Risikomanagement in der Steuerverwaltung - Bayerisches Landesamt für Steuern Qualitätsverbesserungen durch Entdecken von
←
→
Transkription von Seiteninhalten
Wenn Ihr Browser die Seite nicht korrekt rendert, bitte, lesen Sie den Inhalt der Seite unten
Bayerisches Landesamt für Steuern Risikomanagement in der Steuerverwaltung Qualitätsverbesserungen durch Entdecken von Risiken in großen Datenmengen" 5. Bayerisches Anwenderforum eGovernment 2013 Hans Schüller, Bayerisches Landesamt für Steuern
Rahmenbedingungen Recht • komplexe Steuergesetze • dynamische Rechtsentwicklung • hohe fachliche Anforderungen • an die Beschäftigten der Finanzämter • an die Steuerberater/Bürger Ressourcen • Personal / demografische Entwicklung • Haushalt / Budget Compliance • Besteuerungswiderstände
informationsverarbeitender Betrieb Bürger „Produktionsprozess“ Bürger = Vorhalten von Informationen Auftrag = Gewinnung / Verifikation von Informationen = Verarbeitung der Informationen Steuer- erklärung = Information Ergebnis Steuerbescheid = Information
Daten im BayLfSt – bestehende Verfahren Großrechner / Mainframe Speicherkonto Festsetzungsspeicher Grundinformationsdienst Festsetzung Erhebung
Entwicklung Datenmengen - Großrechner 250 200 Gigabyte 150 100 50 0 2006 2007 2008 2009 2010 2011 2012 2013 Speicherkonto Festsetzungspeicher
aktueller Speicherbedarf Grundinformationsdienst Festsetzungsspeicher Erhebung 31 GB 236 GB Gesamtbedarf: 267 GB
Datenmengen anschaulich ≈ 250.000 beschriebene 1 GB DIN A 4-Seiten Großrechner: 267 GB ≈ 66 Mio. DIN A 4-Seiten
Datenhaltung im BayLfSt - Ausblick • KONSENS-Neuverfahren – GINSTER Grundinfo (aktuell SPEIKO) – BIENE Erhebung (aktuell SPEIKO) – ELFE Festsetzung (aktuell FESPEI) • auswertungsoptimierte Speicherung in relationalen Datenbanken • höherer Speicherbedarf
Ausblick – Speicherbedarf Neuverfahren Stand: 01.01.2013 Schätzung!! 1400 GB 31 GB BIENE / KONSENS-Neuverfahren SPEIKO / bestehendes Verfahren (nur Erhebung!) (Erhebung und Grundinformation)
Entwicklung Erklärungseingänge Elster (Prozent) 50,00% 45,00% 40,00% 35,00% 30,00% 25,00% Prozent Linear (Prozent) 20,00% 15,00% 10,00% 5,00% 0,00% 2004 2005 2006 2007 2008 2009 2010 2011 2012
Elster – Anzahl täglicher Logmeldungen 70.000.000 60.000.000 50.000.000 40.000.000 30.000.000 Logmeldungen 20.000.000 10.000.000 0
Ziele des Risikomanagements Qualitäts- sofortige verbesserung Reaktions- durch möglichkeit gezielten auf Risiken Ressourcen- einsatz Darf nicht mit technische hoher Bearbeitung Lösung im Wahrscheinlich- nach bestehenden keit zu Verhalten Verfahren kostspielig falschen Ergebnissen führen
Risiko =Möglichkeit eines Schadens oder Verlusts = als Konsequenz eines bestimmten Verhaltens oder Geschehens mehrere mögliche Zustände Betrifft Gefahren- situationen, in denen nachteilige Folgen eintreten können, aber nicht müssen Wahrscheinlichkeitsverteilung © H. Schüller
Anmerkungen zum Risikobegriff • viele potentielle Zustände Unsicherheit • Wahrscheinlichkeitsverteilung nicht bekannt • mögliche Zustände bekannt Risiko Risiko • nur eine Wahrscheinlich- keitsverteilung • konkreter Zustand ist bekannt Sicherheit • alle erforderlichen Informationen liegen vor
Aufgabenstellung - Steuerlich relevante Sachverhalte ermitteln - Risiken reduzieren, die das Steueraufkommen mindern, = Fälle falscher bzw. unzureichender Rechts- anwendung vermeiden - rechtskonformes Verhalten erreichen = Belohnung von Kooperation / Bearbeitung nach Verhalten
Zielsetzung: sinnvolle Kombination Mensch Maschine Kombination Mensch - Maschine
Regelbasierte Entscheidungen Regeln Zentralrechner strukturierte Ablage steuerlicher Einzelfälle elektronische Datenerfassung von gescannte Steuererklärungen Papiererklärungen Papiererklärungen = ELSTER
Regeln im informationsverarbeitenden Betrieb Sicherung der Sicherung der Prozesssqualität Einzelfallqualität durch "Vier-Augen-Prinzip" Steuer- Steuer- Steuer- erklärung erklärung Steuer- erklärung erklärung Regel Regel Steuer- Steuer- erklärung erklärung Regel Regel mit hoher Wahrscheinlichkeit Steuer- erklärung nicht sehr kostspielig falsch
Analytische Verfahren - 1 - Regelanalyse / Qualitätssicherung / Generierung neuer Regeln Statistische Verfahren Datenbank strukturierte Ablage aller Steuerfälle
