Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Chaim, Ricardo Matos | - |
Autor(es): dc.creator | Venturini, Fabíola Cristina | - |
Data de aceite: dc.date.accessioned | 2024-10-23T15:34:19Z | - |
Data de disponibilização: dc.date.available | 2024-10-23T15:34:19Z | - |
Data de envio: dc.date.issued | 2021-08-13 | - |
Data de envio: dc.date.issued | 2021-08-13 | - |
Data de envio: dc.date.issued | 2021-08-13 | - |
Data de envio: dc.date.issued | 2021-04-27 | - |
Fonte completa do material: dc.identifier | https://repositorio.unb.br/handle/10482/41670 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/886418 | - |
Descrição: dc.description | Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2021. | - |
Descrição: dc.description | Visando verificar de que forma a gestão de riscos da administração tributária do DF pode ser aprimorada por meio do uso de modelos preditivos de mineração de dados, o estudo partiu da caracterização do processo de gestão de riscos dos tributos indiretos pelo Fisco Distrital à luz das boas práticas de gestão de risco aplicáveis à Administração Pública local, envolveu a identificação de modelos preditivos aplicáveis ao processo de seleção de contribuintes a fiscalizar, bem como sua criação e avaliação, que levou em conta o resultado das ações fiscais já realizadas. Nesta pesquisa, exploratória e aplicada, a revisão teórica foi orientada por meio de uma pesquisa bibliométrica a qual resultou na escolha de modelos preditivos baseados em regressão logística e em redes neurais; reuniões foram realizadas para obter informações junto aos auditores responsáveis pela seleção das empresas a fiscalizar e um questionário foi aplicado para colher opiniões dos auditores responsáveis pelas auditorias; os dados armazenados em sistemas corporativos foram estudados e extraídos para obtenção das informações relativas às variáveis de interesse identificadas, as quais foram utilizadas na criação e treinamento dos modelos. Foram criados modelos preditivos capazes de mapear conjuntos de empresas que correspondem a aproximadamente metade das empresas auditadas e mais de 80% do crédito constituído (89% no caso da rede neural modelo). Desta forma, foi possível concluir que a utilização de modelos preditivos tem o potencial de otimizar a aplicação dos recursos disponíveis e maximizar os resultados alcançados. | - |
Descrição: dc.description | With the objective of verifying how the use of predictive data mining models can improve the risk management of the tax administration of the Federal District, this study started from the characterization of the risk management process used by the District Tax Administration, followed by the identification of the models applicable, of its implementation and finally of its evaluation, which considered the result of the tax actions already carried out. In this exploratory and applied research, the theoretical review was guided by a bibliometric research that resulted in the choice of predictive models based on logistic regression and neural networks; meetings were held to obtain information from the auditors responsible for selecting the companies to be inspected and a questionnaire was applied to collect the opinions of the auditors responsible for the audits; the data stored in corporate systems were studied and extracted to obtain the information related to the identified variables of interest, which were used in the creation and training of the models. Predictive models were created capable of mapping sets of companies that correspond to approximately half of the audited companies and to more than 80 % of the constituted credit (89 % in the case of the neural network model). Thus, it was possible to conclude that the use of predictive models has the potential to optimize the application of available resources and maximize the results achieved. | - |
Descrição: dc.description | Instituto de Ciências Exatas (IE) | - |
Descrição: dc.description | Departamento de Ciência da Computação (IE CIC) | - |
Descrição: dc.description | Programa de Pós-Graduação em Computação Aplicada, Mestrado Profissional | - |
Formato: dc.format | application/pdf | - |
Direitos: dc.rights | Acesso Aberto | - |
Direitos: dc.rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data. | - |
Palavras-chave: dc.subject | Gestão de riscos | - |
Palavras-chave: dc.subject | Indícios de irregularidades fiscais | - |
Palavras-chave: dc.subject | Avaliação de risco | - |
Palavras-chave: dc.subject | Mineração de dados | - |
Palavras-chave: dc.subject | Modelos preditivos | - |
Palavras-chave: dc.subject | Regressão logística | - |
Palavras-chave: dc.subject | Redes neurais | - |
Título: dc.title | Uso de modelos preditivos na gestão de riscos da Fiscalização Tributária | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional – UNB |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: