Phân tích rủi ro người nộp thuế: Mấu chốt ở con người

“Hệ thống phân tích, xác định rủi ro người nộp thuế (NNT) đóng vai trò quan trọng trong công tác thanh tra, kiểm tra, góp phần đáp ứng tốt hơn nữa yêu cầu công tác quản lý thuế, hạn chế rủi ro về thuế ở mức thấp nhất; từng bước hiện đại hoá công tác quản lý thuế, đáp ứng yêu cầu quản lý NNT trên cơ sở phân tích, đánh giá thông tin NNT theo quy định tại Luật Quản lý thuế. Tuy nhiên, công nghệ không phải là tất cả. Yếu tố con người mới là mấu chốt để quyết định để xác định hành vi gian lận của đối tượng nộp thuế”. Đây là ý kiến của ông Nguyễn Việt Anh, Chuyên gia tư vấn Công ty FPT IS.

Ảnh minh họa - nguồn internet.Ảnh minh họa - nguồn internet.

Nhận diện hành vi gian lận thuế

Trong những năm vừa qua, tội phạm trong lĩnh vực thuế diễn ra hết sức đa dạng, tăng mạnh, xảy ra trên các tỉnh, thành phố, cơ quan, doanh nghiệp, các lĩnh vực với những phương thức, thủ đoạn ngày càng tinh vi, gây hậu quả xấu đến tình hình kinh tế, chính trị và đời sống xã hội, ảnh hưởng nghiêm trọng đến quá trình hội nhập kinh tế quốc tế. Nhằm ngăn chặn tình trạng gian lận thuế, điều quan trọng hàng đầu là cần nhận diện rõ được các hành vi gian lận của đối tượng nộp thuế để đẩy nhanh quá trình điều tra, xử lý và thu hồi tiền thuế vi phạm.

Theo nghiên cứu của PGS.Ts Lê Xuân Trường và Ts Nguyễn Đình Chiến, gian lận thuế là hành vi vi phạm pháp luật luôn tồn tại song hành với hoạt động thu thuế của nhà nước. Có thể nói, nhà nước còn đánh thuế thì sẽ còn tồn tại hành vi gian lận thuế do động cơ gian lận thuế luôn tồn tại, đó là mong muốn giảm nghĩa vụ thuế của NNT. Tuy nhiên, điều đó không có nghĩa là chúng ta chấp nhận các hành vi gian lận thuế.

Nhận diện hành vi gian lận thuế, nghiên cứu của PGS.Ts Lê Xuân Trường và Ts Nguyễn Đình Chiến chỉ ra rằng đối với hành vi gian lận thuế nội địa, có 5 hình thức chính gồm: Hạch toán kế toán và kê khai thuế sai quy định; bỏ ngoài sổ sách kế toán; tạo giao dịch bán hàng giả mạo; tạo giao dịch mua hàng giả mạo; ghi giá bán thấp hơn giá thực tế. Đối với hành vi gian lận thuế xuất nhập khẩu cũng có 5 hình thức chính gồm: Buôn lậu; khai sai chủng loại hàng hóa; khai sai xuất xứ hàng hóa nhập khẩu; gian lận giá tính thuế; giả mạo mục đích xuất nhập khẩu. Có thể nhận thấy, gian lận thuế có thể xảy ra ở tất cả các khâu của quy trình thuế từ đăng ký, khai, nộp, khấu trừ đến hoàn thuế. Gian lận thuế có thể xảy ra với mọi sắc thuế như: thuế thu nhập doanh nghiệp; thuế thu nhập cá nhân; thuế giá trị gia tăng...

Trước tình trạng gian lận thuế ngày càng gia tăng, với nhiều thủ đoạn tinh vi, Bộ Tài chính, Tổng cục Thuế đã tiến hành nhiều biện pháp để công tác đấu tranh phòng, chống vi phạm và tội phạm trong lĩnh vực thuế đạt được nhiều hiệu quả. Trong đó tập trung vào giải pháp hoàn thiện chính sách pháp luật, tuyên truyền giáo dục, cải cách thủ tục hành chính thuế, nâng cao năng lực cán bộ. Bên cạnh đó, công tác thanh tra, kiểm tra ngày càng được chú trọng.

