Σήμερα Γιορτάζουν:

ΠΛΑΤΩΝΑΣ

18 Νοεμβρίου 2026

ΑΑΔΕ: Πώς ο αλγόριθμος Jaccard ξεσκεπάζει εταιρείες-φαντάσματα

πρΑΙμ Σύνοψη Άρθρου

  • Ο δείκτης Jaccard συγκρίνει σύνολα δεδομένων επιχειρήσεων για τον εντοπισμό κρυφών σχέσεων.
  • Στη Θεσσαλονίκη, εντοπίστηκαν 719 κρίκοι μεταξύ 369 ΑΦΜ με όριο Jaccard 5%.
  • Το σύστημα οδήγησε στην εξάρθρωση κυκλώματος 380 επιχειρήσεων με οφειλές 43 εκατ. ευρώ.
  • Οι αλγόριθμοι επιλέγουν αυτόματα υποθέσεις υψηλού κινδύνου για στοχευμένους ελέγχους.
  • Ο δείκτης συνδυάζεται με δεδομένα από ΓΕΜΗ, τράπεζες και ηλεκτρονικές πληρωμές.

Η Ανεξάρτητη Αρχή Δημοσίων Εσόδων (ΑΑΔΕ) έχει ενσωματώσει στην επιχειρησιακή της λειτουργία ένα καινοτόμο σύστημα ανάλυσης κινδύνου, το οποίο βασίζεται στον δείκτη ομοιότητας Jaccard, με στόχο τον εντοπισμό και την εξάρθρωση δικτύων εικονικών εταιρειών, γνωστών και ως «εταιρειών-φαντασμάτων», καθώς και τη διαλεύκανση υποθέσεων αχυρανθρώπων. Το εν λόγω εργαλείο εφαρμόστηκε με επιτυχία στην υπόθεση της Θεσσαλονίκης, όπου αποκαλύφθηκε ένα εκτεταμένο κύκλωμα με εκατοντάδες επιχειρήσεις και φυσικά πρόσωπα.

Η μεθοδολογία του δείκτη Jaccard

Ο δείκτης Jaccard αποτελεί ένα στατιστικό μέτρο που χρησιμοποιείται για τη σύγκριση της ομοιότητας μεταξύ δύο συνόλων δεδομένων. Στην προκειμένη περίπτωση, κάθε επιχείρηση αντιμετωπίζεται ως ένα σύνολο χαρακτηριστικών, όπως τα φυσικά πρόσωπα που εμπλέκονται (εταίροι, μέτοχοι, διαχειριστές, νόμιμοι εκπρόσωποι), οι επαγγελματικές έδρες, τα στοιχεία επικοινωνίας (τηλέφωνα, email), οι λογιστές, οι τραπεζικοί λογαριασμοί, αλλά και οι εμπορικές συναλλαγές (πελάτες, προμηθευτές) όπως αυτές προκύπτουν από τα δεδομένα του myDATA και τις δηλώσεις ΦΠΑ. Ο αλγόριθμος συγκρίνει αυτά τα σύνολα μεταξύ διαφορετικών ΑΦΜ και υπολογίζει τον δείκτη ομοιότητας, ο οποίος κυμαίνεται από 0 έως 1. Όσο πιο κοντά στο 1 είναι ο δείκτης, τόσο μεγαλύτερη είναι η πιθανότητα οι δύο επιχειρήσεις να ανήκουν στο ίδιο δίκτυο.

Η διαδικασία περιλαμβάνει συστηματικούς ελέγχους: αρχικά, γίνεται σύγκριση φυσικών προσώπων για τον εντοπισμό επαναλαμβανόμενων προσώπων σε διαφορετικά εταιρικά σχήματα. Στη συνέχεια, διασταυρώνονται υποδομές και επαφές, όπως κοινές έδρες, τηλέφωνα, email, λογιστές ή τραπεζικοί λογαριασμοί. Ακολούθως, αναλύονται οι εμπορικές συναλλαγές μέσω της επικάλυψης πελατών και προμηθευτών, χρησιμοποιώντας δεδομένα από το myDATA και τις δηλώσεις ΦΠΑ. Τέλος, πραγματοποιείται «χαρτογράφηση» δικτύων, όπου αποτυπώνεται παραστατικά ολόκληρο το κύκλωμα. Χαρακτηριστικό παράδειγμα αποτελεί η εξάρθρωση μεγάλου κυκλώματος 380 επιχειρήσεων και 205 προσώπων, τα οποία είχαν συσσωρεύσει οφειλές ύψους 43 εκατομμυρίων ευρώ προς το Δημόσιο.

