MX2010007291A - Sistema de evaluacion de declaracion de impuestos. - Google Patents
Sistema de evaluacion de declaracion de impuestos.Info
- Publication number
- MX2010007291A MX2010007291A MX2010007291A MX2010007291A MX2010007291A MX 2010007291 A MX2010007291 A MX 2010007291A MX 2010007291 A MX2010007291 A MX 2010007291A MX 2010007291 A MX2010007291 A MX 2010007291A MX 2010007291 A MX2010007291 A MX 2010007291A
- Authority
- MX
- Mexico
- Prior art keywords
- tax
- declaration
- factors
- trend
- data
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/123—Tax preparation or submission
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Technology Law (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Se reciben las declaraciones de impuestos de una o más agencias tributarias. Cada declaración de impuestos se compara con un perfil almacenado, y se hace una determinación sobre si cada declaración de impuestos cae dentro de una tendencia. Se genera una evaluación de la declaración de impuestos con base en la comparación y en la determinación sobre si la declaración de impuestos cae dentro de la tendencia. La evaluación incluye una indicación de las declaraciones de impuestos potenciales para ser una declaración de impuestos fraudulenta.
Description
SISTEMA DE EVALUACION DE DECLARACION DE IMPUEST
Antecedentes de la Invención
Las declaraciones de impuestos se present s fuentes, incluyendo a través de un programa f al de presentación electrónica, directamente d ibuyentes a través del software de prepara raciones o las declaraciones con base en p ntación masiva de los especialistas en declara vendedores de entrada de datos. La agencia tr namental que maneja las presentaciones, tal cio Interno de Ingresos (IRS, por sus siglas en s departamentos estatales de ingresos, típ sa la información de las declaraciones de impues declarante en su base de datos interna, y ento ores humanos ueden revisar los datos ara ide
2
endientes de cada agencia estatal no son ca ificar que se están solicitando devoluciones ' número de seguro social para múltiples entes, y pueden ser incapaces de conecta uiera de las bases de datos que almacenan inf el fallecido. Además, este tipo de fraude rarse mediante el procedimiento de a cional, si no se activa ninguno de los indicado lo, si cada una de las declaraciones fraudulen mando una devolución módica, por ejemplo, $1, , ' las declaraciones pueden caer bajo un um a un indicador para una auditoría, y pueden pag luc Iiones .
Breve Descripción de las Figuras
Se describirán las modalidades de la inve ile en la si uiente descri ción con referenci
rmidad con una modalidad.
Descripción Detallada de la Invención
Para simplicidad y propósitos
iben los principios de las modalidades a eñcia principalmente a los ejemplos de las misma ente descripción, se indican numerosos íficos con el fin de proporcionar un enten eto de las modalidades. Sin embargo, será eviden experto en la técnica, que las modalidades icarse sin limitación a estos detalles específ os casos, los métodos y las estructuras bien c han descrito en detalle para no opacar innecesa odalidades .
1. Revisión
I
De conformidad con una modalidad, un si ación de declaración de im uestos identifica u
ran con perfiles e información de múltiples fu para identificar las declaraciones potenc ulentas. Los perfiles son comunes en cuanto a qu se y proporcionarse por agencias tributarias ades que solicitan la evaluación mediante el si aeión de declaración de impuestos. Para sus p agencia tributaria puede elegir los campos de valores para los campos de datos, que pue les, que se consideran indicadores para raciones fraudulentas. Los campos de datos iles se denominan como factores. Además, una tener más de un perfil para detectar diferent raude o declaraciones incorrectas.
En una modalidad, el sistema de evalu aración de impuestos es un sistema central ctado a las fuentes de datos está confi ur
menes, una base de datos de avalúos catast ialistas en declaraciones y declarantes fraud idos. El sistema de devolución de impuestos re uciones de impuestos de las agencias tribut iza los perfiles comunes y la información de las datos para la detección de fraude. El sis ación de declaración de impuestos puede util itéctura orientada a servicio, y puede proporcio orma de una aplicación con base web soportada me ema de manejo de base de datos relacional. lidades, parte o toda la funcionalidad del si uación de devolución de impuestos puede propo parte de un sistema para una agencia t icular, tal como incorporada con el régimen fisc
IRS, o incorporada en un régimen fiscal est cia tributaria uede ser una a encia ube
ráciones de múltiples estados y el IRS.
