Propuesta de Arquitectura de Big Data para la Auditoria posterior de los procesos de Importación del Servicio de Aduana

Abstract

En la actualidad la Aduana cuenta con gran cantidad de datos generados por la incorporación de nuevas fuentes de información y la implementación de nuevos sistemas transaccionales, trayendo consigo el crecimiento rápido de los datos, teniendo que recurrir a nuevas arquitecturas, técnicas de análisis y algoritmos para gestionar y extraer conocimiento de esa información. Esta investigación tiene como objetivo desarrollar una arquitectura de Big Data para la auditoria posterior de los tramites de importación y poder realizar la detección de posibles casos de evasión de impuestos los que pueden ser identificados implementando algoritmos de análisis de datos donde se permita determinar valores de declaración de aduanas que se encuentren por debajo de los precios (subvalorados). En la presente investigación se utilizó la metodología CRISP-DM para la implementación de una arquitectura de Big Data y la aplicación de un algoritmo para poder lograr determinar posibles casos de evasión de impuestos analizando las declaraciones aduaneras en el periodo establecido por ley. La arquitectura propuesta tiene las características de ser escalable, con la utilización herramientas de software libre, entre las que podemos mencionar Mysql como Base de Datos intermedia, Hadoop como base de datos NoSql, Sqoop se utilizó como herramienta para transferencia de datos. Entre los principales hallazgos encontrados está la mejora en los tiempos en la auditoria posterior por medio del procesamiento en lote de los trámites de importación mediante la aplicación del algoritmo de agrupamiento de los datos y la detección de los posibles casos de evasión de impuestos bajo la modalidad de subvaloración.