ЦИФРОВА ТРАНСФОРМАЦІЯ ПРОЦЕСІВ ОПОДАТКУВАННЯ НА ОСНОВІ DATA-DRIVEN ПІДХОДУ: КОНЦЕПЦІЯ ТА АРХІТЕКТУРА ІНТЕГРОВАНОГО АНАЛІТИЧНОГО КОНТУРУ
DOI:
https://doi.org/10.32782/2311-844X/2026-1-5Ключові слова:
процеси оподаткування, податкове адміністрування, податковий ризик-скоринг, data-driven управління, цифрова трансформація, інтегрований аналітичний контур, великі дані (Big Data), машинне навчання, предиктивна аналітикаАнотація
У статті досліджено теоретико-методологічні засади цифрової трансформації процесів оподаткування на основі data-driven підходу. Обґрунтовано зміну парадигми податкового адміністрування від ретроспективного контролю до проактивного аналітичного управління, що концептуально відповідає моделі «Tax Administration 3.0». Доведено, що така трансформація дозволяє перейти від традиційних вибіркових перевірок до безперервного моніторингу всієї сукупності платників податків у режимі реального часу. Визначено роль аналітичної інфраструктури Big Data як операційного ядра системи, що забезпечує інтеграцію облікових і аналітичних потоків. Важливим інструментальним елементом цієї інфраструктури є стандартизація цифрової звітності за допомогою технологій XBRL та електронного інвойсування. Проаналізовано застосування моделей машинного навчання для ризик-скорингу та автоматизованого відбору платників. Встановлено, що використання ансамблевих алгоритмів, зокрема Random Forest та XGBoost, дозволяє досягти точності прогнозування податкових порушень на рівні 92–93%. Водночас наголошено на критичній необхідності застосування методів пояснювального штучного інтелекту (Explainable AI, зокрема SHAP-аналізу) для забезпечення прозорості та правової легітимності згенерованих алгоритмічних рішень. Запропоновано авторську модель інтегрованого цифрового аналітичного контуру управління податковими зобов’язаннями, що базується на п'яти методологічних принципах: безперервності, повноти охоплення, адаптивності, пояснюваності рішень та інституційної вбудованості. Ця модель поєднує п'ять функціональних рівнів, створюючи єдине архітектурне середовище для облікових, аналітичних та управлінських підсистем. Доведено необхідність комплексної трансформації інституційного середовища для ефективного впровадження цифрових підходів. Практична реалізація запропонованої архітектури сприяє оптимізації розподілу ресурсів податкового адміністрування, суттєвому зниженню витрат на комплаєнс для бізнесу та мінімізації корупційних ризиків.
Посилання
Belahouaoui R., Attak E. Digital taxation, artificial intelligence and Tax Administration 3.0: improving tax compliance behavior – a systematic literature review using textometry (2016–2023). International Journal of Accounting Information Systems. 2023.
Hossin M. A., Sulaiman M. N., Rahman M. N. A review on evaluation metrics for data classification evaluations. International Journal of Data Mining & Knowledge Management Process. 2015. Vol. 5, No. 2. P. 1–11.
Nose M., Mengistu A. Digitalization and tax revenue: evidence from developing countries. IMF Working Paper. 2023.
OECD. Tax Administration 3.0: The Digital Transformation of Tax Administration. Paris : OECD Publishing, 2020.
OECD. Tax Administration: Comparative Information on OECD and other Advanced and Emerging Economies (ISORA). Paris : OECD Publishing, 2022.
Okunogbe O., Pouliquen V. Technology, taxation, and corruption: evidence from the introduction of electronic tax filing. American Economic Journal: Economic Policy. 2022. Vol. 14(1). P. 341–372. DOI: https://doi.org/10.1257/pol.20200237
Okunogbe O., Santoro F. The promise and limitations of information technology for tax mobilization. World Bank Research Observer. 2023. Vol. 38(1). P. 1–28. DOI: https://doi.org/10.1093/wbro/lkac001
Ouyang Shaojuan, Fang Ying. Research on enterprise tax risk assessment based on AHP and entropy weight method. Journal of Physics: Conference Series. 2022. DOI: https://doi.org/10.1088/1742-6596/2388/1/012034
Yang L. Application of machine learning in tax risk prediction: evidence from Random Forest model. Journal of Financial Risk Management. 2021.
Pencheva I., Esteve M., Mikhaylov S. Big data and AI – a transformational shift for government: so what next for research? Public Policy and Administration. 2020. Vol. 35(1). P. 24–44. DOI: https://doi.org/10.1177/0952076718807226
OECD. Standard Audit File for Tax (SAF-T) Guidance. Paris : OECD Publishing, 2021.
Belahouaoui, R., & Attak, E. (2023). Digital taxation, artificial intelligence and Tax Administration 3.0: Improving tax compliance behavior – a systematic literature review using textometry (2016–2023). International Journal of Accounting Information Systems.
Hossin, M. A., Sulaiman, M. N., & Rahman, M. N. (2015). A review on evaluation metrics for data classification evaluations. International Journal of Data Mining & Knowledge Management Process, vol. 5, no. 2, pp. 1–11.
Nose, M., & Mengistu, A. (2023). Digitalization and tax revenue: Evidence from developing countries. IMF Working Paper.
OECD. (2020). Tax administration 3.0: The digital transformation of tax administration.
OECD. (2022). Tax administration: Comparative information on OECD and other advanced and emerging economies (ISORA).
Okunogbe, O., & Pouliquen, V. (2022). Technology, taxation, and corruption: Evidence from the introduction of electronic tax filing. American Economic Journal: Economic Policy, vol. 14, no. 1, pp. 341–372. DOI: https://doi.org/10.1257/pol.20200237
Okunogbe, O., & Santoro, F. (2023). The promise and limitations of information technology for tax mobilization. World Bank Research Observer, vol. 38, no. 1, pp. 1–28. DOI: https://doi.org/10.1093/wbro/lkac001
Ouyang, S., & Fang, Y. (2022). Research on enterprise tax risk assessment based on AHP and entropy weight method. Journal of Physics: Conference Series, vol. 2388, no. 1. DOI: https://doi.org/10.1088/1742-6596/2388/1/012034
Yang, L. (2021). Application of machine learning in tax risk prediction: Evidence from Random Forest model. Journal of Financial Risk Management.
Pencheva, I., Esteve, M., & Mikhaylov, S. (2020). Big data and AI – A transformational shift for government: So what next for research? Public Policy and Administration, vol. 35, no. 1, pp. 24–44. DOI: https://doi.org/10.1177/0952076718807226
OECD. (2021). Standard audit file for tax (SAF-T) guidance.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.




