Μια επιχείρηση κλείνει αφήνοντας χρέη και μια άλλη ανοίγει με διαφορετικό όνομα και νέο ΑΦΜ. Στα χαρτιά πρόκειται για δύο ξεχωριστές εταιρείες. Αν, όμως, μοιράζονται πρόσωπα, στοιχεία επικοινωνίας, πελάτες ή προμηθευτές, μπορεί να υπάρχει μια συνέχεια που αξίζει να εξεταστεί.
Αυτές τις συνδέσεις αναζητούν τα ψηφιακά εργαλεία της ΑΑΔΕ. Αντί να περιορίζουν τον έλεγχο στην εικόνα κάθε επιχείρησης ξεχωριστά, βοηθούν τους ελεγκτές να δουν τις σχέσεις της με άλλες εταιρείες και φυσικά πρόσωπα. Έτσι, μέσα από φαινομενικά σκόρπιες πληροφορίες, μπορεί να σχηματιστεί ο χάρτης ενός ολόκληρου επιχειρηματικού δικτύου.
Μια σύνδεση, βέβαια, δεν σημαίνει αυτομάτως παράβαση. Δείχνει πού ενδέχεται να χρειάζεται περισσότερη έρευνα. Η διαφορά είναι ότι οι ελεγκτές μπορούν πλέον να αναζητούν αυτές τις ενδείξεις χωρίς να συγκρίνουν χειροκίνητα εκατοντάδες εταιρικούς φακέλους.
Τα στοιχεία που ενώνουν δύο διαφορετικές εταιρείες
Το σύστημα αναζητά κοινά σημεία: εταίρους, μετόχους, διαχειριστές, επαγγελματικές διευθύνσεις, τηλέφωνα και ηλεκτρονικές διευθύνσεις. Εξετάζει, επίσης, τις εμπορικές σχέσεις.
Σε αυτό το σκέλος έχουν ιδιαίτερη σημασία τα δεδομένα από το myDATA και τις δηλώσεις ΦΠΑ, καθώς μπορούν να δείξουν αν διαφορετικές εταιρείες συναλλάσσονται με τους ίδιους πελάτες και προμηθευτές.
Μια κοινή διεύθυνση ή ένας κοινός συνεργάτης μπορεί να εξηγείται απολύτως νόμιμα. Όταν, όμως, συσσωρεύονται συμπτώσεις, προκύπτει λόγος να εξεταστεί πιο προσεκτικά η σχέση μεταξύ των επιχειρήσεων.
Το ζητούμενο είναι να φανεί αν πίσω από διαφορετικά ΑΦΜ επανεμφανίζονται τα ίδια πρόσωπα ή παρόμοια εταιρικά σχήματα — και στη συνέχεια να διερευνηθεί τι σημαίνει αυτό στην πράξη.
Πώς μετριέται η ομοιότητα: Ένα παράδειγμα με 20 εταιρείες
Ένα από τα εργαλεία αυτής της ανάλυσης είναι ο δείκτης Jaccard, ο οποίος μετρά πόσο επικαλύπτονται δύο σύνολα δεδομένων. Η λογική του είναι απλή: συγκρίνει όσα έχουν κοινά με το σύνολο των διαφορετικών στοιχείων τους.
Ας υποθέσουμε ότι δύο πρόσωπα συμμετέχουν σε 15 εταιρείες το καθένα και ότι οι 10 από αυτές είναι κοινές. Οι διαφορετικές εταιρείες στις οποίες συμμετέχουν συνολικά είναι 20: οι 10 κοινές, άλλες πέντε του πρώτου και άλλες πέντε του δεύτερου.
Ο υπολογισμός γίνεται διαιρώντας τις 10 κοινές εταιρείες με τις 20 διαφορετικές. Το αποτέλεσμα είναι 0,5 ή 50% ομοιότητα.
