Onderzoekers aan de Universiteit Antwerpen gaan fiscale fraude opsporen via data mining. Door de algoritmes los te laten op gegevens in bijvoorbeeld belastingaangiften, kunnen afwijkingen en fraude gemakkelijker worden opgespoord, blijkt uit hun onderzoek.
Met behulp van datamining – het ‘graven’ in grote gegevensverzamelingen op zoek naar verbanden – ging onderzoeker Jellis Vanhoeyveld van de Faculteit Bedrijfswetenschappen en Economie aan de UAntwerpen op zoek naar fraudepatronen. Dat deed hij onder andere met een case study op online douaneaangiftes. “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”, legt Vanhoeyveld uit. “Onze nieuwe algoritmes laten toe dergelijke fijnmazige gegevens te integreren in een fraudedetectiesysteem. De resultaten tonen aan dat deze integratie een significante verbetering in fraudedetectie teweegbrengt omdat de logistieke keten wordt blootgelegd.”
De Belgische douane is alvast opgetogen over het systeem. “Met deze modellen zouden we op termijn een aantal relatief uitzonderlijke overtredingen in productveiligheid, gezondheid en milieu, kunnen voorspellen”, zeg administrateur-generaal Kristian Vanderwaeren.
Bij een andere gevalstudie gingen de onderzoekers aan de slag met geanonimiseerde btw-aangiften. Bedrijven kunnen fraude plegen door het registreren van fictieve aankopen, het niet-aangeven van verkopen of het hanteren van valse facturen. De studie spoorde bedrijven met afwijkend gedrag op en legde 5 tot 100 keer meer fraudegevallen bloot dan bij een willekeurige steekproef. “Dit was een uitstekende samenwerking tussen de overheid en de universiteit, waarbij wij onze algoritmes hebben kunnen valideren op een domein met enorme maatschappelijke en economische implicaties”, vertellen promotoren prof. David Martens en prof. Bruno Peeters. “Buitenlandse administraties toonden alvast interesse in dit onderzoek.”
