Advanced data analytics in tax administration The case of Independent Authority for Public Revenue (IAPR)
| dc.contributor.advisor | Pollalis, Ioannis | |
| dc.contributor.advisor | Πολλάλης, Ιωάννης | |
| dc.contributor.author | Giannouzi, Xanthippi | |
| dc.contributor.author | Γιαννούζη, Ξανθίππη | |
| dc.date.accessioned | 2025-08-27T10:55:22Z | |
| dc.date.available | 2025-08-27T10:55:22Z | |
| dc.date.issued | 2025-07 | |
| dc.identifier.uri | https://dione.lib.unipi.gr/xmlui/handle/unipi/18073 | |
| dc.description.abstract | Η φορολογική διοίκηση αποτελούσε ανέκαθεν έναν σημαντικό τομέα στην ακαδημαϊκή έρευνα, καθώς βασικός στόχος των κυβερνήσεων είναι η μεγιστοποίηση της συλλογής εσόδων, προκειμένου να υλοποιήσουν τις πολιτικές τους, ελαχιστοποιώντας παράλληλα την επιβάρυνση των φορολογουμένων. Ωστόσο, με την πάροδο των ετών, το κέντρο βάρους έχει μετατοπιστεί από μια καθαρά οικονομική προσέγγιση σε μια πιο σύνθετη οπτική, η οποία συνδυάζει την οικονομία με την κοινωνιολογία και την ψυχολογία. Η πλέον πρόσφατη και πολλά υποσχόμενη ερευνητική προσέγγιση στον τομέα της φορολογικής διοίκησης είναι η χρήση της προηγμένης ανάλυσης δεδομένων σε συνδυασμό με τη διεξαγωγή πρωτογενούς έρευνας μεταξύ των φορολογουμένων. Μια τέτοια προσέγγιση μπορεί να βοηθήσει στον εντοπισμό πιθανών περιοχών μη συμμόρφωσης και, ακολούθως, στη βελτίωση της αποτελεσματικότητας των διαδικασιών είσπραξης φόρων. Η παρούσα διδακτορική διατριβή διερευνά πώς οι τεχνικές προηγμένης ανάλυσης δεδομένων μπορούν να μετασχηματίσουν τη λειτουργία των φορολογικών αρχών βελτιώνοντας την κατανόηση της συμμόρφωσης, ενισχύοντας τη στρατηγική στόχευση και ευθυγραμμίζοντας τις θεσμικές πρακτικές με διεθνή πρότυπα, ενισχύοντας έτσι την συμμόρφωση. Η μελέτη εστιάζει στην περίπτωση της Ανεξάρτητης Αρχής Δημοσίων Εσόδων (ΑΑΔΕ) στην Ελλάδα, αλλά θα μπορούσε να αξιοποιηθεί και σε άλλες φορολογικές διοικήσεις. Το βασικό ερευνητικό ερώτημα είναι: Πώς μπορεί η προηγμένη ανάλυση δεδομένων να ενισχύσει την αποτελεσματικότητα και την αποδοτικότητα της φορολογικής διοίκησης, βελτιώνοντας την κατανόηση της φορολογικής συμπεριφοράς και την εφαρμογή στοχευμένων πολιτικών συμμόρφωσης; Η διατριβή ακολουθεί τριπλή μεθοδολογική προσέγγιση. Πρώτον, διενεργείται πρωτογενής έρευνα μέσω ημιδομημένου ερωτηματολογίου σε φυσικά πρόσωπα που ασκούν επιχειρηματική δραστηριότητα, τα αποτελέσματα της οποίας αναλύονται οικονομετρικά με το μοντέλο Stata (n=175). Δεύτερον, αξιοποιούνται δευτερογενή διοικητικά δεδομένα για την περίοδο 2018–2023, τα οποία απεικονίζονται μέσω Power BI, αναδεικνύοντας περιφερειακές διαφοροποιήσεις στη φορολογική συμμόρφωση, τους ελέγχους και τα δημόσια έσοδα. Τρίτον, γίνεται αντιστοίχιση της περίπτωσης της ΑΑΔΕ με διεθνή πρότυπα και δείκτες (TADAT και Μοντέλα Ωριμότητας του ΟΟΣΑ), ώστε να αξιολογηθεί ο βαθμός ετοιμότητας της φορολογικής διοίκησης και να εντοπιστούν κενά και ευκαιρίες μεταρρύθμισης. Η μέθοδος ολοκληρώνεται με αδόμητη συνέντευξη του Διοικητή της ΑΑΔΕ. Α. Ερωτήματα σε επίπεδο φορολογικής διοίκησης (Institutional-Level Questions) ▪ Ποια είναι η θέση της ελληνικής Φορολογικής Διοίκησης όσον αφορά την ωριμότητα στη χρήση προηγμένης ανάλυσης δεδομένων; ▪ Πώς μπορούν τα διαδραστικά δεδομένα και η διεθνής συγκριτική αξιολόγηση (TADAT, ΟΟΣΑ) να ενισχύσουν τη στρατηγική φορολογική διακυβέρνηση; Β. Ερωτήματα σε συμπεριφορικό επίπεδο (Behavioral-Level Questions) ▪ Ποιοι είναι οι βασικοί παράγοντες που επηρεάζουν τη φορολογική συμμόρφωση; ▪ Πώς επηρεάζουν η πιθανότητα ελέγχου, η αυστηρότητα των ποινών και η αναστολή λειτουργίας την πρόθεση συμμόρφωσης; ▪ Πώς αλληλεπιδρούν ψυχολογικά χαρακτηριστικά —όπως η ανάγκη για γνωστική σύγκλιση, η αξιολόγηση και η κινητοποίηση— με τους μηχανισμούς αποτροπής; Γ. Ερωτήματα εφαρμογής και πολιτικής στρατηγικής (Strategic Application & Policy Questions) ▪ Πώς μπορούν η συμπεριφορική τμηματοποίηση και η ανάλυση δεδομένων να ενσωματωθούν σε στοχευμένες στρατηγικές συμμόρφωσης; ▪ Ποιες είναι οι πρακτικές επιπτώσεις της μελέτης για τα στελέχη και τους υπεύθυνους χάραξης πολιτικής στη Φορολογική Διοίκηση; Τα ευρήματα καταδεικνύουν ότι η αυξημένη πιθανότητα