Η τιμή του δείκτη κυμαίνεται από το μηδέν, όταν δεν υπάρχουν κοινά στοιχεία, έως το ένα, όταν τα δύο σύνολα είναι ίδια. Το 50% στο παράδειγμα αποτυπώνει την επικάλυψη των συμμετοχών. Δεν σημαίνει 50% πιθανότητα φοροδιαφυγής ούτε αποτελεί απόδειξη παράνομης δραστηριότητας.
Η υπόθεση της Θεσσαλονίκης και οι ομάδες των ΑΦΜ
Η μέθοδος αξιοποιήθηκε από την ελεγκτική υπηρεσία ΔΕΟΣ στην υπόθεση κυκλώματος στη Θεσσαλονίκη, το οποίο, σύμφωνα με τα στοιχεία της ΑΑΔΕ, συνδεόταν με 380 επιχειρήσεις, 205 πρόσωπα και οφειλές 43 εκατ. ευρώ προς το Δημόσιο.
Οι ελεγκτές χρησιμοποίησαν τον δείκτη για να εντοπίσουν επαναλαμβανόμενες επιχειρηματικές σχέσεις. Στη συνέχεια άλλαζαν το ελάχιστο ποσοστό ομοιότητας που απαιτούνταν για να καταγραφεί μια σύνδεση.
Με όριο πάνω από 5%, εντοπίστηκαν 719 συνδέσεις μεταξύ 369 ΑΦΜ. Σχηματίστηκαν 29 ομάδες, με τη μεγαλύτερη να περιλαμβάνει 262 ΑΦΜ.
Όταν το όριο ανέβηκε πάνω από 10%, παρέμειναν 504 συνδέσεις μεταξύ 330 ΑΦΜ. Οι ομάδες έγιναν 60 και η μεγαλύτερη περιορίστηκε στα 34 ΑΦΜ.
Με ακόμη αυστηρότερο όριο, πάνω από 20%, προέκυψαν 358 συνδέσεις μεταξύ 270 ΑΦΜ, σε 77 ομάδες. Η μεγαλύτερη αριθμούσε πλέον 13 ΑΦΜ.
Πώς γίνεται οι συνδέσεις να λιγοστεύουν, αλλά οι ομάδες να αυξάνονται; Καθώς αφαιρούνται οι πιο αδύναμες συνδέσεις, ένα μεγάλο δίκτυο μπορεί να χωριστεί σε μικρότερα τμήματα. Έτσι αναδεικνύονται ομάδες με εντονότερα κοινά χαρακτηριστικά.
Η εικόνα θυμίζει ένα δίκτυο γνωριμιών: ο Α συνδέεται με τον Β και ο Β με τον Γ. Οι τρεις μπορούν να ανήκουν στην ίδια ευρύτερη ομάδα, χωρίς ο Α να έχει απαραίτητα άμεση σύνδεση με τον Γ.
Από το κοινό τηλέφωνο στον πραγματικό έλεγχο
Η χαρτογράφηση μπορεί να βοηθήσει στην αναζήτηση επιχειρήσεων που διακόπτουν τη λειτουργία τους αφήνοντας οφειλές και αντικαθίστανται από νέες με παρόμοια χαρακτηριστικά.
Μπορεί, επίσης, να κατευθύνει την έρευνα σε περιπτώσεις χρήσης «αχυρανθρώπων»: προσώπων που εμφανίζονται ως διαχειριστές ή εκπρόσωποι, ενώ άλλοι ασκούν την πραγματική διοίκηση.
Για τις επιχειρήσεις, αυτό σημαίνει ότι ο φορολογικός έλεγχος δεν περιορίζεται στις δικές τους δηλώσεις και οφειλές. Μπορεί να επεκτείνεται στις σχέσεις τους με το υπόλοιπο επιχειρηματικό περιβάλλον.
Ο αλγόριθμος υποδεικνύει τις συνδέσεις που χρειάζονται διερεύνηση. Το αν αυτές αντανακλούν μια νόμιμη συνεργασία ή έναν μηχανισμό παραβάσεων παραμένει αντικείμενο του ελέγχου.




