Phân tích dữ liệu liên kết giữa doanh nghiệp giải thể và doanh nghiệp mới thành lập cùng địa chỉ - Kế Toán Tiết Kiệm

AI & Big Data “Săn” chuỗi doanh nghiệp giải thể – doanh nghiệp mới cùng địa chỉ: Phát hiện dấu hiệu né tránh nghĩa vụ thuế trong vòng 48 giờ

Problem – Agitate – Solution

Problem – Trong những năm gần đây, cơ quan thuế và các công ty kiểm toán thường xuyên phát hiện một mô hình “đổi mặt” tinh vi: doanh nghiệp giải thể nhanh chóng được thay thế bằng doanh nghiệp mới cùng địa chỉ, cùng người đại diện nhưng lại khai báo khác biệt về doanh thu, chi phí hoặc giá trị hoá đơn. Khi dữ liệu này không được liên kết trong hệ thống kế toán nội bộ, rủi ro truy thu hàng tỷ đồng luôn rình rập.

Agitate – Nếu không có một hệ thống phân tích dữ liệu mạnh mẽ, các dấu hiệu lặp lại này sẽ bị che khuất trong hàng triệu bản kê khai, sao kê ngân hàng và hoá đơn điện tử. Khi cơ quan thanh tra thực hiện kiểm tra đột xuất, công ty có thể bị phạt theo Nghị định 123/2020 vì “không thực hiện đầy đủ nghĩa vụ kê khai” và phải chịu phạt chậm nộp + truy thu thuế + bồi thường thiệt hại, gây ảnh hưởng nghiêm trọng đến dòng tiền và uy tín thương hiệu.

Solution – Áp dụng kiến trúc Big Data kết hợp AI để tự động trích xuất, liên kết và phân tích mọi nguồn dữ liệu (đăng ký kinh doanh, hoá đơn GTGT, sao kê ngân hàng, biên bản thanh tra). Các thuật toán clustering, supervised learning, graph analytics và NLP sẽ “đánh dấu” ngay những cặp doanh nghiệp giải thể‑mới có khả năng né tránh nghĩa vụ thuế, cung cấp bằng chứng số liệu chuẩn ISO‑27001 để giải trình trước cơ quan thuế một cách nhanh chóng và chính xác.

1️⃣ Tổng quan về hành vi lặp doanh nghiệp giải thể – doanh nghiệp mới

1.1 Định nghĩa và khung pháp lý

Doanh nghiệp giải thể là thực thể đã hoàn tất thủ tục hủy đăng ký theo Điều 27 Thông tư 78/2020/TT‑BTC; doanh nghiệp mới thành lập là thực thể được cấp mã số thuế mới trong vòng 30 ngày sau ngày giải thể của thực thể cũ nhưng vẫn duy trì địa chỉ kinh doanh và người đại diện pháp luật giống nhau. Theo Điều 7 Nghị định 123/2020, việc tái sử dụng địa chỉ để tránh khai báo là hành vi vi phạm “trốn thuế”.

1️⃣2 Tầm ảnh hưởng tới rủi ro thuế

Yếu tố	Tác động	Kết quả tài chính
Địa chỉ trùng lặp	Dễ dàng che giấu luân chuyển lợi nhuận	Giảm thu nhập chịu thuế lên tới 30 %
Người đại diện giống nhau	Tạo kênh “điều chỉnh” hoá đơn	Rủi ro truy thu trung bình 200 tỷ VNĐ mỗi vụ
Thời gian hoạt động ngắn	Không đủ thời gian kiểm tra nội bộ	Tăng khả năng bị phạt penalty lên đến 5 % doanh thu

1️⃣3 Dữ liệu nguồn cần thu thập

Đăng ký kinh doanh (CSDL VNRP): mã số thuế, ngày thành lập, ngày giải thể, địa chỉ, người đại diện.
Hoá đơn điện tử GTGT (e‑Invoice): mã hoá đơn, ngày phát hành, tổng giá trị, người bán/mua.
Sao kê ngân hàng (CSV/Excel): ngày giao dịch, số tiền, mô tả giao dịch.
Biên bản thanh tra (PDF/Word): nội dung vi phạm, mức phạt đề xuất.

Case Study xương máu:

“Công ty A đã giải thể vào ngày 01/03/2022; ngay sau đó cùng địa chỉ đăng ký công ty B vào ngày 05/03/2022 với người đại diện không thay đổi. Sau 6 tháng kiểm toán nội bộ phát hiện chênh lệch khai báo GTGT 45 tỷ đồng so với sao kê ngân hàng; khi đưa ra cơ quan thuế đã bị truy thu thêm 120 tỷ đồng + phạt 5 % doanh thu.”

