Præsentation og cases fra indlæg om data og analytics på KPMG Danmark Forsikringsdag 21. november 2017

1. Data og analytics
i skattevæsenet
KPMG Forsikringsseminar
21. november 2017
Søren Ilsøe
Underdirektør, Data & Analyse
Skatteministeriet
www.linkedin.com/in/sorenilsoe

2. 21/11/2017 2
Vi ønsker et skattevæsen, der…
Giver god service
Gør lovgivning og
skattebetaling enkel
Er digitalt og brugervenligt
Udfører målrettet og effektiv kontrol
Vægter borgernes retssikkerhed højt
Har danskernes tillid

3. 21/11/2017 3
Strategisk transformation af skattevæsenet
EFI DMI ESDH
Systemsiloer med fokus på
funktionalitet og integration
DATABANK
SKAT
Vurderings-
styrelsen
ICE
Gælds-
styrelsen
ICI
Told-
styrelsen
ICT
Øvrige
styrelser
ICx
Transformation baseret på fælles indsigt
gennem data og analyser
Nyt skattevæsen

4. 21/11/2017 4
BI&A Turnusanalysen 2015 – opbygning af Databanken
Data
Warehouse
Big Data
Data
Warehouse
Enterprise
Information
Model
Databank
Nye BI og analyse teknologier
Selvbetjenings-BI
Machine learning
Robotics/RPA
Kognitive teknologier
Data til udviklingsprojekter og
transformationsprogrammer
Dataudveksling opgraderes
KL/ATP, eSKAT, GDP/DAF mv.
øvrige eksterne interessenter
Nye teknologier
kobles på DW/BI
Udstillingsplatform
1
2
Data governance
- organisation for dataejerskab
- måling af datakvalitet
- enterprise information model
- metadata værktøjer
- politik for dataanvendelse
3
Forbedret kvalitet og leveranceevne
- porteføljestyring via standard system
- metodehåndbog
- GDPR, privacy by design

5. 5
BI&A Turnusanalysen 2015 – roadmap for styrkelse af fundamentet
ICI
Transformations-
program Y
Transformations-
program X
Told/ICT
Datagovernance
Etablering af
databank
Arbejdsgange og
kvalitetssikring
2015 2016 2018
Eksisterende
platforme, portefølje
og løsninger
2017 2019
Model for ejerskab og
ansvar for data
Datagovernance
ICE/ICING
EIM for kundedata
Implementer
ejermodel
Udvid EIM
Arbejd efter ny arkitektur
Implementer
DG-værktøj
Implementering af målling
af datakvalitet
Løbende rapportering
på datakvalitet
Konsolidering af BO-universer (PID foreligger til indstilling – koblet til adgange i nye styrelser)
BO opgradering BI&A-metoder
Konverter Xcelsius-
løsninger til Design Studio
Implementer SAP Lumira
og SAS Visual Analytics
Udvikling af dataintegration
via databanken
Metadataværktøjer
Avanceret analyse
Beslutnings-
automatisering
Organisation og
medarbejdere Rekruttering og kompetenceudvikling
Arkitektur-
design
POC og
teknologivalg
Pilotprojekt 1
Implementering af ABT’er
i databanken
Arkitektur
avanceret analyse
Arbjedsgange og
kvalitetssikring
Datapolitik
Revideret
porteføljestyring
Pilotprojekt 2
Initiering efter
BI&A Turnus
BI&A projekter igangsat 2015 (prioriteret 22. maj 2015)
BI&A projekter igangsat 2016 (prioriteret 30. sep 2015)
BI&A initiativer igangsat 2017
Databank Pilot Told
RIS/RAS Told scoring
1
2
3
4

