浅谈税务数据挖掘与深度利用论文

《浅谈税务数据挖掘与深度利用论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、浅谈税务数据挖掘与深度利用论文.freelische的补充(他认为集成和数据管理是密不可分的，因此信息化发展的必然路径是起步、增长、成熟和更新四个阶段)，目前，税务信息化的发展阶段已开始向成熟阶段过渡。于是税收数据的深度利用便提上日程。我们可以从税收管理战略和税收政策分析两方面来看这种需求的提出。从税务管理战略来看，在纳税前如何综合评价简化管理制度(法律)及照章纳税宣传的相对效果；在纳税中如何核算税收结构和管理程度的实际资源成本(管理、照章纳税、效率、逃税)，以及纳税后对税收差距的衡量(包括潜在税收与申报税收的差距、申报税收与

2、实收税收的差距、实收税收与送达国库税收的差距)，都涉及到税收数据的深度利用问题。从税收政策分析的角度来看，税收经济的和谐发展度量、税制改革方案分析、税收减免和优惠的成本和政策收益、税收政策的经济影响等等也涉及到税收数据的深度利用和挖掘问题。这些问题都从以下两方面引发了我们对税务数据深度利用的理解和思考：一方面提出了我们需要全面检视拥有的税务数据信息的需求。在各国税务数据信息深度利用的经验当中，提出过一些全面检视的标准，例如按照税基到税收收入的实现途径，可以检视：税基的规模，包括真实税基和潜在税基；税收管理资源使用方向的详细分类

3、；管理资源使用的效用；税收管理的效果，例如收到税款的多少，处理案件的数量等。另一方面，更为关键的是，提出了如何科学利用、深度利用的问题。总结以上两方面，我们认为税收数据的深度利用是指：在数据集中和系统整合的基础上，建立全面的税务数据信息，既包括税务系统内部数据，也包括其他政府部门、企业、居民等外部数据，并且进一步在各种模型的帮助下，发现数据的内在规律。就目前而言，重点任务是在税务管理方面提出适用中国实践的模型并且应用，同时初步探索在税收经济方面能够刻画符合我国国情的模型。二、构建模型是数据深度利用的切入口如前所述，税务数据深度

4、利用和挖掘的关键在于模型的应用，下面我们就来讨论模型是什么?我们为什么需要模型?我们需要什么样的模型?就税收数据深度利用的模型而言，大致可以分为两类：以科学化管理、定量化管理、精细化管理为内在思想的管理工具和手段所形成的模型；以研究税收经济关系协调发展为目的的税收经济模型。在基本认识了税务数据深度利用中的模型是什么之后，虽然我们达成了一种共识，我们需要模型，但是如果我们思考过为什么需要模型?显然会对模型应用更能得心应手。我们认为模型所发挥的作用无外乎以下三种：首先，刻画税收经济关系。一般而言，我们经常提到的是模型在刻画税收经济

5、关系当中所起的作用，即采用代数形式的定量分析将税收经济理论模型化，然后适当根据实践情况把理论模型予以修正，并将相关数据应用到修正模型中，对模型结果进行经验分析。这种利用的过程是阶段性的，是从初级到高级的过程，是一个水平不断提高、效果不断改进的发展过程。其次，归纳税收管理实践。模型起到的作用是将复杂的税收征纳活动通过数字化的形式总结归纳，将税收征纳的每一个过程精细化、每一个结果数据化，并且建立起投入到产出之间的对应关系。最后，数据组织的导向性作用。这种导向性作用的发挥是通过模型应用过程当中对各类数据提出的要求实现的，通过该作用，

6、随着时间的发展，数据集中的有效性与目的性不断加强，反之，模型应用空间不断扩展。在这一方面，美国个人所得税模型应用为我们提供了很好的启迪。结合目前的税务数据基础及其发展趋势来看，金税三期将成为税收数据深度利用的良好契机，构建相应模型是我们形成税务数据深度利用良好局面的切入口。对于“我们需要什么样的模型”的回答，是一个不断结合实际进行摸索的过程，但是就现阶段而言，从可操作性的角度出发，我们还是需要给所应用的模型框定一个边界：数据可利用性，如果没有数据的支持，模型应用将无从谈起；可计算性，模型应用迅速发展的基石之一就是现代计算技术的

7、发展，没有计算工具的支持，具有庞大计算量的各种税收模型的完成无法想象，支持税收模型应用的计算工具包括硬件具备的计算能力和软件具有的算法能力两种。三、数据深度利用平台建设的体厶数据深度利用和挖掘最终必须落实到具体计算平台上，否则纵然有大量的数据积累，仍然摆脱不了研究与实践部门脱节的窘态。虽然目前我们拥有大量的计算软件平台，然而，总感觉到这些应用平台离我们的实际需要有一定距离。目前我们正在参与完成一个国家自然科学基金研究项目：税收政策分析模型支持系统的实现及其在税制改革中的应用研究，其主要内容和实质就是探索构建一个有利干数据深度利

8、用的计算平台。从该平台的构建来看，有几点体会：首先，平台的构建必须结合具体的研究问题展开。通用性的平台虽然很好，但是由于前面所提到的数据可利用性和可计算性的原因，加上实际工作的紧迫性需求，往往使得通用性平台的规划会落空，甚至于进一步影响数据深度利用工作本身。在该问题上，我们的