IT विभागानं बँका आणि म्युच्युअल फंडांना बजावली नोटीस! SFT फाईलिंगमध्ये चुकांमुळे वाढला धोका

BANKINGFINANCE
Whalesbook Logo
AuthorSiddharth Joshi|Published at:
IT विभागानं बँका आणि म्युच्युअल फंडांना बजावली नोटीस! SFT फाईलिंगमध्ये चुकांमुळे वाढला धोका
Overview

31 मे पर्यंत Statement of Financial Transactions (SFT) फाईल करण्याची अंतिम मुदत जवळ येत असताना, भारतातील आयकर विभागाने बँका, म्युच्युअल फंड आणि NBFCs कडून होणाऱ्या वारंवार चुकांवर तीव्र नाराजी व्यक्त केली आहे. डुप्लिकेट नोंदी, चुकीचे व्यवहार मूल्य आणि PAN डिटेल्स नसणे या सामान्य चुका आहेत. या चुकांमुळे Annual Information Statement (AIS) मध्ये गोंधळ होतो, ज्यामुळे व्यक्तींना ऑटोमेटेड टॅक्स स्क्रूटिनीचा सामना करावा लागतो आणि संस्थांना अंतर्गत तपासणी वाढवावी लागते.

Instant Stock Alerts on WhatsApp

Used by 10,000+ active investors

1

Add Stocks

Select the stocks you want to track in real time.

2

Get Alerts on WhatsApp

Receive instant updates directly to WhatsApp.

  • Quarterly Results
  • Concall Announcements
  • New Orders & Big Deals
  • Capex Announcements
  • Bulk Deals
  • And much more

कर भरण्यातील अनुपालन समस्या (Compliance Issues)

आयकर विभाग बँका, म्युच्युअल फंड आणि नॉन-बँकिंग फायनान्शियल कंपन्या (NBFCs) कडून होणाऱ्या आर्थिक व्यवहारांच्या रिपोर्टिंगमधील प्रणालीगत समस्यांवर बोट ठेवत आहे. Statement of Financial Transactions (SFT) फाईल करण्याची 31 मे ची अंतिम मुदत जवळ येत असल्याने, अधिकाऱ्यांनी आयकर कायद्याच्या कलम 285BA अंतर्गत सादर केलेल्या डेटामध्ये वारंवार त्रुटी आढळून आणल्या आहेत. यामध्ये डुप्लिकेट रेकॉर्ड्स काढून टाकण्यात अपयश, व्यवहारांच्या रकमेत चुकीचे आकडे आणि महत्त्वाचे Permanent Account Number (PAN) तपशील वगळणे यासारख्या चुकांचा समावेश आहे. या रिपोर्टिंग त्रुटींमुळे Annual Information Statement (AIS) च्या अचूकतेवर थेट परिणाम होतो, जी सरकारची स्वयंचलित कर मूल्यांकन प्रणाली (automated tax assessment system) साठी महत्त्वपूर्ण आहे.

करदाते आणि संस्थांवरील परिणाम

जेव्हा वित्तीय संस्था चुकीचा डेटा सादर करतात, तेव्हा करदात्यांना त्यांच्या स्वतःच्या नोंदी आणि AIS मधील संभाव्य सदोष माहितीची जुळवाजुळव करण्यासाठी वेळ घालवावा लागतो. यामुळे बऱ्याचदा व्यक्तींना विसंगतींसाठी स्वयंचलित सूचना (automated notices) मिळतात किंवा त्यांचे कर रिटर्न सदोष म्हणून चिन्हांकित केले जातात. या प्रक्रियेमुळे चुका सुधारण्याचा प्रयत्न करणाऱ्या करदात्यांना आणि अनुपालन अयशस्वी झाल्यामुळे प्रतिष्ठेचे नुकसान आणि ग्राहक तक्रारींना सामोरे जाणाऱ्या संस्थांना महत्त्वपूर्ण प्रशासकीय कामाचा भार पडतो.

चुकीच्या रिपोर्टिंगसाठी दंड

रिपोर्टिंगमधील निष्काळजीपणासाठी वित्तीय कंपन्यांना वाढत्या नियामक तपासणीला सामोरे जावे लागत आहे. जरी अलीकडील अर्थसंकल्पीय बदलांमुळे एकूण अनुपालन शुल्काची मर्यादा ₹1 लाख पर्यंत मर्यादित केली गेली असली, तरी चुकीच्या रिपोर्टिंगसाठी दंड अजूनही लक्षणीय असू शकतो. चुकीचे तपशील सादर करणाऱ्या संस्थांना प्रति अयशस्वीतेसाठी ₹50,000 पर्यंत दंड होऊ शकतो. जर 30 दिवसांत दोष सुधारला नाही, तर स्टेटमेंट अवैध मानले जाते आणि संस्थेला दररोज ₹500 दंड होऊ शकतो, जो औपचारिक सूचना दिल्यानंतर दुर्लक्ष केल्यास दररोज ₹1,000 पर्यंत वाढू शकतो. जरी ह्या रकमा मोठ्या कंपन्यांसाठी कमी वाटू शकतात, तरीही दूषित डेटामुळे व्यापक ग्राहक समस्या व्यवस्थापित करण्याचा खर्च खूप जास्त आहे.

डिजिटल कर निरीक्षणाचे भविष्य

भारत पूर्णपणे डिजिटल, डेटा-आधारित कर प्रणालीकडे वाटचाल करत असताना, आयकर विभाग आपले निरीक्षण वाढवत आहे. यामध्ये क्रिप्टो-अ‍ॅसेट व्यवहारांसारख्या नवीन क्षेत्रांचा मागोवा घेणे आणि विमा पॉलिसीसारख्या वस्तूंसाठी रिपोर्टिंगची मर्यादा कमी करणे यांचा समावेश आहे. या ट्रेंडमुळे रिपोर्टिंग करणाऱ्या संस्थांवर त्यांच्या अंतर्गत प्रमाणीकरण प्रणाली (internal validation systems) सुधारण्यासाठी दबाव वाढेल. भविष्यातील कर अनुपालन रिअल-टाइम रिपोर्टिंगकडे जाण्याची अपेक्षा आहे, ज्यामुळे बँका आणि म्युच्युअल फंडांसाठी सध्याच्या SFT डेटा अचूकतेमधील संघर्ष एक मोठे आव्हान ठरू शकते.

Get stock alerts instantly on WhatsApp

Quarterly results, bulk deals, concall updates and major announcements delivered in real time.

Disclaimer:This content is for educational and informational purposes only and does not constitute investment, financial, or trading advice, nor a recommendation to buy or sell any securities. Readers should consult a SEBI-registered advisor before making investment decisions, as markets involve risk and past performance does not guarantee future results. The publisher and authors accept no liability for any losses. Some content may be AI-generated and may contain errors; accuracy and completeness are not guaranteed. Views expressed do not reflect the publication’s editorial stance.