Analytische Verfahren - 2 - Mustererkennung Datenbank strukturierte Ablage aller Steuerfälle
RMS - Gesamtaufbau Analytik-Schicht Statistik-Schicht Regel-Schicht Datenbank strukturierte Ablage aller Steuerfälle
RMS im Finanzamt Die wesentlichen RMS-Bereiche im Überblick • Arbeitnehmerfälle • Ausschließlich Überschusseinkünfte • Breite elektronische Datenbasis (alle „verkennzifferten “ Werte) • Weitgehende maschinelle Fallprüfung möglich • Regelbasiertes System („Risikofilter“) • Maschinelle Hinweise auf zu prüfende Sachverhalte • Absicherung durch: Zufallsauswahl, Turnusprüfung, lfd. Evaluierung • Umsatzsteuer-Betrugsbekämpfung (z. B. Karussellbetrug) • Fallauswahl Umsatzsteuer-Sonderprüfung • Fälle mit Gewinneinkünften • Regelbasiertes System („Risikofilter“) • personelle Einstufung in Risikoklassen (Informationen liegen z. T. noch nicht als Daten vor) • Fallauswahl Betriebsprüfung
Bearbeitung nach Verhalten • ist asymetrisch zwischen Steuerbürger, Steuerberater und Finanzverwaltung verteilt Information • in der Steuererklärung enthält Signalaussage • in vielen Signalaussagen ergibt ein Bild
Bearbeitung nach Verhalten • Kooperationsbereitschaft und Compliance (= Bereitschaft, sich rechtskonform zu verhalten) bestimmen Umfang und Intensität der Prüfungsmaßnahmen • Ziel: keiner der Partner hat etwas zu bereuen, wenn er die ihm vorgeschriebene Strategie einhält; d. h. er hätte mehr Aufwand, wenn er davon abweicht, als er für die Aufrechterhaltung der Kooperation aufwenden muss = sog. “Nash-Gleichgewicht”, (benannt nach John Nash, Nobelpreisträger für Wirtschafts- wissenschaften 1994)
Unterschiede zu anderen RM-Systemen • andere Ausgangslage bei Banken und Versicherungen: – sie „suchen“ das Risiko, weil sich dort die höchste Rendite erzielen lässt – Parallelen bei der Betrugsbekämpfung • Steuerverwaltungen anderer Länder: – Systeme sind nicht direkt in das Bearbeitungsverfahren integriert – Bekämpfung der erkannten Risiken kann daher nicht bereits im Zeitpunkt des Erkennens im Rahmen der aktuellen Veranlagung des Einzelfalls erfolgen (Risikofolgekosten!). – Suchen in der Gesamtheit der Fälle nach Auffälligkeiten und Zusammenhängen, die auf Risiken hindeuten und rollen dann den Einzelfall im Weg der Überprüfung erneut auf.
Ziele bei der weiteren organisatorischen Entwicklung • Strategie: • Steigerung der Zahl vollmaschinell veranlagter Fälle • Identität der Vorgaben für ELSTER und den Papiervordruck • einheitliches Datenformat für die elektronische Übermittlung aller steuerlich relevanten Informationen in Form von strukturierten Daten • Abschaffung von Beleg-Vorlagepflichten • Verbesserte Nutzung bereits vorhandener Daten • Ausweitung und Vernetzung der automatisierten RM-Systeme auf alle Bereiche der finanzamtlichen Tätigkeit • Verbesserung der Qualität der Gesetzgebung • Berücksichtigung technischer Erfordernisse im Gesetzgebungsverfahren • Vermeidung von „Hybrid-Regelungen“ (IT und Papier)
Entwicklung Datenmengen in Westeuropa • jedes Jahr 30% Wachstum • Verdopplung alle 2 Jahre • bis 2020 = 5 Zetabyte Quelle: http://www.it-business.de/marktforschung/studien/articles/395599/
Entwicklung Datenmengen in Westeuropa 1 Zetabyte = 10007 bytes = 1021bytes = 1000 Exabyte = 1 Milliarde Terabyte = 1000 Milliarden Gigabyte = 1.000.000.000.000.000.000.000 bytes
Ziele der weiteren technischen Entwicklung Strategie: • Erhöhung der Verarbeitungsgeschwindigkeit • Verstärkter Einsatz von Datenbanken • Verbesserung der Datenqualität • Einbeziehung externer Daten • sinnvolle Kombination des regelbasierten Systems mit Data-Mining- und Analyse-Tools • Ausbau der selbstlernenden Funktionen • Fallbezogene Beistellung risikorelevanter Sekundärdaten zur Unterstützung der Prüfer • Generierung von Referenzwerten auf der Basis der bereits veranlagten Fälle zur Erleichterung der Risikoeinschätzung im Einzelfall
Kann big data der weiteren Entwicklung dienen? Technologie • Hardware Personen • Software • Datenbank-Kompetenz Daten • Risikokompetenz / Methodik • Analytiker / data scientists • Herkunft • Qualität • Struktur • Kontinuität der • Verfügbarkeit Historie
Haben Sie noch Fragen? Falls nicht, bitte ich Sie, dieses Risiko nicht zu unterschätzen. Vielen Dank für Ihre Aufmerksamkeit
Sie können auch lesen