I
También, puede aplicarse una función de pu
I
calificar cada declaración de impuestos con bas
ración con uno o más perfiles, que pueden
les comunes proporcionados por la agencia trib
perfiles de análisis de tendencia. Se gen
aóión para cada declaración y se utiliza para de
a I declaración es fraudulenta. También, el aná
ncia puede impactar la puntuación si se ha
minación de que la declaración cae dentro
I
ncia de declaraciones potencialmente fraudulenta
: 2. Diagrama de Sistema
La Figura 1 ilustra un sistema de evalú
ración de impuestos 100, de conformidad
Üdad. El sistema de evaluación de declara
stos 100 inclu e una com utadora fiscal 110 una
luar. Las agencias tributarias 101a-101n pueden ías tributarias estatales, y/o el IRS. El si ación de declaración de impuestos 100 tambi tado a las fuentes de datos 102a-102f. E es de datos que proporcionan información qu zarse para evaluar declaraciones de impues e. Las fuentes de datos 102a- 102f pueden ser fu públicamente disponibles, fuentes de datos pr es de datos gubernamentales.
El sistema de evaluación de declara stos 100 recibe declaraciones de impuestos ías tributarias 101a-101n. Por ejemplo, las tárias 101a-101n recolectan las declaraci stos de sus contribuyentes y envían las declarac ma de evaluación de declaración de impuestos raciones de im uestos ueden enviarse en tra
ados con campos de datos en una declara stos. Los ejemplos de los factores y los campos el número de seguro social, la identificac ibuyente, la dirección, cualquier información b entificación/el nombre/la dirección del especia raciones, la cantidad de la devolución, el dad de retención; si el declarante es un de erto, si la dirección está fuera del estado o no contiguo, si las devoluciones se sol amente por el declarante, y por cuánto, etc.
Los factores tienen valores asociados en el valores pueden ser valores para los factor lo, un perfil puede desear evaluar a declarant estado, no contiguo, que solicitan devolucion 0.00 y $3,000.00. El intervalo entre $1,5 0.00 son valores para el factor de cant
$1, 500.00 y $3,000.00 para la cantidad de devol ontiguo y fuera del estado para la dirección, es de una declaración de impuestos coinciden es en el perfil, entonces se genera una evaluaci ración por fraude. Un ejemplo de una coincidenc eclaración de impuestos incluye un valor de de cantidad de devolución de $2000.00, debid en el intervalo entre $1,500.00 y $3,000.00 espe el factor de cantidad de devolución en el pe de datos de una declaración de impuestos que se un factor en un perfil para coincidencia, se un campo de datos correspondiente para el ién, si un valor de un campo de datos corresp sface el valor de su factor, tal como el ejemplo alof del campo de datos cae dentro del intervalo r el factor el cam o de datos corres ond
puestos y la información de las fuentes de dat impactan la evaluación de la declaración de ir jemplo, si la fuente de datos 102a incluye los eguro social para individuos fallecidos, y el n o social para la declaración de impuestos coin úmero de seguro social de la fuente de dat ees la declaración de impuestos puede marcar ulenta. En otro ejemplo, la fuente de datos 102b mación para gente previamente condenada por fra idencia entre la fuente de datos 102b y una dec mpuestos impacta la evaluación para indicar u ilidad de fraude.
También se detectan las tendencias al util iles. En un ejemplo, se identifica una tend iples valores para los factores en el perfil c los valores en los cam os de datos en una declar
ilidad de fraude. La evaluación no necesariament esta de "sí" o "no" sobre si la declaración de i raudulenta, y puede indicar el grado de posibi e . En una modalidad, se utiliza la puntuaci minar la evaluación de la declaración de imp indicar el grado de posibilidad de fraude. Se ge ación mediante el sistema de evaluación de dec estos que indica la posibilidad de que la declar estos sea un fraude. En un ejemplo, la puntuac e 1 y 100, en donde 100 es la mayor posibi de. Alternativamente pueden utilizarse otros i untuación. Se utiliza un multiplicador de tenden iar la puntuación si se detecta una tendenci erios también impactan la puntuación. Se descr plos de la puntuación en más detalle a continuaci
Como se describe anteriormente, el sis
utilizar los perfiles. Además, los perfiles
izarse para identificar las declaraciones de i
auditoría. Por ejemplo, si una declaración de i
cide con múltiples factores en un perfil, se
aráción de impuestos para auditoría adicional me
ciá tributaria.
I
En una modalidad, el sistema de evalú
I
aráción de impuestos 100 es un servicio al que s
avés de Internet. Por ejemplo, cada una de las
itarías 101a- 101? carga las declaraciones de imp
emá de evaluación de declaración de impuesto
es de una interfaz de red, y las declarac
I
estos se almacenan en la base de datos de decla
estos 112. El sistema de evaluación de declar
estos 100 evalúa cada declaración y en
uaciones a las a encias tributarias 101a- 101?
Debido a los problemas de sensibilidad d agencias tributarias 101a- 101? pueden no env ráciones de impuestos completas. Por ejemplo, ecibir y almacenar las declaraciones de i etas, el sistema de evaluación de declara stos 100 solamente puede recibir artículos términados para cada declaración, y almacenar ulos de línea en la base de datos de declar stos 112. Estos artículos de línea entonces se uno o más perfiles almacenados para evalú ración .
' En otra modalidad, el sistema de evalú ración de impuestos 100 está incorporado en un mputadora fiscal local de la agencia tributaria, lidad, el sistema de evaluación de declara stos 100 uede no tener el beneficio de acced
idad del sistema de evaluación de declara stos central mantenga la confidencialidad y cons de diferentes jurisdicciones separados, c ario. Además, en la modalidad en donde el si ación de declaración de impuestos 100 opera ma remoto, central, la comunicación segura e ma de evaluación de declaración de impuestos 1 ías tributarias 101a-101n y las fuentes de dat , como sea necesario, pueden proporcionarse a t icas convencionales, tal como Capa de Conexiones , por sus siglas en inglés) - 3. Ejemplos de Puntuación
El sistema de evaluación de declara stos 100 es: operable para generar una evaluac declaración de impuestos que indica una posibi de . En una modalidad se utiliza la untuac
idencias. La evaluación de una declaración de i ser un reporte que incluye una puntuación y mación coincidente pertinente.
En un ejemplo, supongamos que la agencia tr desea identificar los esquemas de fraude rantes fuera del estado. La agencia tributa un perfil 200 al sistema de evaluación de dec mpuestos 100. El perfil 200 incluye los si res y los valores asociados mostrados en la Tabl
Tabla 1 para el Perfil 200
Factor Valor
dirección fuera del estado, no contig cantidad de $1, 500.00-$3, 000.00 devolución
ecialista en Es ecialistas en declaraciones
a una puntuación de 10 si la dirección en la dec mpuestos está fuera del estado, pero está en u guo. Si la dirección está fuera del estado pe o no contiguo, el perfil puede especifi tancia superior. Por ejemplo, se otorga una pu 30 si ambos valores coinciden. Si la cant lución en la declaración de impuestos cae de valo de $1 , 500.00-$3 , 000.00 , entonces se ot ación de 25 para ese factor con base en la imp ada para ese factor. A medida que se evalúan araciones de impuestos, el sistema de evalú aración de impuestos 100 es capaz de identific cialistas en declaraciones que present araciones de impuestos que coinciden con los fac cción y de cantidad de reembolso. Si la declar estos ue se está evaluando tiene uno d
ración. El multiplicador de tendencias una cant ltiplica por una puntuación para explicar una t ificada. El perfil puede especificar el multipli ncía . El multiplicador de tendencia puede aplica ación acumulada para determinar la puntuación fi plo, se identifica una tendencia para una declar stos sin múltiples campos de datos coinciden res en el perfil. Si la declaración de impuest dirección que está fuera del estado y tiene una devolución de $1,500.00, entonces la declara estos tiene múltiples coincidencias. Si el multi endencia es 1.3, entonces 1.3 se multiplica uación acumulada de 35 para determinar la p l de 45.5. En otros ejemplos, el multiplic encia puede aplicarse solamente a las puntuaci ara los factores coincidentes. También la t
atos 102a incluye los números de seguro soci iduos fallecidos, y el número de seguro socia ración de impuestos coincide con un número d l de la fuente de datos 102a, entonces puede oto eclaración de impuestos con una puntuación má ejemplo, el sistema de evaluación de declar stíos 100 puede recopilar la informació raciones fraudulentas y utilizar la informac ar perfiles. Las puntuaciones para las declarac stos que coinciden con estos perfiles aumentan lizarse los perfiles con base en detectar mas de fraude y otras declaraciones de i rrectas. De esa forma, el sistema de evalua aración de impuesto 100 permite la evaluación din declaraciones de impuestos que permite que se mo factores la im ortancia de los factores,
zarse en órdenes diferentes a los mostrados.
En el paso 201, se reciben los perfiles ias tributarias 101a-101n y se almacenan en la de perfiles 111.
En el paso 202, se recibe una declara stos de una agencia tributaria, tal como la tária 101a. En lugar de recibir una declara stos completa, se recibe una pluralidad de artí (es decir, campos de datos) de la declara stos. La declaración de impuestos puede propor trabajo en serie con varias otras declaració o real ya que se recibe mediante la agencia trib
En el paso 203, se identifica un perfil ia tributaria 101a. Por ejemplo, se recupera u la agencia tributaria 101a desde la base de iles 111. Una a encia tributaria uede tener m
ces se marca la declaración de impuestos como a fraudulenta en el paso 205. Si es así, entonc
206, se genera una evaluación de la declar stos que incluye o un estimado de la posibilida claración de impuestos sea fraudulenta y se bas res coincidentes. Este estimado puede ser una ev media que se modifica antes de que se deter ación final. Por ejemplo, se determina una pu cada factor coincidente. También, pueden utiliz tancias para los factores, para determi aciones. Las puntuaciones para los facto aciones intermedias para la declaración de impue
En el paso 207, el sistema de evalua aracion de impuestos 100: determina si una declar stos cae dentro de una tendencia con base aración de la declaración de im uestos con los
los perfiles coinciden, dependiendo de cómo s ndencia .
En el paso 208, si la declaración de impue o de la tendencia, entonces se modifican un aciones determinadas en el paso 206 para t deración la tendencia. Por ejemplo, se úti plicador de tendencia para modificar una pu lada calculada a partir de las puntuaciones p r coincidente.
En el paso 209, el sistema de evalua ración de impuesto 100 determina si la inform o más de las fuentes de datos 102a-102f coincid ración de impuestos. Si es así, entonces, en la evaluación de la declaración de impuestos, terminó por los pasos previos, se modifica para ideración la coincidencia. Esto uede incluir aum
ación de declaración de impuestos 100 recop res que son comunes para aquellos perfiles, para erfil de tendencia. Si la declaración de impue o del perfil de tendencia, entonces, en el paso ación de la declaración de impuestos, tal minó por los pasos previos, se modifica para ideración la tendencia. Esto puede incluir úti iplicador de tendencia u otro valor predetermin ficar la puntuación.
En el paso 213, se determina una evaluació puede incluir una puntuación determinada con bas s previos. En el paso 214, la evaluación final se . agencia tributaria 101a, y puede incluir la p i y cualquier información coincidente pertinente.
Los pasos del método 200 se repiten para declaración. Se debe notar ue en al unas mod
ración de impuestos cae dentro de un pe ncía. El sistema de evaluación de declara stos 100 puede generar el perfil de tendencia a información de declaraciones previas que se c uy probablemente serán fraudulentas.
En el paso 301, el sistema de evalua ración de impuestos 100 identifica declaraci stos que muy probablemente serán fraudulent e incluir declaraciones de impuestos que ti ación mayor que un umbral. Pueden identific araciones de impuestos de múltiples agencias trib
En el paso 302, se determinan los campos es de las declaraciones de impuestos identifica 301. En el paso 303, se determina un perfil de t os campos de datos comunes. Por ejemplo, el si uación de declaración de im uestos 100 deter
'¦ En el paso 304, se almacena el perfil de t base de datos de perfiles 111. Un perfil de t ;ser aplicable para declaraciones particular ío, puede recopilarse un perfil de tende
I
ráciones de impuestos de una región particular, stiados en el noreste, y el perfil de tendencia s lica a las declaraciones de impuestos de esa reg
I
5. Diagrama de Computadora y Medio Leg
tadora
La Figura 4 muestra un sistema de computa puede utilizarse con las modalidades aquí descr
I
ma de computadora 400 representa una plataforma incluye los componentes que pueden estar en un se tro sistema de computadora. El sistema de computa e utilizarse como una plataforma para el si ación de declaración de im uestos 100 la co
uación ele declaración de impuestos 100 puede ervidor de aplicación y un servidor de base d ién, el sistema de evaluación de declara estos 100 puede incluir un servidor de red qu solicitudes de las agencias tributarias 1 evaluar las declaraciones de impuestos.
El sistema de computadora 400 incluye u esadores 402, que pueden implementar o ejec rucciones de software que realizan algunos métodos, las funciones y los otros pas ritos. Los comandos y los datos del procesado nican en un conductor común de comunicación ema de computadora 400 también incluye una cipal 406, tal como una Memoria de Acceso A , por sus siglas en inglés) , en donde el so datos para el procesador 402 pueden residir
red. Será evidente para un experto en la téc
en agregarse o sustituirse otros com i
trónicos conocidos en el sistema de computador
Una o más de los pasos de los métod
ritos y otros pasos aquí descritos y uno o má
onentes de los sistemas aquí descritos
ementarse como un código de computadora almac
edio legible por computadora, tal como la mem
I
I
lmácenamiento secundario, y ejecutarse en un
omputadora, por ejemplo, mediante un procesa
ito Integrado de Aplicación Específica (AS
siglas en inglés), u otro controlador. El
e existir como programa (s) de software comp i
ns rucciones de programa en código de fuente,
objeto, código ejecutable u otros format
ios del medio le ible or com utadora incl
modalidades reclamadas. Además, las modalidad itas pueden utilizarse en combinación una con
Se hace constar que con relación a esta jor método conocido por la solicitante para 1 ráctica la citada invención, es el que result presente descripción de la invención.
