Avviso

Dal 1° gennaio 2024 diventa operativa l'incorporazione di SOSE in Sogei, come previsto dalla legge n.112 del 2023 che ha disposto la fusione della società.

A tal fine tutte le comunicazioni Sose si trovano sul sito Sogei www.sogei.it

 

WEST 2018

Nuove prospettive sull’utilizzo delle informazioni per il fisco, le pmi e gli enti locali

 

Quali sono le nuove frontiere metodologiche dell'amministrazione tributaria?

Come utilizzare le tecniche statistiche e di machine learning per migliorare i servizi e l’efficienza del fisco e degli Enti locali nell’era dei Big Data?

Lo studio dei fenomeni economici, le nuove modalità di lavorazione dei dati e le tecniche statistiche impiegate per fare inferenza e dunque previsione sono sottoposti ad una continua evoluzione.

SOSE, da oltre 20 anni, in qualità di partner metodologico dell’amministrazione fiscale ha messo in campo rilevanti innovazioni in campo teorico e metodologico unitamente a nuove modalità di acquisizione e analisi di milioni di informazioni riguardanti le PMI e gli Enti locali.

L’obiettivo è quello di conoscere e valutare quali best practice possano permettere di migliorare la qualità dell’offerta della pubblica amministrazione ponendo qualche interrogativo su nuovi possibili scenari.

 

Sessione Enti locali – Finanza Pubblica

Chair: Prof. Fabio Fiorillo

Relatori: Prof. Leonzio Rizzo - Utilizzo dei dati per lo studio delle forme di gestione associata

               Prof. Alberto Zanardi - Riflessioni sul sistema di finanziamento dei comuni a quasi dieci anni dalla legge 42: quale futuro per l’attuale sistema di perequazione?

 

Sessione Imprese – Fisco e servizi

Chair: Prof. Roberto Rocci

Relatori: Prof. Franco Peracchi - Metodi per l’analisi di dati longitudinali      

               Prof. Alessandro Santoro - La compliance fiscale nell'era dei big data: considerazioni sul caso italiano

 

Chair: Dott. Carlo Sappino

Relatore: Prof. Maurizio Vichi - Misure di valutazione mediante indicatori compositi

 

Sessione Big data

Chair: Prof. Gianluca Cubadda

Relatore: Prof. Marco Scarnò - Big Data Analytics e machine learning