ελέγχου, η αυστηρότερη ποινή και η μεγαλύτερη διάρκεια αναστολής λειτουργίας ενισχύουν την πρόθεση συμμόρφωσης — υπό την προϋπόθεση ότι ευθυγραμμίζονται με συγκεκριμένα ψυχολογικά προφίλ. Η συμπεριφορική τμηματοποίηση, με βάση θεωρίες κινήτρων και γνωστικά χαρακτηριστικά, προσφέρει μια βαθύτερη και πιο προσαρμοσμένη κατανόηση της φορολογικής συμπεριφοράς σε σύγκριση με τα παραδοσιακά μοντέλα αποτροπής. Παράλληλα, η ανάλυση μέσω Power BI αναδεικνύει γεωγραφικές και εισοδηματικές ασυμμετρίες στους ελέγχους, τις επιστροφές και τα δημόσια έσοδα, ενώ η διεθνής σύγκριση αποκαλύπτει περαιτέρω δυνατότητες στην ανάλυση κινδύνου, στη στρατηγική στόχευση και στη διαχείριση δεδομένων. Η διατριβή ολοκληρώνεται με την πρόταση του Πλαισίου Νοημοσύνης Συμμόρφωσης (Compliance Intelligence Framework - CIF), το οποίο ενοποιεί τις ευρηματικές διαστάσεις της έρευνας σε ένα εφαρμόσιμο και μεταρρυθμιστικό εργαλείο. Το CIF επιτρέπει στις φορολογικές αρχές να προσδιορίσουν ποιον να στοχεύσουν (με βάση ψυχολογικά προφίλ), πού να παρέμβουν (με γεωγραφική και τομεακή ανάλυση κινδύνου) και πώς να επιδράσουν (με διαφοροποιημένους μοχλούς πολιτικής). Πρόκειται για ένα οργανωμένο, δομημένο πλαίσιο που συνδυάζει τα προαναφερθέντα στοιχεία σε μια ενιαία, κλιμακούμενη δομή στρατηγικής συμμόρφωσης, το οποίο, κατά την γνώση της υποψήφιας διδάκτορος, δεν έχει κάτι αντίστοιχο στην διεθνή βιβλιογραφία. Τελικά. η παρούσα διατριβή γεφυρώνει τη θεωρία με την πράξη και τις κοινωνικές επιστήμες με την τεχνολογία. Συνεισφέρει τόσο στη διεθνή βιβλιογραφία όσο και στις εφαρμοσμένες πρακτικές, αφού καταλήγει προτείνοντας έναν οδικό χάρτη μεταρρυθμιστικών παρεμβάσεων προς την Φορολογική Διοίκηση 3.0, αξιοποιήσιμο από τις φορολογικές διοικήσεις που επιδιώκουν να μεταβούν από την αξιοποίηση των δεδομένων για λόγους ενημέρωσης και δράσης σε προληπτική, ευφυή και τεκμηριωμένη λήψη αποφάσεων. | el |
| dc.format.extent | 298 | el |
| dc.language.iso | en | el |
| dc.publisher | Πανεπιστήμιο Πειραιώς | el |
| dc.rights | Αναφορά Δημιουργού 3.0 Ελλάδα | * |
| dc.rights.uri | http://creativecommons.org/licenses/by/3.0/gr/ | * |
| dc.title | Advanced data analytics in tax administration The case of Independent Authority for Public Revenue (IAPR) | el |
| dc.title.alternative | Προηγμένη ανάλυση δεδομένων στη φορολογική διοίκηση Η περίπτωση της Ανεξάρτητης Αρχής Δημοσίων Εσόδων (ΑΑΔΕ) | el |
| dc.type | Doctoral Thesis | el |
| dc.contributor.department | Σχολή Οικονομικών, Επιχειρηματικών και Διεθνών Σπουδών. Τμήμα Οικονομικής Επιστήμης | el |
| dc.description.abstractEN | Τax administration has long been a critical domain of academic inquiry, as governments aim to maximize revenue collection to fund public policies while minimizing compliance burdens on taxpayers. In recent decades, the study of tax compliance has evolved beyond traditional economic models to encompass interdisciplinary approaches that integrate insights from sociology and psychology. A particularly promising development in this field is the application of advanced data analytics, especially when combined with primary behavioral research. Such integrative approaches offer powerful tools for identifying non-compliance risks and improving the strategic effectiveness of tax administration. This thesis explores how advanced data analytics can transform the operations of tax authorities by enhancing the understanding of taxpayer behavior, enabling more effective targeting, and aligning institutional practices with international standards. Using the case of the Independent Authority for Public Revenue (IAPR) in Greece as a focal point, the research provides findings and policy recommendations that are also applicable to other tax administrations globally. The central research question addressed is: How can advanced data analytics enhance the effectiveness and efficiency of tax administration by improving the understanding of taxpayer behavior and supporting the implementation of targeted compliance strategies? To answer this, the study adopts a triangulated methodology: ▪ Primary Research: A semi-structured survey (n = 175) targeting