I
Claims (1)
- REIVINDICACIONES Habiéndose descrito la invención como ante ma como propiedad lo contenido en las si ndicaciones : 1. - Un medio de almacenamiento legi tadora que incluye el código de computadora que jecuta mediante un procesador, realiza un mét ar una declaración de impuestos, caracterizad rende : almacenar los perfiles de al menos una taria, cada perfil incluye uno o más facto ar las declaraciones de impuestos; recibir una pluralidad de campos de dato aracion de impuestos de al menos una agencia trib comparar la pluralidad de campos de dato terizado porque cada uno de los factores en los ifica un campo de datos en la declaración de i ida que se considera relevante para un objeti ación. 3. - El medio de almacenamiento legi tadora de conformidad con la reivindica terizado porque el objetivo es identifi raciones de impuestos fraudulentas o la inf ea en las declaraciones de impuestos. 4. - El medio de almacenamiento legi tadora de conformidad con la reivindica eterizado porque comparar la pluralidad de c S de la declaración de impuestos con al menos u cenado además comprende: comparar los factores al menos en un cenado con los campos de datos correspondiente I i 30 o más fuentes de datos diferentes a la taria, en donde la información es indicativa racion de impuestos fraudulenta. 6. - El medio de almacenamiento legi tádora de conformidad con la reivindicac terizado porque comparar la pluralidad de ca de la declaración de impuestos al menos con u enado además comprende : identificar los campos de datos de la plura s ; de datos de la declaración de impues sponden con los factores al menos en un eriado; comparar los valores para los factores al erfil almacenado con los valores en los campos espondientes en la declaración de impuestos; y determinar un alcance para cada uno de lo i raciones; y si una pluralidad de los campos d spondientes en la declaración de impuestos es in una declaración de impuestos fraudulenta, minar un multiplicador de puntuación de tendenci 1 8. - El medio de almacenamiento legi tádora de conformidad con la reivindica terizado porque generar una evaluación de la dec puestos además comprende : determinar una puntuación final para la dec mpuestos de las puntuaciones para los campos spondientes y el multiplicador de puntua encia si la declaración de impuestos cae dent encia; y reportar la puntuación final a la age orciona la declaración de impuestos. tádora de conformidad con la reivindica terizado porque determinar un multiplica ación de tendencia además comprende: determinar un multiplicador de puntua ncias si todos los factores al menos en u I iden con los campos de datos correspondiente ración de impuestos. 11.- El medio legible por computad ormidad con la reivindicación 1, caracterizad ás 1 comprende : i determinar un perfil de tendencia al ide factores de las declaraciones de impuestos déte ser muy probablemente fraudulentas; y almacenar el perfil de tendencia, en il de tenencia incluye los factores de las decí impuestos determinadas por ser muy prob una base de datos que almacena los perfile lidad de agencias, cada perfil incluye uno res para evaluar las declaraciones de impuestos; un sistema de computadora configurado para pluralidad de campos de datos de cada una lidad de declaraciones de impuestos con un enado y está configurado para determinar raciones de impuestos caen dentro de una tende el sistema de computadora además está configur ar una evaluación de cada declaración de i ida con base en una comparación de la plura s de datos en cada declaración de impues sponde a los factores en el perfil almacenado y a determinación sobre si cada declaración de i entro de la tendencia. 14. - El sistema de evaluación de declar ativa de una posibilidad de fraude para cada dec puestos . 16. - El sistema de evaluación de declara stos de conformidad con la reivindicaci terizado porque la puntuación se calcula al de puntuación para cada factor en el perfil almacé en un valor para el campo de datos correspondien inar las puntuaciones para determinar la evaluac cláración de impuestos. 17. - El sistema de evaluación de declar stos de conformidad con la reivindicaci eterizado porque la evaluación además se dete izar un multiplicador de puntuación de tendenc aración de impuestos cae dentro de la tendencia. 