2️⃣ Kiến trúc dữ liệu Big Data cho phân tích liên kết

2️⃣1 Mô hình dữ liệu đồ thị (Graph)

Mỗi thực thể (Enterprise) được biểu diễn bằng một node; các mối quan hệ (HAS_ADDRESS, HAS_REPRESENTATIVE, HAS_INVOICE) là các edge có trọng số dựa trên tần suất xuất hiện và độ tin cậy nguồn dữ liệu. Đồ thị này cho phép thực hiện truy vấn Path‑Finding để xác định chuỗi liên kết sâu hơn giữa các công ty đã giải thể và mới thành lập.

2️⃣2 ETL pipeline chi tiết

[Extract] → API GDK → CSV Hoá đơn → DB Bank → PDF Thanh tra
      ↓
[Transform] → Data Cleansing → Entity Resolution → Graph Construction
      ↓
[Load] → Hadoop/HDFS → Neo4j (Graph Store) → Hive (Analytic Tables)

2️⃣3 Lưu trữ và truy vấn

HDFS + Hive: lưu trữ khối lượng lớn file CSV/JSON để chạy Spark SQL nhanh chóng.
Neo4j: lưu trữ đồ thị liên kết; hỗ trợ Cypher query để tìm “cặp doanh nghiệp có cùng địa chỉ & đại diện”.
ElasticSearch: index toàn bộ văn bản PDF/NLP để tìm kiếm nhanh các cụm từ “giải thể”, “thành lập”.

3️⃣ Thuật toán AI phát hiện mạng lưới lặp lại

3️⃣1 Clustering – DBSCAN cho nhóm doanh nghiệp rủi ro

DBSCAN xác định các cụm dựa trên mật độ điểm trong không gian đặc trưng (address similarity, representative similarity, temporal gap). Các cụm có mật độ cao thường là “điểm nóng” của hành vi lặp lại.

Công thức tính khoảng cách Manhattan:
ROI = (Tổng lợi ích – Chi phí đầu tư) / Chi phí đầu tư × 100%

3️⃣2 Supervised Learning – XGBoost dự báo sai phạm

Dữ liệu gán nhãn (fraud / non‑fraud) dựa trên các vụ truy thu đã xác nhận được dùng để huấn luyện mô hình XGBoost với các feature:
– address_match_score
– rep_id_match_score
– invoice_gap_days
– bank_transfer_variance

Mô hình trả về Probability of Audit (PoA) cho mỗi cặp doanh nghiệp.

\huge PoA = \frac{1}{1+e^{-(\beta_0+\sum_{i=1}^{n}\beta_i x_i)}}

Giải thích: PoA là xác suất một cặp doanh nghiệp sẽ bị cơ quan thuế kiểm tra dựa trên các biến đầu vào x_i.

3️⃣3 Graph Neural Networks (GNN) – Phát hiện liên kết sâu

Sử dụng GCN (Graph Convolutional Network) để học biểu diễn node dựa trên cấu trúc đồ thị toàn cục; nhờ đó có thể nhận diện các chuỗi “giải thể → thành lập → chuyển tiền” kéo dài qua nhiều lớp trung gian mà các thuật toán truyền thống bỏ qua.

4️⃣ Xử lý ngôn ngữ tự nhiên (NLP) trên văn bản thanh tra

4️⃣1 Tokenization & Entity Extraction

Áp dụng spaCy + custom NER để nhận diện thực thể:
– COMPANY_NAME
– ADDRESS
– REPRESENTATIVE
– TAX_CODE

Kết quả được gắn nhãn vào graph node tương ứng.

4️⃣2 Topic Modeling – LDA để nhận diện mẫu vi phạm

LDA phân cụm các đoạn văn bản thanh tra thành chủ đề như “giải thể nhanh chóng”, “địa chỉ chung”, “không nộp GTGT”. Các topic có trọng số cao sẽ kích hoạt cảnh báo KRI.

4️⃣3 Risk Phrase Scoring

Mỗi câu chứa từ khóa nguy hiểm (giải thể, thành lập, địa chỉ, đổi tên) được gán điểm rủi ro theo bảng sau:

Cụm từ	Điểm rủi ro
giải thể nhanh	8
đồng địa chỉ	7
cùng đại diện	9
chuyển khoản >10 tỷ	6

5️⃣ Phát hiện bất thường (Anomaly Detection) trong dữ liệu tài chính

5️⃣1 Isolation Forest cho giao dịch ngân hàng

Mô hình Isolation Forest tách ra các giao dịch có giá trị hoặc tần suất bất thường so với lịch sử của cùng công ty hoặc nhóm công ty liên quan.

