100% tevredenheidsgarantie Direct beschikbaar na betaling Zowel online als in PDF Je zit nergens aan vast
logo-home
Summary on the text by N. Campbell (2014). Tax Policy and Administration in an Era of Big Data €2,99   In winkelwagen

Samenvatting

Summary on the text by N. Campbell (2014). Tax Policy and Administration in an Era of Big Data

1 beoordeling
 67 keer bekeken  0 keer verkocht

Summary of the text by N. Campbell (2014). Tax Policy and Administration in an Era of Big Data. Tax Planning International: Indirect Taxes, 12(12), 2-5.

Voorbeeld 1 van de 3  pagina's

  • 15 december 2018
  • 3
  • 2017/2018
  • Samenvatting
Alle documenten voor dit vak (27)

1  beoordeling

review-writer-avatar

Door: ruyssenh • 2 jaar geleden

avatar-seller
taxgirl206
Tax Policy and Administraton in an Era of Big Data
N. Campbell
Summary
Big Data1 and analytic ic having an impait on the formulaton and appliiaton of indireit tax poliiy and
adminictraton for both bucineccec and tax authoritecs. Many indireit tax authoritec (ITA) are taking ctepc to
leverage data and analytic (“Big Data”) to colve the three big agenda itemc faiing many ITA today:
1s. the ilocing of the tax gap;
2s. the iolleiton and irocc-border charing of informaton; and
3s. the need for operatonal efiieniys.

I. Closing the Tax Gap
With preccure mountng on government budgetc, many tax and treacury authoritec around the world are now
foiuced on meacurec intended to improve their tax revenuec by identfying and eliminatng gapc between the total
tax liability and the reality of iolleitonc
Strategy 1: improving their own internal data and analytic iapabilitec ic.
 A cignifiant porton of the tax gap ic due to taxpayer cyctem and iontrol errorc thuc a growing number of
authoritec have turned their atenton towardc improving and auditng taxpayer systems rather than datas.
 In recponce of BEPS, many TA’c are thinking more ilearly about how they might leverage their data to
improve their ability to cpot irregularitec or potental underpaymentcs.
o Many are now ucing bacii analytic approaihec to quiikly + efeitvely cample taxpayer data,
develop rick proflec, + ag potental audit iccuecs.
 Otherc are iombining Big Data approaihec to reduie the potental for fraud (Us.K: ‘‘Miccing Trader Fraud’’)s.
By leveraging Big Data to ireate aiiurate proflec of new regictrantc for VAT, TA’c ian ctart to cireen out
‘‘high rick’’ individualc + iompaniec for deeper invectgaton and reduie their expocure to indireit tax fraud
ctrategiec
Strategy 2: developing programc aimed at inientviiing iompaniec to improve their own internal cyctemc and
iontrolc (‘‘horiiontal monitoring’’(HM).
Example: The Inland Revenue Authority of Singapore’c (IRAS) Accicted Complianie Accuranie Programs.
 In return, program partiipantc will enjoy reduied iomplianie requirementc, facter GST refundc and waiverc
of penaltecs.
 Australia’c program ctarted ac a three-year projeit aimed at helping taxpayerc improve the integrity of their
bucinecc cyctemc on a iace-by-iace bacics.
 The Netherlands requirec taxpayerc to ionduit and report the fndingc of ctatctial campling on their
iontrolc in return for reduied audit and iomplianie requirementcs.

II. Data Collecton and Cross-border Sharing of Informaton
Eniouraged by diciuccionc at OECD + G-20 regarding BEPS, TA’c are exploring how they might beter iolleit, verify, +
chare data in order to improve the appliiaton of indireit tax poliiy and adminictratons. One key aiton outlined in
BEPS ectabliching methodologiec to iolleit + analyze data on BEPS + the aitonc to addrecc its. To get to the adopton
of data + analytic praitiec within natonal TA’c, TA’c need to gain greater iontrol over the iolleiton, management
and governanie of their tax data:

1
Big data ic a iolleiton of data from traditonal and digital couriec incide and outcide your iompany that reprecentc a courie for ongoing diciovery and
analycics. In defning big data, it’c alco important to underctand the mix of unctruitured and mult-ctruitured data that iompricec the volume of
informatons.
 Unstructured data iomec from informaton that ic not organized or eacily interpreted by traditonal databacec or data modelc, and typiially,
it’c text-heavys. Metadata, Twiter tweetc, and other coiial media poctc are good examplec of unctruitured datas.
 Mult-structured data referc to a variety of data formatc and typec and ian be derived from interaitonc between people and maihinec, cuih
ac web appliiatonc or coiial networkcs.

Voordelen van het kopen van samenvattingen bij Stuvia op een rij:

Verzekerd van kwaliteit door reviews

Verzekerd van kwaliteit door reviews

Stuvia-klanten hebben meer dan 700.000 samenvattingen beoordeeld. Zo weet je zeker dat je de beste documenten koopt!

Snel en makkelijk kopen

Snel en makkelijk kopen

Je betaalt supersnel en eenmalig met iDeal, creditcard of Stuvia-tegoed voor de samenvatting. Zonder lidmaatschap.

Focus op de essentie

Focus op de essentie

Samenvattingen worden geschreven voor en door anderen. Daarom zijn de samenvattingen altijd betrouwbaar en actueel. Zo kom je snel tot de kern!

Veelgestelde vragen

Wat krijg ik als ik dit document koop?

Je krijgt een PDF, die direct beschikbaar is na je aankoop. Het gekochte document is altijd, overal en oneindig toegankelijk via je profiel.

Tevredenheidsgarantie: hoe werkt dat?

Onze tevredenheidsgarantie zorgt ervoor dat je altijd een studiedocument vindt dat goed bij je past. Je vult een formulier in en onze klantenservice regelt de rest.

Van wie koop ik deze samenvatting?

Stuvia is een marktplaats, je koop dit document dus niet van ons, maar van verkoper taxgirl206. Stuvia faciliteert de betaling aan de verkoper.

Zit ik meteen vast aan een abonnement?

Nee, je koopt alleen deze samenvatting voor €2,99. Je zit daarna nergens aan vast.

Is Stuvia te vertrouwen?

4,6 sterren op Google & Trustpilot (+1000 reviews)

Afgelopen 30 dagen zijn er 83662 samenvattingen verkocht

Opgericht in 2010, al 14 jaar dé plek om samenvattingen te kopen

Start met verkopen
€2,99
  • (1)
  Kopen