18. - El sistema de evaluación de declar estos de conformidad con la reivindicac lidad de agencias de impuestos, y las fuentes rcionan información para determinar la evalú declaración de impuestos. 20.- Un método para evaluar las declarac stos, caracterizado porque comprende: almacenar los perfiles de al menos una taria en un dispositivo de almacenamiento de dat il incluye uno o más factores para eval raciones de impuestos; recibir una pluralidad de campos de datos aración de impuestos de al menos una agencia trib comparar la pluralidad de campos de dato aración de impuestos con al menos un perfil al orcionado por al menos una agencia tributaria il de tendencia; y comparar al menos uno de la pluralidad de c
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US12/494,966 US8140413B2 (en) | 2009-06-30 | 2009-06-30 | Tax return evaluation system |
Publications (1)
Publication Number | Publication Date |
---|---|
MX2010007291A true MX2010007291A (es) | 2011-01-05 |
Family
ID=43381787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
MX2010007291A MX2010007291A (es) | 2009-06-30 | 2010-06-30 | Sistema de evaluacion de declaracion de impuestos. |
Country Status (6)
Country | Link |
---|---|
US (2) | US8140413B2 (es) |
CN (1) | CN101937551A (es) |
AU (1) | AU2010202713B2 (es) |
CA (1) | CA2708683C (es) |
MX (1) | MX2010007291A (es) |
ZA (1) | ZA201004582B (es) |
Families Citing this family (45)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8682755B2 (en) * | 2012-07-03 | 2014-03-25 | Lexisnexis Risk Solutions Fl Inc. | Systems and methods for detecting tax refund fraud |
US8190499B1 (en) | 2009-08-21 | 2012-05-29 | Intuit Inc. | Methods systems and articles of manufacture for collecting data for future electronic tax return |
US9672544B2 (en) * | 2009-09-29 | 2017-06-06 | Alexander KLEYMAN | Method and system for providing accounting services |
US9652802B1 (en) | 2010-03-24 | 2017-05-16 | Consumerinfo.Com, Inc. | Indirect monitoring and reporting of a user's credit data |
US8583517B1 (en) | 2010-04-30 | 2013-11-12 | Intuit Inc. | Systems and methods for generating and sending electronic messages related to a tax return |
US20120030080A1 (en) * | 2010-07-29 | 2012-02-02 | Accenture Global Services Gmbh | Systemic Risk Monitoring System And Method For Revenue Agencies |
EP2676197B1 (en) | 2011-02-18 | 2018-11-28 | CSidentity Corporation | System and methods for identifying compromised personally identifiable information on the internet |
US11030562B1 (en) | 2011-10-31 | 2021-06-08 | Consumerinfo.Com, Inc. | Pre-data breach monitoring |
US8706581B2 (en) * | 2012-03-13 | 2014-04-22 | Traci Renee Williams | Software and methods to manage a tax preparation company |
US10089686B2 (en) | 2012-07-03 | 2018-10-02 | Lexisnexis Risk Solutions Fl Inc. | Systems and methods for increasing efficiency in the detection of identity-based fraud indicators |
US10043213B2 (en) * | 2012-07-03 | 2018-08-07 | Lexisnexis Risk Solutions Fl Inc. | Systems and methods for improving computation efficiency in the detection of fraud indicators for loans with multiple applicants |
US20140058910A1 (en) * | 2012-08-21 | 2014-02-27 | Gary E. Abeles | Method for detecting identity misrepresentation in fraudulent tax returns |
US8812387B1 (en) | 2013-03-14 | 2014-08-19 | Csidentity Corporation | System and method for identifying related credit inquiries |
US20150142624A1 (en) * | 2013-11-21 | 2015-05-21 | Hrb Innovations, Inc. | Advance notice and analysis of notice documents from a taxing authority |
US20160063644A1 (en) * | 2014-08-29 | 2016-03-03 | Hrb Innovations, Inc. | Computer program, method, and system for detecting fraudulently filed tax returns |
US11354755B2 (en) | 2014-09-11 | 2022-06-07 | Intuit Inc. | Methods systems and articles of manufacture for using a predictive model to determine tax topics which are relevant to a taxpayer in preparing an electronic tax return |
US10339527B1 (en) * | 2014-10-31 | 2019-07-02 | Experian Information Solutions, Inc. | System and architecture for electronic fraud detection |