Tuy nhiên, cần phải nhìn nhận, công tác thanh tra, kiểm tra còn vấp phải nhiều khó khăn như: Việc lựa chọn trường hợp thanh tra, kiểm tra chủ yếu dựa trên kinh nghiệm cán bộ; thiếu một cơ chế đánh giá có hiệu quả để có thể lựa chọn được người nộp thuế có rủi ro về thuế đưa vào kế hoạch thanh tra, kiểm tra; khả năng phân tích thông tin, sử dụng ứng dụng tin học của cán bộ thanh tra, kiểm tra còn hạn chế.

Bên cạnh đó, trong những năm qua, số doanh nghiệp mới thành lập liên tục tăng. Cán bộ thuế nói chung và cán bộ làm công tác thanh tra, kiểm tra nói riêng lại tăng ít. Mặt khác, trình tự thủ tục của hoạt động thanh tra, kiểm tra theo quy định của Luật thanh tra, Luật quản lý thuế rất chặt chẽ, dẫn đến nguồn nhân lực của ngành Thuế chưa đáp ứng được yêu cầu để tiến hành các cuộc thanh tra, kiểm tra đảm bảo về số lượng và chất lượng.

Ông Nguyễn Việt Anh nhấn mạnh, để công tác thanh tra, kiểm tra thu được kết quả cao, việc nắm bắt thông tin NNT, nắm bắt thủ đoạn gian lận cùng các kỹ thuật phân tích thông tin NNT sẽ tạo ra giải pháp "kiềng ba chân" trong quá trình thanh tra, kiểm tra NNT. Theo kinh nghiệm của cơ quan thuế các nước trên thế giới, hiện nay, đa số các cơ quan thuế tiên tiến trên thế giới và trong khu vực đã áp dụng phương pháp quản lý rủi ro trong các chức năng quản lý thuế, đặc biệt là chức năng thanh tra, kiểm tra. Việc ứng dụng các mô hình phân tích, phát hiện gian lận sẽ thu lại cho NSNN rất lớn.

Đã có "thuốc" đặc trị

Kỹ thuật phân tích, phát hiện của ứng dụng chia các hành vi gian lận thành 3 loại: Loại hành vi gian lận cơ hội (thấy có vẻ dễ, chiếm đoạt tiền nhà nước thì làm, không thì thôi, hoặc gian lận vô thức); loại gian lận có chủ đích (tìm mọi cách để chiếm đoạt tiền thuế nhà nước); loại gian lận có hệ thống (buôn lậu...). Để phát hiện các hành vi gian lận này có rất nhiều mô hình kỹ thuật. Ngoài nguyên tắc nghiệp vụ, đối chiếu bảng kê hóa đơn, phát hiện bất thường trong dữ liệu... thì việc ứng dụng mô hình phân tích phát hiện là cần thiết. Đây là ứng dụng nhiều nhất trên thế giới và đã được Tổng cục Thuế sử dụng.

Từ năm 2007, Tổng cục Thuế đã xây dựng và triển khai hệ thống hỗ trợ thanh tra, kiểm tra (TPR) tập trung tại các cục thuế. Hệ thống TPR hỗ trợ các cơ quan thuế cập nhật và theo dõi kết quả các cuộc thanh tra, kiểm tra theo quy trình do Tổng cục Thuế ban hành. Ứng dụng TPR hiện nay đang đáp ứng yêu cầu phân tích rủi ro đối với doanh nghiệp để hỗ trợ lập kế hoạch thanh tra, kiểm tra hàng năm của cơ quan thuế.

Hiện nay, chuyên gia nghiệp vụ đã xây dựng bộ tiêu chí phân tích rủi ro, gồm 16 tiêu chí cứng và các tiêu chí bổ sung do chuyên gia đưa vào, công thức phân tích như sau: Điểm rủi ro = α1 * Tiêu chí 1 +...+αn * Tiêu chí n. Trong đó, chuyên gia nghiệp vụ xác định trọng số α cho từng tiêu chí chủ yếu dựa vào kinh nghiệm. Bản chất hệ thống là quản lý rủi ro vì các tham số α1,... αn do chuyên gia xác định theo kinh nghiệm mà chưa được "học tự động từ dữ liệu", chứ không hề dựa vào thực tế xảy ra.

Đề xuất giải pháp thay thế, ông Nguyễn Việt Anh cho rằng, hệ thống tính điểm rủi ro gian lận thuế cho NNT cần theo từng sắc thuế. Đồng thời tự động rút gọn bộ tiêu chí dựa vào dữ liệu học; tự động phân khoảng và gán điểm rủi ro cho một số tiêu chí dựa vào dữ liệu học. Mà dữ liệu học ở đây là dữ liệu đăng ký thuế, kê khai thuế, nộp thuế, nợ thuế, hoàn thuế, dữ liệu thanh tra, kiểm tra, dữ liệu từ bên thứ ba, dữ liệu thu thập từ báo chí, internet. Và mô hình toán học được dùng là mô hình hồi quy.

