Foto: Monstera Production/Pexels Desconhecer tabelas de um sistema é uma forma confortável de expressar a falta de entusiasmo ou interesse em aprender um sistema. No mundo digital atual a grande maioria de informações é tabelada para que os sistemas possam processar e categorizar dados para transformá-los em informações úteis para tomadas de decisões.
Apenas para exemplificar, se não há interesse no tema das retenções de tributos federais como Programa de Integração Social/Programa de de Formação do Patrimônio do Servidor Público (PIS/PASEP), Contribuição sobre o Financiamento da Seguridade Social (COFINS) ou Imposto de Renda Retido na Fonte (IRRF) não há motivo para alguém conhecer a melhor a tabela de Natureza de Rendimentos 01 da Escrituração Fiscal Digital de Retenções e Outras Informações Fiscais (EFD-REINF). Tampouco haverá interesse no relacionamento desta tabela com os códigos de recolhimento (DARFs). E assim sucessivamente.
Assim, segue o raciocínio com outras fontes de informações, para conhecer um sistema de informações um requisito básico é conhecer qual o método de categorizar as informações. Um sistema de pagamentos de pessoas possuirá tabelas de cargos e outras tabelas de categorização desta e de outras relações, por exemplo, remunerações dos cargos, cursos exigidos para os cargos, escolaridade recomendada para os cargos etc. Chamamos comumente de tabelas filhas no ambiente computacional (ou de sistemas, se preferir).
Diante disso, é esperado que profissionais que operam os sistemas conheçam suas tabelas. Um analista fiscal saberá onde procurar no sistema a relação de Códigos Fiscais de Operações (CFOP) , e os parâmetros relacionais destas operações, bem como tabelas filhas como incidências, limites e outros parâmetros.
Quanto maior ou mais complexo o sistema, mais tabelas serão criadas para categorizar as informações e permitir que o sistema entregue informações úteis. Com o advento da Inteligência artificial (IA), os sistemas têm se utilizado da capacidade desses algoritmos para interpretar dados e categorizar de forma automática textos, imagens, sons e uma infinidade de dados. Esses algoritmos são chamados de complexos.
Na linha de algoritmos simples podemos citar os sistemas administrativos, dentre eles os sistemas fiscais. Quase tudo em sistemas fiscais são tabelados. Veja-se o caso do Sistema Público de Escrituração Digital (Sped) .
Neste sistema a quantidade de tabelas é bastante significativa, pois para gerar resumos e apurações as operações devem estar tabeladas. A técnica do tabelamento não extingue conhecer as tabelas, tampouco o esforço para a partir das tabelas qualificar os dados para análise.
Um exemplo é a Declaração de Incentivos, Renúncias, Benefícios e Imunidades de Natureza Tributária (DIRBI). Esta declaração é um exemplo de desconhecimento do sistema. Os profissionais da Receita Federal do Brasil, provavelmente por desconhecimento, solicitaram informações no Centro Virtual de Atendimento ao Contribuinte (eCAC) dos contribuintes de informações que já possuem e estão tabeladas nas obrigações.
Tomemos como exemplo o pedido de informações sobre créditos presumidos de PIS/PASEP e COFINS em operações de carne ovina e caprina – industrialização. São número dez exigido na DIRBI e código 106 no registro F100 da EFD-Contribuições (tabela 4.3.9).
DIRBI
EFD-Contribuições
A pergunta que somente pessoas interessadas na informação poderiam responder: o que está faltando na EFD-Contribuições para que seu processamento e utilização seja proveitoso para a RFB? Nota-se que o embasamento legal é o mesmo, portanto provavelmente diz respeito ao mesmo benefício. O enseja pedir novamente na DIRBI, bem como outros casos como a desoneração da folha de salários que está no eSocial (base cheia/desonerada) e R4060 da EFD-REINF (contribuição pela receita bruta).
Eu sou o consultor e professor Mauro Negruni. Atuo na integração de informações tributárias e fiscais e melhorias de processos e sistemas para qualificar a assertividade no cumprimento das obrigações acessórias. Poderá me encontrar no LinkedIn e no Instagram por @mauronegruni.
