Processi decisionali efficienti e affidabili tramite analisi visuale con metodologia human-in-the-loop: un caso di studio sulla valutazione del rischio fiscale

Abstract

Il data mining e l’intelligenza artificiale sono sempre più utilizzati nell’analisi dei dati. L’ideale sarebbe ottenere un’automazione completa, ma in molte applicazioni ciò comporta rischi significativi. In questi casi è necessario il coinvolgimento diretto di analisti umani per raffinare l’analisi o per prendere le decisioni finali. Un problema rilevante è quindi come garantire un processo decisionale efficiente e affidabile nel quale gli esseri umani sono parte integrante del processo di analisi. Proponiamo una metodologia human-in-the-loop che sfrutta il data mining, il machine learning, e la visualizzazione per migliorare il processo di analisi. Un elemento chiave è l’uso di una dashboard visuale intuitiva, di supporto all’individuazione di relazioni e pattern di dati nascosti. Come caso di studio, descriviamo un’applicazione di questa metodologia per l’analisi del rischio fiscale nell’ambito delle attività dell’Agenzia delle Entrate.