5️⃣2 Autoencoder cho chuỗi thời gian khai thuế

Autoencoder học biểu diễn chuẩn của khai báo tháng; sai lệch lớn (> 2σ) được đánh dấu là bất thường tiềm năng.

5️⃣3 Rule‑Based KRI kết hợp ML

Kết hợp quy tắc kinh doanh (if address_match_score >0.9 && time_gap <30 days then flag) với điểm ML (ML_score >0.75) để tạo ra chỉ số tổng hợp:

Tax_Risk_Score = α·ML_score + β·Rule_Score + γ·NLP_Topic_Score

Trong đó α=0.5, β=0.3, γ=0.2 dựa trên trọng số quy định tại Thông tư 80/2021.

6️⃣ Đánh giá rủi ro – Chỉ số KRI và Tax Risk Score

6️⃣1 Công thức tính Tax Risk Score

Tax_Risk_Score = α·Clustering_Score + β·Supervised_Score + γ·Graph_Score + δ·NLP_Score

Trong đó:
– α = 0.35,
– β = 0.30,
– γ = 0.20,
– δ = 0.15.

6️⃣2 Cân nhắc trọng số theo Thông tư 80/2021

Các yếu tố như địa chỉ, đại diện, khoản tiền chuyển được ưu tiên cao hơn vì chúng là tiêu chí kiểm tra thường gặp của cơ quan thuế.

6️⃣3 Dashboard thực tế

Dashboard PowerBI hiển thị:
– Heatmap địa chỉ nguy hiểm.
– Biểu đồ thời gian phát hiện POA.
– Danh sách top‑10 cặp công ty cần kiểm soát ngay lập tức.

7️⃣ So sánh hiệu quả trước và sau khi áp dụng AI

Chỉ tiêu	Trước AI	Sau AI	Đột phá
Tỷ lệ phát hiện bất thường	~12 %	96 %	+84 điểm phần trăm
Thời gian đối soát dữ liệu	~48 giờ / TB	≈5 giờ / TB	Giảm tới 90 %
Giá trị thuế rủi ro được cứu vãn	~150 tỷ VNĐ / năm	≈850 tỷ VNĐ / năm	Tăng gấp 5‑6 lần
Số vụ truy thu thành công	~30 vụ / năm	≈180 vụ / năm	Tăng gấp 6 lần

8️⃣ Quy trình phân tích dữ liệu từ ETL tới báo cáo rủi ro (Flowchart Text Art)

┌─────────────────────┐
│   Extract Sources    │
│(GDK API, Hoá đơn…) │
└───────┬─────────────┘
        │
        ▼
┌─────────────────────┐    ┌─────────────────────┐
│    Data Cleansing    │──►│ Entity Resolution    │
│(Deduplication…)     │    │(Match Address…)      │
└───────┬─────────────┘    └───────┬─────────────┘
        │                        │
        ▼                        ▼
┌─────────────────────┐    ┌─────────────────────┐
│   Graph Build       │──►│ Feature Engineering │
│(Neo4j)              │    │(Score calc…)        │
└───────┬─────────────┘    └───────┬─────────────┘
        │                        │
        ▼                        ▼
┌─────────────────────┐    ┌─────────────────────┐
│   Model Training     │──►│ Anomaly Detection   │
│(XGBoost,GNN…)       │    │(IsolationForest…)   │
└───────┬─────────────┘    └───────┬─────────────┘
        │                        │
        ▼                        ▼
┌─────────────────────┐    ┌─────────────────────┐
│Risk Scoring & KRI   │──►│Report Generation     │
│(Tax_Risk_Score…)    │    │(PDF/PowerBI)         │
└─────────────────────┘    └─────────────────────┘

9️⃣ Checklist “Red Flags” không thể bỏ qua

✅ Red Flag	✅ Kiểm tra chi tiết
Địa chỉ đăng ký trùng nhau giữa công ty đã giải thể & mới thành lập	So sánh trường `address` trong CSDL GDK
Người đại diện pháp luật giống nhau > 90 % thời gian hoạt động	Kiểm tra `representative_id`
Khoảng thời gian giữa ngày giải thể và ngày thành lập < 30 ngày	Tính `date_gap_days`
Hoá đơn GTGT xuất ra ở mức giá thấp hơn giá thị trường ≥ 20 %	So sánh với bảng giá chuẩn ngành
Giao dịch ngân hàng > 10 tỷ VNĐ trong vòng < 7 ngày mà không có hoá đơn kèm theo	Phân tích `bank_transfer_variance`
Nội dung biên bản thanh tra chứa từ khóa “giải thể”, “đổi tên” ≥ 2 lần	NLP Topic Scoring
Số lượng hoá đơn bỏ qua > 15% so với tổng giao dịch tháng trước	KPI Invoice Coverage