self-employed individuals and business owners, analyzed econometrically using Stata to assess behavioral drivers of compliance. ▪ Secondary Data Analysis: Administrative data from 2018–2023 were analyzed and visualized in Power BI to uncover regional disparities in audits, tax compliance, and revenue collection. ▪ Institutional Benchmarking: The IAPR’s operations were assessed against international frameworks (TADAT and OECD Maturity Models) to evaluate institutional readiness and identify areas for reform. This was complemented by an elite, unstructured interview with the Governor of IAPR. The research addresses three key dimensions: A. Institutional-Level Questions ▪ What is the current level of data analytics maturity within the Greek Tax Administration? ▪ How can interactive data tools and international benchmarking enhance strategic tax governance? B. Behavioral-Level Questions ▪ What are the primary factors influencing taxpayer compliance behavior? ▪ How do audit probability, penalty severity, and business suspension fect compliance intentions? ▪ How do psychological traits—such as need for closure, assessment, and locomotion—interact with deterrence mechanisms? C. Strategic Application & Policy Questions ▪ How can behavioral segmentation and data analytics be integrated into targeted compliance strategies? ▪What practical implications does this research offer for tax administration practitioners and policymakers? Key findings indicate that audit probability, penalty severity, and the threat of business suspension significantly increase taxpayers’ compliance intentions—especially when tailored to psychological profiles. Behavioral segmentation based on cognitive and motivational traits provides a more refined understanding of compliance behavior than traditional deterrence models alone. Visual analysis through Power BI highlights pronounced geographical and income-based asymmetries in audit activity, tax refunds, and revenue distribution. Moreover, international benchmarking reveals significant room for institutional improvement in areas such as risk analysis, data governance, and strategic targeting. Based on these insights, the thesis introduces the Compliance Intelligence Framework (CIF)—a scalable, reform-oriented model that integrates psychological profiling, geographic risk analysis, and differentiated policy levers into a unified approach to strategic compliance management. The CIF offers practical guidance on who to target, where to intervene, and how to respond—representing, to the author's knowledge, a novel contribution to the international literature. In conclusion, this thesis bridges theory and practice by combining social science insights with technological innovation. It contributes to both academic discourse and applied policymaking by presenting a concrete roadmap for advancing toward Tax Administration 3.0—a paradigm shift from data as a tool for enforcement to data as a foundation for prevention, intelligence, and evidence-based governance. The findings are intended to inform researchers, practitioners, and decision-makers seeking to modernize tax administration systems in a data-driven and behaviorally informed manner. | el |
| dc.subject.keyword | Compliance Intelligence Framework (CIF) | el |
| dc.subject.keyword | Tax compliance | el |
| dc.subject.keyword | Behavioral segmentation | el |
| dc.subject.keyword | Taxpayer psychology | el |
| dc.subject.keyword | Incentive theory | el |
| dc.subject.keyword | Tax ethics | el |
| dc.subject.keyword | Data analysis | el |
| dc.subject.keyword | Data visualization | el |
| dc.subject.keyword | Power BI | el |
| dc.subject.keyword | Strategic tax governance | el |
| dc.subject.keyword | TADAT | el |
| dc.subject.keyword | OECD Maturity Models | el |
| dc.subject.keyword | Independent Public Revenue Authority (IAPR) | el |
| dc.date.defense | 2025-07-28 |
Αρχεία σε αυτό το τεκμήριο
Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές
Εκτός από όπου διευκρινίζεται διαφορετικά, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού 3.0 Ελλάδα
Αναφορά Δημιουργού 3.0 Ελλάδα