Advanced data analytics in tax administration: the case of Independent Authority for Public Revenue (IAPR)

Abstract

Tax administration has long been a key area of academic research, as governments seek to maximize revenue collection to implement their policies while minimizing the burden on taxpayers. Over time, however, the focus has shifted from a purely economic approach to a more complex perspective that integrates economics with sociology and psychology. The most recent and promising research development in this field is the use of advanced data analytics, combined with primary research among taxpayers. Such an approach can help identify areas of potential non-compliance and, in turn, improve the effectiveness of tax collection processes. This thesis investigates how advanced data analytics techniques can transform the functioning of tax administrations by improving the understanding of taxpayer compliance, enhancing strategic targeting, and aligning institutional practices with international standards—thereby strengthening compliance outcomes. The study focuses on the case of the Independent Authority for Public Revenue (IAPR) in Greece, though the findings and proposals are applicable to other tax administrations as well. The central research question 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? The study adopts a triangulated methodological approach. First, a primary survey was conducted through a semi-structured questionnaire targeting self-employed individuals and business owners, with the results analyzed econometrically using Stata (n=175). Second, secondary administrative data covering the period 2018–2023 were analyzed and visualized using Power BI,highlighting regional disparities in compliance, audits, and public revenues. Third, the case of IAPR was benchmarked against international standards and indicators (TADAT and OECD Maturity Models) to assess institutional readiness and identify gaps and reform opportunities. The methodology is complemented by an elite, unstructured interview with the Governor of IAPR. The study addresses key research questions: A. Institutional-Level Questions▪ How is the Greek Tax Administration positioned regarding data analytics maturity? ▪ How can interactive data and international benchmarking (TADAT, OECD) enhance strategic tax governance?B. Behavioral-Level Questions ▪ What are the key factors influencing taxpayer compliance behavior? ▪ How does audit probability, penalty severity, and business suspension affect compliance intention? ▪ How do psychological traits (need for closure, assessment, locomotion) interact with deterrence mechanisms? C. Strategic Application & Policy Questions ▪ How can behavioral segmentation and data analytics be integrated into targeted compliance strategies? ▪ What are the practical implications of the study for tax administration practitioners and policymakers? The findings demonstrate that higher audit probability, stricter penalties, and longer business suspension significantly increase compliance intention—provided these are aligned with specific psychological profiles. Behavioral segmentation, based on motivation theory and cognitive traits, offers a more targeted and nuanced understanding of compliance than traditional deterrence models. Additionally, the Power BI analysis reveals geographic and income-based asymmetries in audit distribution, tax refunds, and revenue generation, while international benchmarking points to untapped potential in risk analysis, strategic targeting, and data management. The thesis concludes with the proposal of the Compliance Intelligence Framework (CIF), which synthesizes the research findings into a practical and reform-oriented tool. The CIF enables tax administrations to determine who to target (through psychological profiling), where to intervene (through geographic and sectoral risk analysis), and how to respond (through differentiated policy levers). It constitutes a structured, scalable framework that integrates all dimensions of the research into a unified model of strategic compliance management—one that, to the author’s knowledge, is not yet present in the international literature. In conclusion, this thesis bridges theory and practice, as well as the social sciences and technology. It contributes both to the academic literature and to applied policymaking by offering a concrete roadmap of reform toward Tax Administration 3.0, usable by authorities seeking to shift from data for reaction and enforcement to data for prevention, intelligence, and evidence-based decision-making. processes. The detailed results are presented in this thesis and may be of interest to researchers, practitioners, and policymakers in the field of tax administration.

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.