US10255641B1 (en) | 2014-10-31 | 2019-04-09 | Intuit Inc. | Predictive model based identification of potential errors in electronic tax return |
US11216901B2 (en) * | 2014-12-19 | 2022-01-04 | Hrb Innovations, Inc. | Contextual authentication system |
US10628894B1 (en) | 2015-01-28 | 2020-04-21 | Intuit Inc. | Method and system for providing personalized responses to questions received from a user of an electronic tax return preparation system |
US10176534B1 (en) | 2015-04-20 | 2019-01-08 | Intuit Inc. | Method and system for providing an analytics model architecture to reduce abandonment of tax return preparation sessions by potential customers |
US10740853B1 (en) | 2015-04-28 | 2020-08-11 | Intuit Inc. | Systems for allocating resources based on electronic tax return preparation program user characteristics |
US11151468B1 (en) | 2015-07-02 | 2021-10-19 | Experian Information Solutions, Inc. | Behavior analysis using distributed representations of event data |
US10482542B1 (en) * | 2015-10-23 | 2019-11-19 | Hrb Innovations, Inc. | Tax fraud detection through linked relationships |
US10373140B1 (en) | 2015-10-26 | 2019-08-06 | Intuit Inc. | Method and system for detecting fraudulent bill payment transactions using dynamic multi-parameter predictive modeling |
US10740854B1 (en) | 2015-10-28 | 2020-08-11 | Intuit Inc. | Web browsing and machine learning systems for acquiring tax data during electronic tax return preparation |
US10937109B1 (en) | 2016-01-08 | 2021-03-02 | Intuit Inc. | Method and technique to calculate and provide confidence score for predicted tax due/refund |
US20170270526A1 (en) * | 2016-03-15 | 2017-09-21 | Hrb Innovations, Inc. | Machine learning for fraud detection |
US10410295B1 (en) | 2016-05-25 | 2019-09-10 | Intuit Inc. | Methods, systems and computer program products for obtaining tax data |
US10083452B1 (en) | 2016-06-21 | 2018-09-25 | Intuit Inc. | Method and system for identifying potentially fraudulent bill and invoice payments |
US20180033006A1 (en) * | 2016-07-27 | 2018-02-01 | Intuit Inc. | Method and system for identifying and addressing potential fictitious business entity-based fraud |
CN106934711A (zh) * | 2017-03-10 | 2017-07-07 | 山东浪潮商用系统有限公司 | 离境退税的处理方法、系统及客户端 |
US11087334B1 (en) | 2017-04-04 | 2021-08-10 | Intuit Inc. | Method and system for identifying potential fraud activity in a tax return preparation system, at least partially based on data entry characteristics of tax return content |
CN107093139A (zh) * | 2017-04-27 | 2017-08-25 | 山东浪潮商用系统有限公司 | 一种办税系统及办税方法 |
CN107301596A (zh) * | 2017-07-24 | 2017-10-27 | 北京三正科技股份有限公司 | 一种基于纳税人画像的税务大数据挖掘方法及装置 |
US10699028B1 (en) | 2017-09-28 | 2020-06-30 | Csidentity Corporation | Identity security architecture systems and methods |
CN107644300A (zh) * | 2017-10-11 | 2018-01-30 | 江苏税软软件科技有限公司 | 一种涉税风险分析体系 |
US10896472B1 (en) | 2017-11-14 | 2021-01-19 | Csidentity Corporation | Security and identity verification system and architecture |
US11829866B1 (en) | 2017-12-27 | 2023-11-28 | Intuit Inc. | System and method for hierarchical deep semi-supervised embeddings for dynamic targeted anomaly detection |
CN110991777A (zh) * | 2018-09-29 | 2020-04-10 | 北京国双科技有限公司 | 虚开发票企业的查找方法及装置、存储介质及电子设备 |
CN109409969A (zh) * | 2018-10-24 | 2019-03-01 | 仲恺农业工程学院 | 一种企业税务欺诈检测方法、电子设备及存储介质 |
CN110264343A (zh) * | 2019-06-21 | 2019-09-20 | 山东浪潮商用系统有限公司 | 一种基于税务大数据分析的信用评估方法 |
CN111597261A (zh) * | 2020-05-12 | 2020-08-28 | 广东巴金斯科技有限公司 | 一种数据申报制单系统、方法和存储介质 |
US20230027581A1 (en) * | 2021-07-26 | 2023-01-26 | Halcyon Still Water, LLC | System and method for selecting a tax return from multiple tax return processors |
US11983494B1 (en) | 2023-10-24 | 2024-05-14 | Tax Guardian, LLC | Apparatus and method for dynamic data synthesis and automated interfacing |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5822741A (en) * | 1996-02-05 | 1998-10-13 | Lockheed Martin Corporation | Neural network/conceptual clustering fraud detection architecture |
US6029144A (en) * | 1997-08-29 | 2000-02-22 | International Business Machines Corporation | Compliance-to-policy detection method and system |
US6912508B1 (en) * | 1999-08-16 | 2005-06-28 | American Management Systems, Inc. | Method and apparatus for promoting taxpayer compliance |