Sau khi phân khoảng và tính điểm, cơ quan thuế có thể dựa vào đó để phổ điểm và xác định điểm cắt. Kết quả phân bố điểm tổng cộng được dự báo bởi mô hình sẽ giúp cơ quan thuế tìm hiểu nguồn gốc rủi ro trên điểm các chỉ tiêu.

Việc xác định điểm rủi ro cho NNT nên được làm theo mô hình tập trung bởi sẽ phù hợp với việc xây dựng ứng dụng TMS của cơ quan thuế đang tiến hành triển khai. Việc sử dụng mô hình tập trung sẽ làm thay đổi mô hình thanh tra, kiểm tra thuế. Nếu trước đây, phần lớn công tác thanh tra, kiểm tra thực hiện thủ công, dẫn tới chỉ có sự tương tác giữa NNT và cơ quan thuế. Sau khi ứng dụng CNTT, công tác thanh tra, kiểm tra sẽ chuyển thành 3 tác nhân ảnh hưởng lẫn nhau, cụ thể: cơ quan thuế thông qua phân tích và lựa chọn trường hợp thanh tra tập trung qua hệ thống NNT. Ứng dụng sẽ rà soát thường xuyên thông tin của doanh nghiệp phát hiện và đưa ra dấu hiệu cảnh báo đối với những doanh nghiệp có rủi ro cao về thuế để có thể bổ sung vào kế hoạch thanh tra và đưa trả kết qua cho hệ thống. Muốn mô hình này hoạt động tốt, có hiệu quả thì phải xây dựng kho dữ liệu thông tin của NNT, quá trình tuân thủ, cũng như dữ liệu thanh tra, kiểm tra.

Theo ông Minoru Umehara, Quản lý cấp cao Bộ phận kinh doanh, Lĩnh vực công Khố số 2, NTT Data nhận định: Không thể ứng dụng được nếu chỉ đơn thuần thu thập "dữ liệu hiện trường" được đăng ký ở từng hệ thống riêng lẻ và tích hợp vào kho dữ liệu. Cho dù có thống nhất được hệ thống thì cũng không thể ứng dụng được vào công việc với trạng thái phân tán, không thống nhất, không có quy chế, quy định nào về phương pháp nhập dữ liệu. Chính vì thế, cần có cơ sở dữ liệu tích hợp để thực hiện phân tích - ứng dụng có hiệu quả "dữ liệu hiện trường" mà đã được đăng ký để thực hiện xử lý nghiệp vụ ở nhiều hệ thống khác nhau.

Trong đó, mô hình hóa dữ liệu là bước không thể thiếu, là nền tảng tối ưu trong việc xây dựng hệ thống quản lý dữ liệu để ứng dụng. Bằng việc so sánh kết quả phân tích dữ liệu với định nghĩa dữ liệu hiện hành, thiết lập định nghĩa dữ liệu chủ, ta có thể sử dụng, phân tích dữ liệu ban đầu một cách có  ích. Ngoài ra có thể tăng hiệu quả trong quá trình sử dụng.

Được biết, hiện nay, Tổng cục Thuế cũng đang nâng cấp ứng dụng TPR để phân tích dữ liệu của cá nhân đã được lưu trữ tại cơ sở dữ liệu tập trung theo bộ tiêu chí đã được xây dựng nhằm đáp ứng yêu cầu quản lý thuế của cơ quan thuế.

Tuy nhiên, ông Nguyễn Việt Anh khẳng định, công nghệ không phải là tất cả. Yếu tố con người mới là mấu chốt để quyết định để xác định hành vi gian lận của đối tượng nộp thuế. Bởi nếu người vận hành, ứng dụng không làm tốt thì công nghệ đưa vào cũng không còn ý nghĩa, tác dụng. Lấy ví dụ cụ thể như việc xây dựng mô hình toán học để tính toán rủi ro NNT có hành vi gian lận, nếu một cán bộ đi thanh tra mà bắt tay với NNT có hành vi có gian lận thì kết quả đó khi đưa vào mô hình thì chắc chắn sẽ sai.

(Thu Hằng)