Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/20882
Title: Modelo para predecir las deudas de los contribuyentes con alta probabilidad de no pago en la administración tributaria
Authors: Ordóñez Placencia, José Fernando
Keywords: ADMINISTRACIÓN
TRIBUTACIÓN
APRENDIZAJE AUTOMÁTICO
Issue Date: 18-Feb-2020
Publisher: Quito, 2020.
Citation: Ordóñez Placencia, J. F. (2020). Modelo para predecir las deudas de los contribuyentes con alta probabilidad de no pago en la administración tributaria. 149 hojas. Quito : EPN.
Abstract: One of the main processes in tax administrations is debt management. The objective of this process, among others, is to recover the economic resources declared on the statement made by taxpayers. Due to limitations in tax administrations, such as, staff, tools, time, etc., tax administrations seek to recover debts in the early stages of control, where the cost of collection is lower than in the subsequent stages. In order to optimize the debt management process and contribute to decision-making, this Master's Thesis proposes to carry out a data mining process to develop a model to predict debts of taxpayers with high probability of non-payment. The extraction of knowledge as a result of the data mining process identifies high-risk debts for the debt management process. In addition, our study also allows to develop a survival analysis of the debts of a dataset from a tax administration using machine learning techniques. Three groups of tax debtors with similar payment behavior were identified and a performance of up to 90% was obtained to estimate the payment time of taxpayers. Concordance index metric was used to measure the performance.
Description: Uno de los principales procesos en una administración tributaria es la gestión de cobranza. El objetivo de este proceso, entre otros, es recuperar los recursos económicos basados en las declaraciones hechas por los contribuyentes. Debido a las limitaciones en las administraciones tributarias, tales como personal, herramientas, tiempo, etc., las administraciones buscan recuperar valores en etapas tempranas de control donde el costo de cobro es menor para etapas posteriores. Para optimizar el proceso de gestión de cobranza y contribuir a la toma de decisiones, en este trabajo se propone llevar a cabo un proceso de minería de datos para desarrollar un modelo para predecir deudas de contribuyentes con alta probabilidad de no pago. La extracción de conocimiento como producto de la minería de datos permitirá identificar las deudas con alto riesgo para el proceso de gestión de cobranza de manera eficiente. Además, nuestro estudio se enfoca en realizar un análisis de supervivencia de las deudas de un proceso de cobranza en una administración tributaria usando técnicas de aprendizaje automático. Se identificó 3 grupos con comportamiento similar y se obtuvo un desempeño de hasta 90% usando la métrica índice de concordancia.
URI: http://bibdigital.epn.edu.ec/handle/15000/20882
Type: masterThesis
Appears in Collections:Tesis Maestría en Ciencias de la Computación y Comercio Electrónico (FIS)

Files in This Item:
File Description SizeFormat 
CD 10402.pdf3,13 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.