6. 21/11/2017 6
Nyt samlet koncern CoE for data og analytics
Data & Analyse
Data
Governance
Portefølje-
styring
Data-
hjemtagelse
Data
Management
Data-
udveksling
Business
Intelligence
Dataanalyse
Proces-
automatisering
Datagovernance konsulent
Dataarkitekt
Intern kvalitetssikring
Service/incident manager
BI & Analyse
BI Produktion
BI Ledelses-
information
Dataanalyse
Effektiviserings
analyse
april 2014
40 medarbejdere
oktober 2017
160 medarbejdere
Forretningspartner
Projektleder
Løsningsarkitekt
Portefølje manager
Dataingest koordinator
Dataingest engineer
ETL udvikler
Application manager
ETL udvikler
Procesejer
Udvekslingsudvikler
BI forretningskonsulent Data scientist
Forretningsanalytiker
Application manager
Proceskonsulent
Leverancekoordinator
Proces-
automatisering
RPA udvikler
RPA arkitekt
Innovation Lead
Leverancekoordinator
BI forretningskonsulent Data scientist Forretningsanalytiker

7. 21/11/2017 7
Opgaverne prioriteres ud fra værdi
Organisatorisk værdi Personlig værdi
Materiel
værdi
Løsninger, der understøtter strategiske
mål og performance:
- øget tilfredshed
- reduceret skattegab
- reducerede restancer
- øget effektivitet
- retssikkerhed
- informationssikkerhed
Løsninger, der understøtter individuelle
mål og performance:
- KPI’er
- produktion
- HR performance
Immateriel
værdi
Løsninger, der prædiktivt øger indsigten i
forretningsgrundlaget:
- forecast
- afledte data
- nøgletal
Løsninger, der reaktivt øger indsigt i
forretningsgrundlaget:
- udsøgninger/rapporter
- beskrivende statistik
- forretningsanalyser
størst værdi
mindst værdiAfdelingens ressourceanvendelse pr. år:
30% til 20-30 projekter
40% til 600-800 bestillingsopgaver
15% drift og support

8. 21/11/2017 8
Nyt skattevæsen pr. 1. januar 2018Fra 1 til 7 styrelser

9. 21/11/2017 9
Forskellige former for dataanvendelse:
1. Business Intelligence
2. Business Analytics
3. Machine Learning supervised
4. Machine Learning unsupervised
5. Text Analytics
6. Process Automation/RPA
7. Artifical Intelligence/AI

10. 21/11/2017 10
Økonomi og HR
• SKAT/SANST er KPI styret via månedligt dashboard
• Drill-down fra direktør til enhed/medarbejder
• 300 KPI’er implementeret 2014, opdateres årligt
• Indgår i den samlede styringsmodel md/kvt/år
KPI Dashboard
HR Performance
• Sygefraværsmodellen – differentierede måltal
• Performanceanalyse – top 25% high performance
• Rekruttering – analytics understøttelse

11. 21/11/2017 11
Kundeservice – modning
GIV MIG KLARHED
FORTJEN MIN TILLID GIV MIG FUNKTIONALITET
GIV MIG HURTIG HJÆLP
TAG HÅND OM MIG
GIV MIG TRYGHED
GENEREL INDIVID
ANALOG
DIGITAL
14%
5%23%
21%
20%
18%
Kundecenter vs. Tast Selv Log
Social Profileringsanalyse
Kundeanalyse
Årsopgørelse Alarm
Forskudsopgørelse Forecast
Iværksætter Vejledningsmodel

12. 21/11/2017 12
Kundeservice – next step
E2E KUNDEREJSE – MOMS
• Indsigt i kundeadfærd
• Forbedring af vejledning/kanaler
• Kortlægning af ydelsespriser
• Live data – respons fremfor survey
Mål: ”flytte kunden fra inddrivelse til fordøren”
REALTIME PLAYER

13. 21/11/2017 13
Indsats og Told
Hvidvask I+II - udsøgning
Negativ Momsmodel
Told Risikoscoringsmodel
20+ ML applikationsområder
Skattely – fuzzy matching
Momsområdet
Case study
stikprøve 150
BI
manuelt
ML
supervised
ML
unsupervised
Afsluttede sager 16 26 14
Træfprocent 25% 46% 7%
Bruttoregulering 151.763 1.248.158 5.939
Nettoregulering 84.107 1.085.624 5.939
Nettoregulering
pr. træf
21.027 90.469 5.939

