Banco Interamericano de Desarrollo
facebook
twitter
youtube
linkedin
instagram
Abierto al públicoBeyond BordersCaribbean Development TrendsCiudades SosteniblesEnergía para el FuturoEnfoque EducaciónFactor TrabajoGente SaludableGestión fiscalGobernarteIdeas MatterIdeas que CuentanIdeaçãoImpactoIndustrias CreativasLa Maleta AbiertaMoviliblogMás Allá de las FronterasNegocios SosteniblesPrimeros PasosPuntos sobre la iSeguridad CiudadanaSostenibilidadVolvamos a la fuente¿Y si hablamos de igualdad?Inicio
Administración pública Agua y saneamiento Ciencia, tecnología e innovación Comercio e integración regional Conocimeinto Abierto Desarrollo infantil temprano Desarrollo urbano y vivienda Educación Energía Género y diversidad Impacto Industrias Creativas Medio ambiente, cambio climático y Salvaguardias Política y gestión fiscal Salud Sin Miedos Trabajo y pensiones
  • Skip to main content
  • Skip to secondary menu
  • Skip to primary sidebar
  • Skip to footer

Gestión fiscal

  • INICIO
  • CATEGORÍAS
    • Política Fiscal
    • Gasto Público
    • Impuestos
    • Descentralización
    • Administración Financiera y Tributaria
    • Asociaciones Público-Privadas
    • Gestión Financiera Pública
  • autores
  • Publicaciones
  • Español

Utilizando big data para combatir la evasión

August 29, 2018 by José Larios - Rodrigo Azuero - Agnes Rojas Deja un comentario


América Latina y el Caribe se ha caracterizado por tener bajos niveles de recaudación tributaria. Mientras que en países de la OECD el promedio de recaudo como proporción del PIB equivale al 34.3%, en América Latina y el Caribe esta cifra se centra alrededor del 22.7% (OECD et al. 2018).

La evasión tributaria explica en cierta medida los bajos niveles de recaudo en la región. Según estudios de la CEPAL (2018), los gobiernos de la región dejan de percibir ingresos que representan aproximadamente el 7% del PIB por concepto de evasión tributaria.

La situación de Perú es particularmente crítica, pues mientras en 2002 los ingresos tributarios representaban 16.9% del PIB, en 2002 esta proporción bajó al 12.9% del PIB. En el Gráfico 1 se presentan los diferentes factores que explican esta caída en la recaudación, según el Ministerio de Economía y Finanzas del Perú (MEF, 2018). Como se puede ver, la insuficiencia en el control por parte de la administración tributaria y aduanera es el principal factor determinante de la caída en los ingresos (MEF, 2018), explicando 1.4 puntos porcentuales de esta caída de cuatro puntos en la recaudación.

big data contra la evasion tributaria
Reducción de la presión tributaria de Perú entre 2012 y 2017, en puntos porcentuales del PIB

Esto ocurre en un contexto de elevada evasión[1] en los principales impuestos[2], el Impuesto General a las Ventas[3] (IGV) y el Impuesto sobre la Renta (ISR), cuya evasión alcanza el 36% y el 57%, respectivamente.

Conscientes del potencial de herramientas de big data para combatir la evasión tributaria, la Super Intendencia Nacional de Aduanas y de Administración Tributaria (SUNAT), en colaboración con el BID mediante una operación de préstamo, creó en octubre de 2017 el primer equipo de ciencia de datos en esta administración, que cuenta con cinco científicos de datos -todos menores de treinta años- que son estadísticos, matemáticos y profesionales en ciencias de la computación. La misión de este equipo consiste en desarrollar algoritmos para detectar la evasión y así, focalizar los esfuerzos de fiscalización de la administración tributaria. Veamos dos de los cinco proyectos relacionados con el análisis de la evasión, de los cuales se desprenden importantes lecciones.

 

Cómo detectar la evasión de los restaurantes en Perú

En 2013 y 2014, el sector de restaurantes en Perú tuvo un importante crecimiento económico de aproximadamente 7% anual. En particular, los concesionarios de alimentos lograron un crecimiento del 18% en el 2014. Sin embargo, este incremento no se vio necesariamente reflejado en el recaudo tributario. Por eso el primer proyecto de la oficina de ciencia de datos fue identificar las categorías de restaurantes que no entregan toda la información de ventas que le suministran a SUNAT, lo que les permite reducir la base tributaria sobre la cual pagan el ISR corporativo y el IGV.

