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.
Copyright (c) 2022 Rivista italiana di informatica e diritto
Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Non commerciale - Condividi allo stesso modo 4.0 Internazionale.