Daten im Doppelpass

Das Bundesministerium für Finanzen wird bei dieser Thematik bereits seit 2011 vom BRZ begleitet. In dieser Zeit konnten bereits mehr als zehn Projekte erfolgreich umgesetzt werden. 2013 wurden erste Pilotprojekte gestartet deren Ergebnisse danach umfassend evaluiert wurden: Aufgrund der vielversprechenden Ergebnisse wurde die Zusammenarbeit ausgeweitet und intensiviert. Im Juni 2016 wurde im BMF das Predictive Analytics Competence Center (PACC) gegründet.
Das organisationsübergreifende Advanced Analytics Team (BMF/BRZ) setzt sich aus Fachexperten (Steuer/Zoll), Data Science Spezialisten, sowie Datenexperten zusammen. Die vom BRZ speziell implementierte Datenbasis, sowie eine vom BRZ aufgebaute und betreute Software-Plattform für Advanced Analytics bilden die Ausgangsbasis aller Predictive Analytics-Projekte.

Das Team steht im Mittelpunkt

Lisa Neuhofer (BRZ) & Barbara Hachmöller (BMF) präsentierten bei der 13. Predictive Analytics Konferenz ihre Erfahrungen eines Advanced Analytics Teams:
Relevant ist es, ein Rezept zu entwickeln, sodass sich die Mitglieder eines Advanced Analytics Teams ideal ergänzen, gut kollaborieren, eine gemeinsame Sprache finden, effizient handeln und gemeinsam Ziele erreichen können. Auf der Zutatenliste stehen Thesen, Methodik, Analysewerkzeuge, Datenbanken, Kollaborationstools, Unternehmensrichtlinien, große Mengen an Daten, ein Organisationsmodell und eine Portion Struktur. Für eine gute Umsetzung benötigt es noch bestimmte Finessen. Beispielsweise sollte man hinterfragen, ob die verwendeten Daten wirklich das beinhalten, was man erwartet und ob der gewählte Modellierungsansatz passend ist. Entscheidend ist die Einbindung des Fachbereichs, da letztlich immer noch der Mensch für den Erfolg ausschlaggebend ist.

Was ist Predictive Analytics?

Das Thema Predictive Analytics ist eine komplexe Disziplin auf Basis mathematisch-statistischer Methoden, um aus großen Datenbeständen zu lernen, Muster und Trends zu erkennen und Wissen bzw. Informationen zu generieren. Auf Basis dieser Erkenntnisse können erklärende und voraussagende Modelle entwickelt werden, die es ermöglichen zukünftige Ereignisse zu prognostizieren, aber auch daraus proaktive Maßnahmen zur Vermeidung unerwünschter Ereignisse ableiten zu können. Durch die Analyse und Aufbereitung von in der Finanzverwaltung vorhandenen Daten können unterschiedliche Zielsetzungen verfolgt werden: das Risikomanagement zu verbessern, die Fallauswahl zu erleichtern sowie die Betrugsbekämpfung zu unterstützen, um damit eine Optimierung der Steuereinnahmen zu erreichen und die Gleichbehandlung aller Bürger:innen und Wirtschaftstreibenden zu gewährleisten.