Hay dos tipos de algoritmos de “machine learning”. Los algoritmos que utilizan datos con categorías claramente definidas se denominan métodos de aprendizaje supervisado. Por ejemplo, si se quiere identificar las características de los contribuyentes que entregan tarde sus obligaciones tributarias, se puede utilizar un método de aprendizaje supervisado, pues la SUNAT puede identificar claramente quien es puntual y quien no con base en sus datos.

Por otra parte, cuando no es posible utilizar categorías claramente definidas en los datos, se implementan métodos de aprendizaje no supervisado. Este es el caso de la evasión tributaria, pues las administraciones tributarias no tienen una manera clara, precisa y confiable de identificar qué contribuyentes son evasores y cuáles no. Si así fuera el caso, no tendríamos problemas de evasión en la región. En el caso de la evasión tributaria, el equipo de proyecto utilizó un método algorítmico llamado “aprendizaje no supervisado” de manera que los algoritmos reconozcan patrones en los datos para etiquetarlos en diferentes categorías. En el caso de Perú no hay datos que permitan clasificar a los contribuyentes como evasores o no evasores, pues estas categorías no están bien definidas en los datos de las administraciones tributarias.

Dado que no es posible identificar en principio qué contribuyentes son o no evasores, en el proyecto de detección de evasión de restaurantes se implementó un método de aprendizaje no supervisado conocido como “k-means”. La idea de este algoritmo es utilizar múltiples variables de los datos, para así generar grupos de observaciones que son similares entre sí. Para definir las categorías en el proyecto de restaurantes, las variables que se utilizaron son aquellas que afectan directamente los impuestos que las empresas deben pagar tales como el IGV, el ISR corporativo, y los diferentes tipos de impuestos a la nómina. Por esta razón, se utilizaron variables como volumen de ventas, compras, número de empleados y número de facturas emitidas, entre otros.

Como resultado, se detectaron cinco categorías de restaurantes, de las cuales el grupo 4, que corresponde a restaurantes de bajo costo (ver Gráfico 2), presentaba un perfil elevado de riesgo de evasión: por cada venta realizada en este grupo se encontraron hasta más de dos transacciones de tarjeta de crédito, lo que sugiere que no están registrando todas las ventas reales que realizan.

Esto permitió a la SUNAT concentrar los esfuerzos de fiscalización en este grupo de restaurantes.

Porcentaje de pagos con tarjeta realizados por los grupos generados por “k-vecinos más cercanos”. Los grupos corresponden a los cinco diferentes grupos generados por el algoritmo de “k-vecinos más cercanos”. Se presenta los pagos con tarjeta de crédito como porcentaje del número de ventas registradas (mediana y percentiles 25 y 75). Fuente: SUNAT

 

Detectando gastos no deducibles de las empresas en Perú

Las empresas que cuentan con volúmenes de ventas anuales mayores a 1,700 Unidades Impositivas Tributarias (UIT)[4] están obligadas a pagar impuestos de renta corporativa equivalentes al 29.5% de sus beneficios.

Los gastos que las empresas deben reportar son únicamente aquellos que se relacionan directamente con la actividad económica. Evidentemente, las firmas tendrán incentivos a reportar más gastos de los que en realidad tienen, pues esto reduce la base sobre la cual pagan el impuesto. Por esta razón, es común que las empresas deduzcan gastos familiares, de restaurantes, o recreacionales para disminuir los impuestos de renta que deben pagar.

El proyecto de gastos no deducibles de la oficina de ciencia de datos en Perú tiene como objetivo identificar los gastos no relacionados con el giro del negocio. Para esto, se utilizó la información disponible en el comprobante de pago electrónico, más conocido como factura electrónica. Este sistema de comprobante electrónico le permite a la SUNAT contar con una gran cantidad de información sobre todas las ventas formales realizadas por los contribuyentes en Perú. Por ejemplo, se puede identificar con precisión entre qué entidades se realizó la transacción, el día, la hora, y detalles relacionados con el tipo de producto o servicio que se transó.

