О решениях проблем нелегальной аренды жилья в Казахстане рассказал эксперт

По приблизительным оценкам компетентных органов, каждая вторая квартира в стране сдается нелегально, а значит, государство ежегодно недополучает в бюджет налоги, которые исчисляются сотнями миллионов тенге.

Своим мнением о том, какие механизмы могут помочь ее преодолеть, используя новые технологии, с медиа-порталом Caravan.kz поделился Андрей ДЕНИСЕНКО, руководитель направления аналитических решений для государственных организаций компании SAS Россия/СНГ.

Пути решения

За прошедшие месяцы 2018 года арендодатели жилья заплатили в государственную казну налоги на общую сумму 110 млн тенге. Прогнозируется, что по итогам года сбор составит около 230 млн тенге. При этом, по мнению Комитета госдоходов МФ РК, эта сумма должна быть вдвое больше – ведомство уверено, что около 40 – 50% сдаваемых квартир до сих пор находятся в тени. Эти цифры слишком высоки, чтобы оставлять их без внимания, поэтому госорганы ищут пути решения этой проблемы.

Так, с одной стороны, вводятся налоговые послабления для арендодателей, которые призваны мотивировать их к регистрации в качестве индивидуального предпринимателя или к приобретению патента. Например, в начале 2018 года первый вице-министр национальной экономики Руслан Даленов объявил о том, что налог на сдачу квартиры в аренду в Казахстане снижен вдвое – представители малого бизнеса теперь должны платить всего 1% от дохода вместо 2%, как было ранее. Кроме того, пересмотрен режим предоставления отчетности в сторону упрощения – многих арендодателей от перехода на легальные рельсы удерживает не столько жажда дополнительной прибыли за счет неуплаты налога, сколько сложная система отчетности.

Второй путь, которым идут госструктуры для снижения объемов нелегально сдаваемого жилья – это контрольные мероприятия. Однако сложность проверок заключается в том, что не очень понятно, куда идти и что искать. В настоящее время, как сообщают в Управлении камерального контроля КГД Министерства финансов, нелегальные квартиросъемщики (и, как следствие – нелегальные арендодатели) выявляются спонтанным образом путем сбора всех возможных данных: они поступают из Департамента внутренних дел, кооперативов собственников квартир и даже, например, из жалоб соседей.

Технологии позволяют сделать аренду честной

Благодаря современным технологиям появились новые механизмы, которые успешно решают эту задачу без обхода квартир или сообщений от жильцов, которые недовольны шумными соседями. Речь идет об инструментах предиктивной аналитики. Работает это так: восстанавливается зависимость между характеристиками объекта и некоторым неизвестным свойством объекта – в нашем случае это факт сдачи жилья легально или нелегально. Другими словами, формируются профили квартир, сдающихся легально или нелегально. Чтобы выполнить такой анализ, нужно сформировать базу прецедентов – собрать достоверные случаи легальной или нелегальной аренды жилья. Каждая запись в этой базе должна обладать большим числом параметров как о самом жилье, так и о его владельце, при этом информация собирается из всех доступных источников – от данных жилкооператива до соцсетей.

На основе всех этих данных встраивается математическая модель, которая показывает зависимость между характеристиками жилья и фактом его нелегальной сдачи в аренду. Модель может быть использована для анализа всех остальных квартир. Таким образом контролирующие органы смогут определить, с чем они имеют дело– с легальной или с нелегальной арендой квартиры. Точно такие же инструменты успешно применяются в казахстанских (и не только казахстанских) банках, когда принимается решение о выдаче или невыдаче кредита: на основе прецедентов потенциальный заемщик анализируется на предмет платежеспособности. Модель сопоставляет его характеристики с теми, кто взял и вернул кредит, и теми, кто не вернул кредит либо выплатил его с нарушениями. Затем формируется рекомендация: выдавать или не выдавать кредит, и если выдавать, то сколько, причем инструменты автоматизированной аналитики позволяют делать это практически в режиме реального времени.

Точность таких моделей позволяет выявлять до 90-95% нарушений. Модель обучается с поступлением информации о новых фактах нелегальной или легальной аренды, сохраняявысокий уровень точности.

Проект с выявлением нелегальной аренды может стать «быстрой победой» и продемонстрировать эффект для государства от внедрения аналитики. Но в принципе, мы видим, что инструменты предиктивной аналитики находят всё более широкое применение в госсекторе.