Steekproefschrift

Publicatiedatum 23-09-2025

Op deze pagina vindt u informatie over het algoritme steekproefscript. Dit algoritme neemt een statistische steekproef uit een bepaalde populatie.

Situatie, doel en algemene omschrijving

Het steekproefscript wordt gebruikt voor het automatiseren van het nemen van een statistische steekproef bij boekenonderzoeken bij bedrijven. 

Het wordt gebruikt om een populatie die vaak uit grote aantallen mutaties bestaat op nauwkeurige wijze te beoordelen, bijvoorbeeld kosten of geclaimde voorbelasting.

Met het steekproefscript kan uit een (deel van een) administratie een steekproef worden genomen, die representatief is voor het geheel. Het doel van de steekproef is om zo efficiënt mogelijk de aanvaardbaarheid van het geheel vast te stellen.
Technisch gezien maakt het steekproefscript gebruik van 'cell sampling'. Hierbij wordt de populatie in gelijke intervallen verdeeld, waarna aselect uit ieder interval één euro(cent) wordt getrokken. De mutatie waarin de getrokken euro(cent) valt wordt dan door de controleambtenaar beoordeeld, bijvoorbeeld een factuur. Er wordt bij de trekking gebruik gemaakt van het SAMPLE-commando uit het programma Arbutus Analyzer en SEED. Het toepassen van dezelfde SEED op dezelfde populatie zorgt voor exact dezelfde steekproef. De steekproef is hiermee (ook voor het bedrijf) volledig transparant en reproduceerbaar.

Voordelen gebruik algoritme

Het steekproefscript zorgt voor een uniform gebruik binnen de Belastingdienst. Wijzigingen in het landelijke beleid kunnen centraal worden doorgevoerd zodat de meest actuele versie wordt gebruikt. Alternatief is dat men zelf de statistische maatstaven waarmee de steekproef wordt getrokken vastlegt, en de steekproef zelf neemt in Arbutus. Dit is foutgevoeliger dan een centrale aanpak.

Ook leidt het script tot standaard rapportage voor controledossier, tijdbesparing voor IT-auditor en standaard uitvoer naar de bedrijven.

Het script zorgt voor aselecte trekking van te controleren geldeenheden, waarmee de steekproef aantoonbaar representatief is voor de populatie waaruit de steekproef is getrokken. Door het gebruik van het steekproefscript wordt iedere menselijke voorkeur uitgesloten bij de uitvoering van juistheidscontroles.

Het trekken van geldsteekproeven is belangrijk voor een objectieve, doelmatige en transparante uitvoering van boekenonderzoeken bij belastingplichtigen. Het algoritme kan een medewerker van de Belastingdienst daarbij ondersteunen. De beoordeling is daardoor zorgvuldiger en efficiënter. 

Gegevens, gegevensverwerking en controle

De volgende gegevens worden ingevoerd in het algoritme:

Gebruikte gegevens	Bron
Mutaties uit de Financiële administratie	Bedrijf zelf

Wettelijke basis

De gegevens in bovenstaande tabel worden voor het doel van het algoritme verwerkt om de volgende wetten uit te voeren:

• Algemene wet inzake rijksbelastingen
• Wet op de Loonbelasting 1964
• Wet Inkomstenbelasting 2001
• Wet op de Vennootschapsbelasting 1969
• Wet op de Omzetbelasting 1968

Type algoritme

Het steekproefscript levert een statistische steekproef op. De controlemedewerker beoordeelt de door de steekproef (aselect) aangewezen mutaties. 

Het algoritme is niet zelflerend. Dat betekent dat het algoritme zichzelf niet ontwikkelt tijdens het gebruik ervan.

Controle

Het algoritme is door medewerkers van bij de Belastingdienst ontwikkeld en wordt ook intern onderhouden. 

De selectieregels worden periodiek beoordeeld en zo nodig bijgesteld om te blijven voldoen aan wet- en regelgeving. 

Privacy en AVG

Het gebruik van de gegevens moet worden getoetst aan de Algemene Verordening Gegevensbescherming (AVG). Door het toetsen van persoonsgegevens komen eventuele privacyrisico's in beeld en kunnen passende maatregelen worden genomen. 

De AVG schrijft voor dat er niet meer gegevens gebruikt mogen worden dan noodzakelijk is. Dat heet dataminimalisatie. De Belastingdienst onderzoekt regelmatig of de gebruikte gegevens nog nodig zijn en dus gebruikt mogen worden. 

Gebruik bijzondere persoonsgegevens

In het algoritme worden geen bijzondere persoonsgegevens gebruikt.

Gelijkheid en non-discriminatie

Het algoritme wordt beoordeeld in lijn met toepasselijke non-discriminatiebeginselen voor directe en indirecte discriminatie. Door zo min mogelijk persoonsgegevens te verwerken, wordt het risico op directe discriminatie verkleind. Medewerkers die betrokken zijn bij de ontwikkeling en het beheer van de algoritmen, krijgen training over gegevensbescherming en vooroordelen. 

Waarborgen

De Algemene wet bestuursrecht (Awb) vereist dat het handelen van de overheid transparant en rechtmatig is. De Belastingdienst neemt bij de toepassing en ontwikkeling van algoritmen de algemene beginselen van behoorlijk bestuur in acht.

Menselijke tussenkomst

Menselijke tussenkomst in de context van de Belastingdienst houdt in dat een bevoegde en deskundige medewerker een wezenlijke rol speelt in de besluitvorming.

Bij de werking van het algoritme is altijd sprake van menselijke tussenkomst. Het algoritme detecteert en selecteert de te controleren boekingen in de financiële administratie. Het is de medewerker van de Belastingdienst die de beslissing neemt. De aangewezen boeking wordt door de medewerker van de Belastingdienst gecontroleerd op fiscale juistheid, waarbij het steekproefscript in het geheel geen rol speelt.