El proyecto de detección de gastos no deducibles realizó un análisis del texto de las facturas emitidas en el mes de mayo de 2018 para identificar patrones relacionados con gastos familiares tales como cines, restaurantes o recreación, así como la hora de la transacción. Una factura que se emite un domingo en la noche, en el rubro correspondiente a cine, para una empresa que opera únicamente de lunes a viernes, tiene un perfil de riesgo más alto que una factura que se emite en horarios laborales. De esta forma, esta metodología permitió identificar un monto equivalente a US$60 millones en evasión correspondientes a gastos no deducibles únicamente para mayo de 2018.

 

Big data contra la evasión: lecciones para el futuro

A raíz del desarrollo del equipo de ciencia de datos para combatir la evasión en la administración tributaria del Perú se generan ciertas lecciones que se pueden tener en cuenta para el desarrollo de estrategias similares en otras administraciones tributarias.

  • La gran cantidad de información existente por parte de instituciones gubernamentales es una gran herramienta para el desarrollo de políticas públicas. Esto es particularmente relevante para el caso de la lucha contra la evasión en América Latina. Sin embargo, es importante tener en cuenta que la ciencia de datos por sí sola no es la solución a todos los problemas, y en muchos casos no será una opción viable para implementar. Se debe tener siempre presente cual es el objetivo, el problema, y los datos disponibles para solucionar el reto determinado.

 

  • Otra lección importante es que se debe contar con el constante acompañamiento de expertos en el tema específico de la política pública en la que se está trabajando. No solo expertos en ciencia de datos sino personas con gran conocimiento de políticas públicas para identificar específicamente el problema y la viabilidad de las soluciones brindadas. Los proyectos de ciencia de datos de la SUNAT no hubieran sido posibles sin la constante asesoría de expertos en administración tributaria que fue brindada a los científicos de datos de esta entidad.

 

  • Quizás el aprendizaje más importante está relacionado con el componente organizacional de las administraciones tributarias. Las oficinas de ciencias de datos no son parte de la estructura organizacional tradicional de una administración tributaria. Debido a esta novedad, se debe desarrollar una metodología clara de trabajo en la que se especifique debidamente cómo este departamento interactúa con las diferentes áreas de la administración tributaria y que permita identificar con claridad los problemas prioritarios en los que se deben concentrar los esfuerzos de esta oficina.
big data
Grupo inicial de científicos de datos de la SUNAT: Richard Fernández, Sthip Blas, Gusseppe Bravo, Virgilio Cachay, Lourdes Galarza, Juan Reyes, Luis Chacón y César Giglio.

 

Esta entrada fue redactada por Rodrigo Azuero, José Larios y Agnes Rojas.

 

[1] Marco Macroeconómico Multianual-MMM 2018-2021.

[2] El IGV y el ISR representan el 52% y el 35% de la recaudación, respectivamente.

[3] Nombre que recibe el Impuesto al Valor Agregado en Perú.

[4] Una UIT equivale a US$1,260 aproximadamente.


Archivado bajo:Administración Financiera y Tributaria Etiquetado con:administración tributaria, Big Data, ciencia de datos, evasión tributaria, Gestión fiscal digital, impuestos, machine learning, Perú, SUNAT

José Larios

José I. Larios es Especialista Fiscal Líder de la División de Gestión Fiscal del BID. Cuenta con más de 20 años de experiencia en temas de reforma fiscal, descentralización fiscal y finanzas municipales. Ha participado en proyectos de reforma y modernización fiscal, descentralización fiscal, finanzas municipales e introducción de soluciones tecnológicas en la gestión de finanzas públicas. Antes de unirse al BID participo y lideró equipos que modernizaron los Ministerios de Hacienda en Guatemala, El Salvador, Moldova, Kosovo, y de las Municipalidades de San Salvador, El Salvador, Municipalidades del Estado de California, Albania, Macedonia, entre otros. Es economista por la Universidad de California, Berkeley, e hizo estudios de Maestría en Economía Aplicada en San Francisco State University y de Administración Publica en la Kennedy School of Government de la Universidad de Harvard.

Rodrigo Azuero

Rodrigo Azuero Melo es Especialista de la División de la división de Gestión Fiscal del BID. Sus campos de investigación son la microeconomía aplicada, la economía laboral y la micreoeconometría. Trabajó en el Centro de Estudios sobre Desarrollo Económico de la Universidad de los Andes, el Penn Institute of Economic Research en la Universidad de Pennsylvania y en el Sector Social del BID. Es autor de artículos de investigación que han circulado, entre otros, en el Journal of Human Resources y también ha desarrollado rutinas de programación de ciencia de datos en programas como R y Python. Cuenta con un título de pregrado y maestría en economía de la Universidad de los Andes y un PhD en economía de la Universidad de Pennsylvania.

