Resultados: visualización detallada

Registro 1 de 1 para la búsqueda Autor Abt Bahamonde, Rodrigo 

Segmentación de los Contribuyentes que Declaran IVA Utilizando Técnicas de Data Mining

Lückeheide Codjambassis, Sandra
Velázquez Silva, Juan
Aburto Lafourcade, Luis
Abt Bahamonde, Rodrigo

2007

  • Datos de edición Programa Cybertesis
  • Tipo de Documento Libro
  • Materia Data mining
    Segmentación
    Clustering
  • Descripción
    La presente memoria se ha desarrollado en la Subdirección de Estudios del Servicio de Impuestos Internos (SII) y tiene como objetivo obtener una caracterización de los contribuyentes que declaran IVA, a partir de la segmentación de la información tributaria declarada por ellos, con el fin de aportar nueva información para el apoyo a la labor fiscalizadora del SII. El trabajo consiste en la búsqueda de grupos de contribuyentes de comport ...
    La presente memoria se ha desarrollado en la Subdirección de Estudios del Servicio de Impuestos Internos (SII) y tiene como objetivo obtener una caracterización de los contribuyentes que declaran IVA, a partir de la segmentación de la información tributaria declarada por ellos, con el fin de aportar nueva información para el apoyo a la labor fiscalizadora del SII. El trabajo consiste en la búsqueda de grupos de contribuyentes de comportamiento similar, en función de la información aportada por estos en sus declaraciones de IVA (Formulario F29) y en su Inicio de Actividades. La metodología con que se aborda este trabajo es la del método KDD, “extracción de conocimientos de bases de datos”. Esta contempla en primer lugar, la selección del conjunto de datos y variables sobre las cuales se lleva a cabo el estudio y la realización de la limpieza y preprocesamiento del conjunto de datos seleccionado. Luego, se efectúa una reducción y transformación de los datos, para disminuir el número de variables en consideración. En la siguiente etapa, sobre el conjunto de datos limpio y sus variables reducidas, se aplican iterativamente los métodos no supervisados, Kmeans y Self - Organizing Maps (SOM), para la generación de grupos de comportamiento económico similar, hasta encontrar el vector de características más adecuado para la discriminación de grupos. Se selecciona el método SOM, y el vector de características que proporciona los mejores resultados, con lo que se obtiene 5 clusters, los que son interpretados y etiquetados. Luego se evalúa la segmentación realizada, y se generan indicadores de comportamiento de pago relacionado con la declaración tributaria de los contribuyentes, el que es analizado en cada cluster. Se seleccionan los grupos con mayor predisposición a la evasión, y para cada uno se crea un umbral que determina el límite bajo el cual los contribuyentes deberían tener mayor probabilidad de ser seleccionados para fiscalizar. Finalmente, se proponen metodologías para la asignación de nuevos contribuyentes a su grupo. La contribución de este trabajo al SII, consiste en un aporte de información sobre el comportamiento de los contribuyentes y un apoyo a la selección de contribuyentes para la fiscalización, al permitir la evaluación del comportamiento de los contribuyentes en relación a otros que se comportan de manera similar.
  • Identificador 10203