税收数据挖掘五方构想

税收数据挖掘五方构想经过“金税一期”、“金税二期”的建设,到去年年底,除西藏和上海外,全国已有30个省市自治区推行使用了综合征管软件,实现了数据省级集中;国家税务总局通过数据抽取的方式,进而实现了征管数据的全国集中。在许多省市自治区,综合征管软件、出口退税和防伪税控三大系统,也实现了省级集中与整合,全国国税系统每年数据量以TB级的速度增长。税务部门积累的海量数据,如果不加以挖掘利用,无疑是巨大的浪费。笔者从五个方面对税收数据挖掘工作进行了阐述。税收数据挖掘两方面定位数据挖掘在税务系统的应用刚刚开始,很多问题都还没有明确的界定。比如,数据挖掘与纳税评估的关系,数据挖掘与数据分析的关系,数据挖掘在税收工作中的位置等。结合税收工作实际,数据挖掘应从以下两方面定位:从技术角度上看,数据挖掘是直接服务于数据分析工作的技术手段,它不仅是税收数据分析的有力工具,而且代表着税收分析的发展方向,即智能化与自动化的决策支持;从政策角度上看,税收数据挖掘不仅是技术实现的过程,同时也是业务精细化与科学化的体现。数据挖掘是税收工作的眼睛,它发现税收征管的薄弱环节,成为税收分析、纳税评估、税务稽查、税收监控这一良性互动机制的发动机和触发器,直接关系到互动机制的运行质量。税收数据挖掘四大目标根据税收数据挖掘的定位,其主要目标是:评价纳税行为,监控执法过程,用数据描述现状、预测趋势,为决策服务,为管理服务,为基层服务。具体包括以下四点。一是评价纳税行为。通过对纳税人纳税申报、办理涉税事项、发票使用等一系列数据实施监控,进行挖掘分析,建立税源检测数据模型,可以帮助税务机关对纳税人的纳税行为进行合理的评价。以前困绕税务机关的零税负申报、低税负申报、虚假申报、发票违章等难题有望在数据挖掘的不断解剖中迎刃而解。二是监控执法过程。随着征管数据的省级集中,有了对征管流程进行监控的数据基础。通过梳理与整合,运用挖掘技术建立执法行为监控体系,监控税务部门的执法行为,监督管理流程,对税收执法疑点,做到事前、事中和事后的监控,规范执法行为。三是提供决策支持。数据挖掘技术不仅可发现税收管理中的瑕疵,同时也为领导决策提供智能支持:通过数据的分类处理与分析,可全面分析宏观税负、行业税负等指标,了解税收收入总量增减的变化,科学判断税收收入增减的原因;通过数据概貌分析,可以得到一个地区税收增减的总体状况等等。四是优化纳税服务。运用现代数据挖掘手段,展开纳税服务数据的关联性分析,可以了解纳税人涉税事项的发生频率以及涉税事项之间的关联程度,可以为办税服务厅的窗口设置、办税流程的设定提供数据支持,从而科学安排服务流程,提高服务水平。税收数据挖掘四项职能分工税务部门目前的机构设置具有职能导向型、综合管理与专业管理相交叉的特点,目前还没有明确相应的数据挖掘机构,数据挖掘工作存在多管齐下、职能交叉的混乱局面。而数据挖掘又是一项系统工程,需要多部门之间有机协调配合。因此,要明确相应机构的职能, 规范工作流程,落实不同专长的人员分步实施。实践证明,在税务机关内部实施数据挖掘不仅需要技术与业务相结合,更需要建立数据挖掘的管理机制来进行具体的项目操作与协调。数据挖掘要求高,难度大,既需要理论知识修养,也需要实践经验,从事数据挖掘的人通常都需要岗前培训,成立专门的数据挖掘机构难以短时间发挥功能。我们根据省级税务机构设置与职能划分的现状,本着因地制宜的原则设计了一套数据挖掘职能分工的办法。首先进行业务分析。业务分析的好坏直接影响着数据挖掘的整体成效,该职能由流转税、所得税、进出口税收、国际税收部门与征管部门负责,他们将根据各业务对象提出用于数据定义和挖掘算法的业务需求。其次是数据分析。数据的分析工作由税收统计部门与数据处理部门联合负责,该职能要求精通数据分析技术,并对数学工具有较熟练的掌握,有能力把业务需求转化为数据挖掘的各步操作,并为每步操作选择合适的数据技术。再次是数据管理。信息中心负责数据的抽取和整理,该职能部门精通数据管理技术,熟悉数据预处理技术,能够建立数据仓库,并能根据要求从数据库或数据仓库中抽取数据以及对数据进行清洗与转换。最后是综合协调。数据处理部门负责数据挖掘项目的统筹管理,编排项目时间表、制作挖掘任务书,协调各税收部门间的事务,组织数据挖掘成果的应用。税收数据挖掘五道流程数据挖掘是一个完整的过程。首先要确定业务对象。要考虑该对象存在哪些问题,哪些工作可由挖掘系统自动完成、挖掘的目标是什么等等。清晰地定义出业务需求是数据挖掘的重要步骤,数据挖掘之前,就应当明确需要哪些税收数据、数据是怎样展现。其次是数据准备。一是数据的选择:根据挖掘目标从原始数据中选择相关数据集,并将不同数据源中的数据集中起来,在这一过程中需要解决数据挖掘平台、操作系统和数据源数据类型的不同所产生的数据格式差异。二是数据的预处理:研究数据的质量,确定将要进行的挖掘操作类型,对选择的数据进行清洗,使其变成干净的数据。这一过程通常采用基于规则的方法、神经网络方法和模糊匹配技术,分析多数据源之间的关系,然后再实施相应的处理。三是数据的降维与转换:降维是减少变量的数目,并设法将数据转换到一个更容易找到的空间上。转换的方法包括以期望的方式组织数据,把一种类型的数据转换成另一种类型,最终目的就是将数据转换成适于数据挖掘处理的形式。三是数据挖掘。这一阶段需要根据前面的工作进行相应的完善,选择合适的挖掘算法,并将挖掘算法应用于准备好的数据集,使用合适的数据挖掘算法进行数据分析。首先确定实现数据挖掘目标的数据挖掘功能,包括概念描述、分类、聚类、关联规则等;其次选择合适的模式搜索算法,包括模型和参数的确定,算法和数据挖掘目标的一致性保障等。四是结果分析。根据使用者的决策目的对数据挖掘的结果进行评价,将有用的结果以可视化的技术展示给使用者,让使用者对挖掘结果做出解释,同时评价模型的有效性。最后是知识同化。将挖掘所得到的知识集成到税收工作实际中,并跟踪知识运用的具体成效。税收数据挖掘两类技术数据挖掘技术大致分为描述性数据挖掘和预测性数据挖掘两类。描述性数据挖掘以概要方式描述数据,提供数据的一般性质,即导出概括数据中潜在联系的模式。预测性数据挖掘建立一个或一组模型,产生关于数据的预测,即根据其他属性的值,预测特定属性的值。下面从税收数据挖掘应用角度,阐述一下广义型知识的挖掘方法。第一步是概念描述。在安徽省综合数据管理系统中,利用了概念描述的方法对全省行业税负进行了分析,为联机数据挖掘提供了可操作的平台。第二步是关联分析:关联性知识挖掘通过测算关联事务的支持度与自信度发现事务发生频繁项集,找出纳税人办理涉税事项之间的序列关联与时间关联;同时,将关联知识用于税源管理中,可以分析企