Υπολογισμός και ερμηνεία του δείκτη

Για την κατανόηση της λειτουργίας του δείκτη, παρατίθεται ένα παράδειγμα: Έστω ένα πρόσωπο Α που εμφανίζεται σε 15 εταιρείες και ένα πρόσωπο Β που εμφανίζεται σε άλλες 15 εταιρείες. Αν από τις συνολικά 30 εταιρείες, οι 10 είναι κοινές και για τα δύο πρόσωπα, τότε το σύνολο των διαφορετικών εταιρειών που ελέγχονται είναι 20 (15+15-10). Ο δείκτης Jaccard υπολογίζεται ως ο λόγος των κοινών εταιρειών προς το σύνολο των διαφορετικών εταιρειών, δηλαδή 10/20 = 0,5 ή 50%. Αυτό σημαίνει ότι οι μισές από τις εταιρείες στις οποίες εμπλέκονται τα δύο πρόσωπα είναι κοινές. Τα ζευγάρια με υψηλή ομοιότητα και κοινά πρόσωπα συνδέονται ως «κρίκοι». Από τους κρίκους αυτούς προκύπτουν «αλυσίδες» και ομάδες επιχειρηματικών σχέσεων, οι οποίες στη συνέχεια ελέγχονται για ενδείξεις παράνομων δραστηριοτήτων.

Εφαρμογή στην υπόθεση της Θεσσαλονίκης

Στην υπόθεση της Θεσσαλονίκης, το ΔΕΟΣ της ΑΑΔΕ χρησιμοποίησε τον δείκτη Jaccard για να εντοπίσει εκατοντάδες «κρίκους» μεταξύ ΑΦΜ, δηλαδή σχέσεις ανά δύο, με τουλάχιστον δύο κοινές εταιρείες σε κάθε ζευγάρι. Με τη συνένωση αυτών των κρίκων, προέκυψαν αλυσίδες και ομάδες. Ειδικότερα, με όριο Jaccard άνω του 5%, εντοπίστηκαν 719 κρίκοι μεταξύ 369 ΑΦΜ, οι οποίοι σχημάτισαν 29 ομάδες, με τη μεγαλύτερη να περιλαμβάνει 262 ΑΦΜ. Με όριο άνω του 10%, βρέθηκαν 504 κρίκοι μεταξύ 330 ΑΦΜ, σε 60 ομάδες, με τη μεγαλύτερη να έχει 34 ΑΦΜ. Τέλος, με όριο άνω του 20%, εντοπίστηκαν 358 κρίκοι μεταξύ 270 ΑΦΜ, σε 77 ομάδες, με τη μεγαλύτερη να περιλαμβάνει 13 ΑΦΜ. Πρακτικά, αν ο Α συνδέεται με τον Β και ο Β με τον Γ, δημιουργείται μια αλυσίδα, χωρίς απαραίτητα ο Α να συνδέεται άμεσα με τον Γ. Καθώς αυξάνεται το όριο ομοιότητας, διατηρούνται προς έλεγχο μόνο οι ισχυρότερες συνδέσεις, με αποτέλεσμα οι μεγάλες αλυσίδες να «σπάνε» σε μικρότερες ομάδες, επιτρέποντας στην έρευνα να επικεντρωθεί στις συγκεκριμένες κοινές εταιρείες και στις σχέσεις μεταξύ των προσώπων. Η ΑΑΔΕ διευκρινίζει ότι οι ομάδες αυτές δεν θεωρούνται αυτομάτως αποδεδειγμένα κυκλώματα, αλλά συγκεντρώνουν ενδείξεις προς έλεγχο, διευκολύνοντας δραστικά τον εντοπισμό τους.

Μετασχηματισμός των φορολογικών ελέγχων

Η ενσωμάτωση του δείκτη Jaccard στη «φαρέτρα» ελέγχων της φορολογικής διοίκησης έχει μετασχηματίσει ριζικά τον τρόπο διεξαγωγής τους. Οι αλγόριθμοι επιλέγουν αυτόματα υποθέσεις υψηλού κινδύνου και κατευθύνουν τους ελεγκτές στον πυρήνα των πιθανών κυκλωμάτων. Ειδικότερα, το εργαλείο χρησιμοποιείται για τον εντοπισμό ύποπτων ΑΦΜ, επιτρέποντας στις υπηρεσίες της ΑΑΔΕ να εντοπίζουν με ταχύτητα ύποπτα μοτίβα και να διενεργούν στοχευμένους ελέγχους χωρίς ανθρώπινη παρέμβαση. Επιπλέον, ο δείκτης συνδυάζεται με δεδομένα από το ΓΕΜΗ, τις τράπεζες, τα κτηματολογικά στοιχεία και τις ηλεκτρονικές πληρωμές, δημιουργώντας ένα ενιαίο ψηφιακό προφίλ κινδύνου για κάθε επιχείρηση. Η ΑΑΔΕ παραθέτει σχετικό βίντεο, στο οποίο παρουσιάζεται σχηματικά η εξέλιξη της έρευνας στη συγκεκριμένη υπόθεση, ακολουθώντας μια μεθοδολογία που εφαρμόζεται σε όλες τις αντίστοιχες περιπτώσεις. Στο βίντεο, τα τετράγωνα που καταλήγουν με κόκκινο πλαίσιο χαρακτηρίζονται ως «επικίνδυνες» περιπτώσεις.