Onderzoekers van de Universiteit Antwerpen hebben een algoritme ontwikkeld dat fiscale fraude kan opsporen. Aan de hand van douane- en btw-gegevens zijn zogeheten dataminingtechnieken toegepast. Daarmee kunnen tot 100 keer meer fraudegevallen worden ontdekt.
Doctor Jellis Vanhoeyveld van de Faculteit Bedrijfswetenschappen en Economie ontwikkelde nieuwe dataminingtechnieken die geautomatiseerd fraudepatronen identificeert op basis van onder meer belastingaangiften, financiële transacties en sociaal-demografische gegevens. ‘Op die manier vermindert datamining het verlies aan fiscale inkomsten en creëert het een afschrikeffect voor fraudeurs’, aldus de universiteit.
Logistieke keten blootleggen
De nieuwe technieken zijn ingezet bij een database van aangiftes met bekende fraude- en legale gevallen die bij douanecontroles opdoken. Dat resulteerde in modellen die douanefraude opsporen uitsluitend op basis van de gegevens in de aangifte. ‘Op het aangifteformulier wordt namelijk klassieke informatie zoals de massa en de eenheidsprijs, maar ook fijnmazige informatie zoals de goederencode, de betrokken bedrijven en het land van oorsprong ingevoerd’, aldus Vanhoeyveld. Met de nieuwe algoritmes worden die gegevens geïntegreerd in een fraudedetectiesysteem. ‘De resultaten tonen aan dat deze integratie een significante verbetering in fraudedetectie teweegbrengt omdat de logistieke keten wordt blootgelegd.’ Volgens de Belgische douane wordt het mogelijk om relatief uitzonderlijke overtredingen in productveiligheid, gezondheid en milieu te voorspellen.
Tot 100 keer meer btw-fraude ontdekt
Ook op btw-gebied is het algoritme ingezet. Een aantal vermoedelijke fraude-indicatoren werden opgesteld en losgelaten op geanonimiseerde data uit 2014, waarbij bedrijven met afwijkend gedrag worden gesignaleerd. ‘Afhankelijk van de sector konden, in vergelijking met een willekeurige steekproef, op die manier 5 tot 100 keer meer fraudegevallen blootgelegd worden.’ Ook buitenlandse hebben interesse getoond in de nieuwe opsporingsmethode.