14. 21/11/2017 14
Proces for samspil om udvikling af modeller
Kontorchef/
Projektchef
Bruger
Data-
analytiker
Go/
No-go?
Løbende
monitorering
Forstå behov,
give feedback
på datagrundl.
Facilitere
intromøde
Give indblik i
forr. flow,
datakilder og -
forståelse
Analysere og
vurdere Cost-
Benefit
Understøtte og
give feed-back
på CB-analyse,
Sikre data- og
test-grundlag
Facilitere
aftalemøde
Sikre ress.,
data og op-
bakning til mål
Bidrage med
erfaring og
datakendskab
Sikre ress.,
data og op-
bakning til mål
Forberede data
og trinvist
udvikle model
Teste scorings-
modellen
Bidrage med
brugserfa.
Understøtte
idriftsættelsen
af modellen
Løbende
monitorering
Forstå
brugsbehov
Give overblik
over brugere
og oplær.behov
Facilitere møde
og forstå
oplær.behov
Forstå
brugsbehov
Undervise
brugere
Tage modellen
i brug
Gentræning af
modellen
Idriftsætte
scorings-
modellen
Proces-
konsulent
Forretn.-
analytiker
App.-
manager
Bidrage med
erfa. og
datakendskab
Understøtte
test
Bestiller
Dataanalyse
Planlægge og
aftale udviklings-
og testforløbet
Lev.koor-
dinator
Understøtte
processen
Understøtte
processen
Understøtte
udviklings-
processen
Understøtte
idriftsættelses-
processen
Understøtte
processen
Understøtte
gentræning og
monitorering
Understøtte
testprocessen
Analysere Cost-
Benefit og data-
grundlaget
Agilt udvikle og
evaluere
potentialet
Teste modellen
Planlægge og
aftale idriftsæt.,
monitorering og
gentræning
Oplære i og
ibrugtage
modellen
Evalure,
monitorere og
gentræne
modellen
Facilitere
evalu. af
udv.forløbet

15. 21/11/2017 15
Automatisering og AI
PAL/PAF Automatisering
RPA Business Cases
Sagsvisitering – interne incidents
Sagsvisitering – kunder til SKAT/SANST
Kundecenter Chatbot
Beslutningsautomatisering

16. 16
Emnescoring
Udbytte 0,15
Indkomst 0,15
…
Hævning 0,2
Lån 0,15
…
Ansættelse 0,15
Mellem-
regning
0,05
…
Bil 0,2
Kunst 0,15
…
Dokumenter analyseres af modellen
Emnegruppering
1
2
3
4
1 2 3 4
Sagsvisitering – Latent Dirichlet Allocation

17. 17
Model kørt på 271 sager med 10 emner.
1. Rette indkomstmodta-
ger / mellemregning
2. Aktionærlån / hævning 4. Hævning / aktionærlån
3. Mellemregning /
hævning
5. Lejeindtægt /
mellemregning
Antal sager: 5
Gns. lighed: 0,88*
Antal sager: 34
Gns. lighed: 0,38
Antal sager: 49
Gns. lighed: 0,43
Antal sager: 30
Gns. lighed: 0,39
Antal sager: 38
Gns. Lighed: 0,56
6. Money transfer
Antal sager: 17
Gns. lighed: 0,69
7. Rette indkomstmodta-
ger / lejeindtægt
Antal sager: 15
Gns. lighed: 0,74
8. Bil / kunst
Antal sager: 23
Gns. lighed: 0,50
9. Bil / rejse
Antal sager: 13
Gns. lighed: 0,84
10. Rejse
Antal sager: 19
Gns. lighed: 0,77
* Skalaen går fra 0 – 2, hvor 0 er fuldstændig lighed og 2 er fuldstændig forskellighed
Sagsvisitering – Skatteankestyrelsen i gang

18. 21/11/2017 18
Data
Science
Matematisk
kundskab
Forretnings
indsigt
Teknologisk
kompetence
Data science – modning step-by-step, undgå big-bang
… overvej roller og profiler,
der supplerer hinanden
… central vs. decentral,
gå efter CoE med superbrugere