ejemplo, se pueden crear algoritmos de reglas de asociación, que permiten determinar qué características comparten los registros fraudulentos entre ellos; de regresión, para predecir el monto de fraude asociado a una operación detectada; o de importancia de atributos, que identifica las variables decisivas en orden de prioridad a la hora determinar fraude, entre otros.

Noticias relacionadas

next

Conecta con nosotros

Valencia Plaza, desde cualquier medio

Suscríbete al boletín VP

Todos los días a primera hora en tu email