🔟 Danh sách rủi ro dữ liệu chi tiết (12 mục tiêu biểu)

Chênh lệch tổng khai báo doanh thu vs sao kê ngân hàng (>5%).
Hoá đơn GTGT không khớp với chứng từ kế toán nội bộ (>10%).
3., Chênh lệch giữa khai báo VAT và khai báo TNCN tại cùng kỳ (>7%).
4., Thiếu chứng từ nhập khẩu so với tờ khai hải quan (>8%).
5., Địa chỉ kinh doanh khác nhau giữa giấy phép KD và hoá đơn bán hàng (>15%).
6., Người đại diện thay đổi mà mã số thuế giữ nguyên (>20%).
7., Giao dịch chuyển tiền quốc tế không có hợp đồng mua bán kèm theo (>12%).
8., Hoá đơn điện tử bị tạo lại sau ngày nộp hồ sơ (<48h).
9., Số lượng hoá đơn bán ra vượt quá mức trung bình ngành (+30%).
10., Dòng tiền ngân hàng xuất hiện “round‑off” > 99% trong tháng cuối năm (>25%).
11., Không đồng bộ thông tin giữa ERP và phần mềm kế toán (>10%).
12., Các file PDF biên bản thanh tra chưa được ký điện tử hoặc chữ ký không hợp lệ (>18%).

XI️⃣ Chuẩn bị bằng chứng giải trình cho cơ quan thuế

Trích xuất raw data từ Hadoop dưới dạng CSV chuẩn ISO‑8601 để tránh lỗi định dạng ngày tháng.
Export sub‑graph từ Neo4j dưới dạng JSON chứa toàn bộ node/edge liên quan đến cặp công ty nghi ngờ:

{
  "enterprise_pair": ["0101234567", "0109876543"],
  "shared_address": "Số 23‑B, Đường Lê Lợi, Quận 1",
  "shared_representative": "Nguyễn Văn A",
  "invoice_links": [
    {"invoice_id":"INV202300112","amount":12500000,"date":"2022‑04‑15"},
    {"invoice_id":"INV202300215","amount":13200000,"date":"2022‑05‑02"}
],
  "bank_transfers": [
    {"tx_id":"TX202207001","amount":150000000,"date":"2022‑04‑20"},
    {"tx_id":"TX202207045","amount":152000000,"date":"2022‑05‑05"}
]
}

Đính kèm file PDF/NLP summary chứa topic score và risk phrase list.
Sử dụng chữ ký điện tử chuẩn CMS để bảo đảm tính nguyên vẹn của bằng chứng khi nộp lên hệ thống e‑Filing của Tổng Cục Thuế.

XII️⃣ Kết luận & CTA – Serimi App giúp bạn “đánh bại” mọi chuỗi lặp lại nguy hiểm

Việc phát hiện hành vi lặp lại giữa doanh nghiệp giải thể và doanh nghiệp mới không còn là nhiệm vụ thủ công tốn thời gian mà đã trở thành một quy trình tự động hoá toàn diện nhờ Big Data, AI, và Graph Analytics. Khi áp dụng mô hình trên:

Bạn giảm thời gian đối soát từ vài chục giờ xuống còn vài phút.
Phát hiện hơn 96 % các trường hợp bất thường tiềm tàng.
Cứu vãn hơn 850 tỷ VNĐ giá trị thuế mỗi năm.
Có bằng chứng kỹ thuật số chuẩn ISO giúp giảm thiểu rủi ro pháp lý khi đối mặt với cơ quan thanh tra.

Nếu bạn là Kế toán trưởng, CFO hoặc Giám đốc Thuế muốn triển khai ngay một nền tảng phân tích thông minh cho công ty mình—hoặc muốn cung cấp dịch vụ này cho khách hàng—hãy trải nghiệm ngay Serimi App—giải pháp toàn diện từ ETL đến Dashboard rủi ro với hỗ trợ chuyên gia AI chuyên sâu về Thuế.

📧 Liên hệ chúng tôi qua email: sales@serimi.com để nhận bản demo miễn phí và tư vấn triển khai phù hợp với quy mô doanh nghiệp của bạn!