ارئه مدلی برای بکارگیری داده های بزرگ در حوزه مالیات اشخاص حقیقی به منظور جلوگیری از فرار مالیاتی (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
هدف: این پژوهش با هدف ارائه مدلی برای بکارگیری داده های بزرگ در حوزه مالیات اشخاص حقیقی در ایران به منظور جلوگیری از فرار مالیاتی انجام شده است. داده های بزرگ تقریبأ هر جنبه از حرفه حسابداری را تحت تأثیر قرار داده و به سرعت در حال تبدیل شدن به نقطه تمرکز اصلی برای حسابداران حرفه ای (صرف نظر از تخصص آن ها) در سطح بین الملل می باشد. همگام با بهبود توانایی های تکنولوژیکی، حرفه نیز خود را با ترکیب منابع داده ای غیرمالی جدید، بسط و توسعه داده است. این رویکرد فرصت هایی را برای افزایش کیفیت حسابرسی و کیفیت اطلاعات حسابداری فراهم می کند. روش پژوهش: پژوهش به صورت کیفی و از مصاحبه با 19 نفر متخصصان و افراد شاغل در سازمان امور مالیاتی و مرتبط با حوزه مالیات های اشخاص حقیقی انجام شده است؛ از روش نمونه گیری تا مرحله اشباع نظری پیش رفته و ﻃی ایﻦ ﻓﺮآیﻨﺪ کﺪﮔﺬاری ﺗﻌﺪاد ۳۷۰ کﺪﺑﺎز، ۳۳ ﻣﻔﻬﻮم و ۱۷ ﻣﻘﻮﻟﻪ اﺳﺘﺨﺮاج و ویﮋﮔیﻫﺎی آﻧﻬﺎ در شرکت های نمونه استخراج گردید.یافته ها: پژوهش نشان داد شاخص هایی که برای کشف فرار مالیاتی و تقلب انجام می شود، مجموعه داده های داخلی و خارجی بزرگی شامل: مشخصات جمعیتی، مشخصات مالیات دهندگان یا شرکت ها، پرونده های قبلی، داده های مرکز تماس و تاریخچه حسابرسی می باشند.Designing a model for using big data in the field of taxation of natural persons in order to prevent tax evasion
Objective: This research was conducted with the aim of providing a model for using big data in the field of taxation of natural persons in Iran in order to prevent tax evasion. Big data is impacting almost every aspect of the accounting profession and is rapidly becoming a major focus point for professional accountants (regardless of their specialty) internationally. As technological capabilities have improved, the profession has also expanded and developed by incorporating new non-financial data sources. This approach provides opportunities to increase audit quality and accounting information quality.Research method: the research was conducted qualitatively and through interviews with 19 specialists and people working in the tax affairs organization and related to the field of personal taxes; From the sampling method to the theoretical saturation stage, 370 codes, 33 concepts and 17 extraction categories and their characteristics were extracted in the sample companies during this coding process.Findings: The research showed that the indicators used to detect tax evasion and fraud are large internal and external data sets, including: demographic characteristics, taxpayer or company characteristics, previous files, call center data, and audit history
تبلیغات