US6611809B1 (en) * | 1999-09-20 | 2003-08-26 | American Management Systems, Inc. | Method and apparatus for selecting taxpayer audits |
US20060085306A1 (en) * | 2004-09-29 | 2006-04-20 | Vaudit Group | Integrated virtual tax auditing system |
JP2008533623A (ja) | 2005-03-24 | 2008-08-21 | アクセンチュア・グローバル・サーヴィシズ・ゲゼルシャフト・ミット・ベシュレンクテル・ハフツング | リスクに基づくデータ評価 |
US20060259333A1 (en) * | 2005-05-16 | 2006-11-16 | Inventum Corporation | Predictive exposure modeling system and method |
-
2009
- 2009-06-30 US US12/494,966 patent/US8140413B2/en not_active Expired - Fee Related
-
2010
- 2010-06-28 CA CA2708683A patent/CA2708683C/en active Active
- 2010-06-29 AU AU2010202713A patent/AU2010202713B2/en active Active
- 2010-06-29 ZA ZA2010/04582A patent/ZA201004582B/en unknown
- 2010-06-30 CN CN2010102632718A patent/CN101937551A/zh active Pending
- 2010-06-30 MX MX2010007291A patent/MX2010007291A/es active IP Right Grant
-
2012
- 2012-03-19 US US13/424,021 patent/US8423434B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CA2708683A1 (en) | 2010-12-30 |
AU2010202713A1 (en) | 2011-01-20 |
AU2010202713B2 (en) | 2012-05-10 |
CA2708683C (en) | 2017-12-19 |
ZA201004582B (en) | 2011-03-30 |
US8140413B2 (en) | 2012-03-20 |
US20120226591A1 (en) | 2012-09-06 |
CN101937551A (zh) | 2011-01-05 |
US20100332362A1 (en) | 2010-12-30 |
US8423434B2 (en) | 2013-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
MX2010007291A (es) | Sistema de evaluacion de declaracion de impuestos. | |
Feeny et al. | Vulnerability to multidimensional poverty: Findings from households in Melanesia | |
Stocks et al. | Examining variations in prescribing safety in UK general practice: cross sectional study using the Clinical Practice Research Datalink | |
Isaac et al. | Use of UpToDate and outcomes in US hospitals | |
US8825530B2 (en) | Tax liability and deductions verification system | |
US8060382B1 (en) | Method and system for providing a healthcare bill settlement system | |
EP2615574A1 (en) | Data quality analysis | |
CN109359113B (zh) | 纳税报表核对方法、装置及存储介质、服务器 | |
US20140181007A1 (en) | Trademark reservation system | |
Menchine et al. | Prevalence of Undiagnosed and Suboptimally Controlled Diabetes by Point‐of‐care HbA1C in Unselected Emergency Department Patients | |
Shine | Risk‐adjusted mortality: problems and possibilities | |
Sadek et al. | Automated identification of miscoded and misclassified cases of diabetes from computer records | |
Squitieri et al. | Evaluation of the present‐on‐admission indicator among hospitalized fee‐for‐service medicare patients with a pressure ulcer diagnosis: coding patterns and impact on hospital‐acquired pressure ulcer rates | |
Minelli et al. | Discrepancies in death certificates, public health registries, and judicial determinations in Italy | |
JP6814637B2 (ja) | 電子法的請求書データを分析するためのシステム | |
Boyle et al. | A systematic mechanism for the collection and interpretation of display format pathology test results from Australian primary care records | |
US20160253770A1 (en) | Systems and methods for genetic testing algorithms | |
Snilstveit et al. | Protocol: Incentives for climate mitigation in the land use sector: A mixed‐methods systematic review of the effectiveness of payment for environment services (PES) on environmental and socio‐economic outcomes in low‐and middle‐income countries | |
Dygaszewicz | Transition from traditional census to combined and registers based census | |
US20230114791A1 (en) | Systems and methods for automated review of risk adjustment data on submitted medical claims | |
Aragón Aragón et al. | Can productivity growth measures identify best performing hospitals? Evidence from the English National Health Service | |
KR101415528B1 (ko) | 분산된 시스템을 위한 데이터 오류 처리 장치 및 방법 | |
US8782025B2 (en) | Systems and methods for address intelligence | |
Munasinghe et al. | Reconciliation of international administrative coding systems for comparison of colorectal surgery outcome | |
US20140236632A1 (en) | Liability insurer and health plan data exchange |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
GB | Transfer or rights |
Owner name: ACCENTURE GLOBAL SERVICES LIMITED.* |
|
FG | Grant or registration |