Agnes Rojas

Agnes es consultora senior en temas de reforma fiscal de la División de Gestión Fiscal del BID. Cuenta con más de 12 años de experiencia apoyando y liderando actividades relacionadas al fortalecimiento de la gestión pública, y actualmente trabaja en el diseño de préstamos de inversión y de políticas, así como de programas de cooperación técnica, para la implementación de reformas de política y administración tributaria, macrofiscales, de inversión pública y descentralización en países de América Latina y el Caribe.

Reader Interactions

Leave a Reply Cancel reply

Your email address will not be published. Required fields are marked *

Primary Sidebar

Siguenos

Subscribe

RECAUDANDO BIENESTAR

Bienvenidos al blog de la División de Gestión Fiscal del BID. Este es un punto de encuentro para conversar sobre la política y la gestión fiscal nacional y subnacional de América Latina y el Caribe. ¡Hablemos!

Buscar

Entradas Recientes

  • Factura electrónica: la innovación latinoamericana de alcance global
  • Revelando la verdad: cómo el cumplimiento de las reglas fiscales impulsa la inversión en América Latina
  • Evaluaciones de impacto del Programa Profisco demuestran el poder de la transformación digital para combatir el fraude y la evasión fiscal
  • Lecciones para una inversión pública eficiente
  • Tres claves para fortalecer la efectividad de los incentivos tributarios en América Latina y el Caribe

Categorías

  • Administración Financiera y Tributaria
  • Asociaciones Público-Privadas
  • Compras Públicas
  • Descentralización
  • Gasto Público
  • Gestión Financiera Pública
  • Gestión Fiscal
  • Impuestos
  • Marco Regulatorio
  • Política Fiscal

Footer

Banco Interamericano de Desarrollo
facebook
twitter
youtube
youtube
youtube

Blogs escritos por empleados del BID:

Copyright © Banco Interamericano de Desarrollo ("BID"). Este trabajo está disponible bajo los términos de una licencia Creative Commons IGO 3.0 Reconocimiento-No comercial-Sin Obras Derivadas. (CC-IGO 3.0 BY-NC-ND) y pueden reproducirse con la debida atribución al BID y para cualquier uso no comercial. No se permite ningún trabajo derivado. Cualquier disputa relacionada con el uso de las obras del BID que no se pueda resolver de manera amistosa se someterá a arbitraje de conformidad con el reglamento de la CNUDMI. El uso del nombre del BID para cualquier otro propósito que no sea la atribución, y el uso del logotipo del BID estarán sujetos a un acuerdo de licencia escrito por separado entre el BID y el usuario y no está autorizado como parte de esta licencia CC-IGO. Tenga en cuenta que el enlace proporcionado anteriormente incluye términos y condiciones adicionales de la licencia.


Blogs escritos por autores externos:

Para preguntas relacionadas con los derechos de autor para autores que no son empleados del BID, por favor complete el formulario de contacto de este blog.

Las opiniones expresadas en este blog son las de los autores y no necesariamente reflejan las opiniones del BID, su Directorio Ejecutivo o los países que representan.

Atribución: además de otorgar la atribución al respectivo autor y propietario de los derechos de autor, según proceda, le agradeceríamos que incluyera un enlace que remita al sitio web de los blogs del BID.



Política de privacidad

Copyright © 2025 · Magazine Pro on Genesis Framework · WordPress · Log in

Banco Interamericano de Desarrollo

Aviso Legal

Las opiniones expresadas en estos blogs son las de los autores y no necesariamente reflejan las opiniones del Banco Interamericano de Desarrollo, sus directivas, la Asamblea de Gobernadores o sus países miembros.

facebook
twitter
youtube
En este sitio web se utilizan cookies para optimizar la funcionalidad y brindar la mejor experiencia posible. Si continúa visitando otras páginas, se instalarán cookies en su navegador.
Para obtener más información al respecto, haga clic aquí.
x
Manage consent

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary
Always Enabled
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SAVE & ACCEPT