數據挖掘在稅務管理中的運用

李文媛

【摘要】隨著時代不斷的發展和全球信息化的加深，近年來國內的稅務管理系統日益完善。伴隨信息化管理的使用，稅務部門已經存有大量的信息數據。但目前大部分企業的信息數據都處在閑置不用的狀態。所以本文通過分析數據挖掘的相關技術，從而設計出數據挖掘和稅務管理相結合的系統結構，使稅務管理可以充分利用相關信息數據，并且在稅務正確決策中提供較大的作用，為國內稅務管理的發展起到寶貴的借鑒意義。

【關鍵詞】數據挖掘 稅務管理 運用

一、數據挖掘在稅務管理中的意義

目前在國內稅務管理中普遍使用信息化的管理手段，做到了較好存儲相關數據的作用，但當前面臨的重要問題便是稅務部門在決策、管理等方面存在一定的風險因素，不能較為科學的進行管理和決策，所以如何有效的利用相關信息數據資源進行科學的稅務管理成為當前的重要問題。而數據挖局技術本身所具備的概念、特點以及作用可以有效的解決當前面臨的重要問題，數據挖局在稅務管理中的運用，可以較好的幫助企業作出合理正確的決策和計劃，減少經濟損失和企業發展過程中的風險性，同時對國內建立較為完善的稅務管理體系提供了較大的技術保障。

二、數據挖掘和風險管理在稅務管理中的概況

數據挖掘是一種現代化、科技化不斷發展所必然存在的技術型產物，同時也是一種較為準確的分析工具。數據挖掘技術是統計學技術、人工智能學技術、信息化技術等多種技術的融合，目前數據挖掘可以較好的幫助企業將自身所擁有的數據進行合理的總結、歸納以及推理，讓企業管理者可以通過數據挖掘所加工的數據信息，更加科學有效的分析出客戶的行為、需求等，減少了企業在決策管理中存在的風險性和帶來的經濟損失，使相關人員做出的判斷和決策更加具有合理性，增加所帶來的經濟效益，同時對企業的發展起到促進作用[1]。

稅務風險概念指的是一些不確定因素會帶來風險性，稅務部門的風險就是在企業整體運行過程中出現于企業稅務眾多不確定因素，例如相關企業財務人員對稅收政策的理解錯誤和操作錯誤會導致給企業帶來經濟損失，企業和稅務部門存在較大的溝通問題帶來的損失等多種不確定風險因素，從而給企業的稅務籌劃帶來較大的風險性。

根據上述數據挖掘和稅務風險相關概念的結合，可以有效的分析數據挖掘自身的優良特點可以對稅務管理帶來較大的促進作用。利用數據挖掘從而對相關數據進行總結、歸納和推理，合理的做出決策，減少企業稅務籌劃和決策帶來的風險性。

三、關于數據挖掘的算法概況

通常情況下數據挖掘的算法較多，例如聚類分析、回歸分析、預測分析、關聯分析等多種算法，而算法的選擇需要根據不同的需求來確定。具體來說在聚類分析方法中是將所得到的數據進行分類，相似度較高的分為一類，不同類之間具有較大的數據信息差距，但和分類分析不同的是聚類分析前已經有標準的分類，可以快速的實現數據信息的分類化處理；回歸分析的內容是指比較兩個或者多個變量間的差異程度和影響程度從而科學的判定另一個變量的值，確立兩者的關系。預測分析是利用將數據信息按照時間順序進行比較，最后根據數據信息的連續性發展狀態，對未來中所產生的數據信息進行預測。

根據上述數據挖掘的算法概況，分析出在國內稅務管理中數據挖掘的應用，應根據不同的需求來做出合理的選擇。總體來講，數據挖掘的算法都是通過對數據的整體、收集和推算，將不容易被發現的規律挖掘出來，從而做出較為合理的未來規律判斷，從而可以較好的減少稅務管理中的決策風險，有利于做出更加正確合理的決策[2]。

四、稅務管理數據的特點

伴隨時代的發展和科技的進步，近年來國內稅務管理系統對于數據的存儲系統經歷了FOXBASE、NOVELL等多種系統的升級，目前國內書屋管理數據庫系統日益完善，并呈現出下列的特點：1.稅務管理中數據量較大?，F如今隨著世界經濟一體化進程的加深，信息化水平帶動著數據共享功能的普及，國內可以通過稅務部門來進行數據信息的查找，并且在整體國內都享受著數據共享的作用，各領域不斷發展來帶來了業務方面的不斷增加，所以目前稅務管理數據系統中呈現數據量較大的特點并呈現飛速增長的趨勢[3]。2.稅務管理中數據安全性能強。信息化時代的安全技術發展較為迅速，當前對于稅務管理中的數據雖然部分呈現擱置不用的狀態，但是其具有較大的潛藏價值，同時還包含了各種企業、個人、業務等重要信息，所以稅務管理數據呈現安全性能高的特點。

五、通過調查A企業的稅務問題，分析當前國內稅務管理的現狀和問題

通過調查關于A企業在稅務管理的情況，從而研究和分析當前國內企業在稅務管理中出現的稅務管理問題，為進一步探討數據挖掘在稅務管理中的運用提供參考。A企業主要從事汽車制造業務，近年來的發展較為迅速，2006年A企業成功在上海證券交易所掛牌上市，其企業內部擁有技術較高的核心團隊、充足的資金儲備以及高水平的汽車制造研發團隊，當前的經營狀態良好并呈現穩定上漲的趨勢。

進一步的調查發現，A企業內部部門較為完善，同時在業務發面包括了汽車制造、汽車出售、汽車服務等一系列的業務范圍，所以A企業所設計到的稅務種類較多，但是雖然有財務部門，但是缺少了相關的稅務管理部門，日常情況中A企業相關的稅務管理問題，例如發票開具、多種稅務種類的繳納以及申報都是由內部的財務部門所處理，并且隨著時代的不斷進步和國家相關稅務制度、政策的不斷完善和創新，A企業應對當前的形式下的稅務問題都是內部財務部門負責[4]。另外，通過調查目前A企業所提供的相關業務資料，計算分析，可以得出A企業中所得稅稅負差異率是百分之199.02，這就較為科學的得知A企業應該沒有掌握當前國家對稅收的優惠政策，同時這種原因的造成也是因為A企業沒有相關的稅務管理部門來進行合理的稅收策劃，從而使A企業承擔了較多的稅收問題，給A企業帶來了較大的稅務管理風險和成本增加等問題。

通過對A企業的稅務管理方面以及結合部分企業的稅務管理，分析和總結了目前國內企業在稅務管理中存在的問題，而其中最為主要的問題便是目前稅務管理較為傳統，同時存在較大的稅務風險，而原因的造成便是傳統稅務管理面對信息化、科技化的時代發展存在一定的局限性和落后性，沒有運用于時代發展相適應的數據挖掘技術。其出現的問題會帶來直接的經濟損失性風險，深層含義分析，這種問題出現還會帶來更多的例如意識風險、財務風險等[5]。第二個問題便是當前由于信息化建設的速度較快，而相關企業應用信息化系統較為盲目，無法有效的將稅務管理與相關業務數據結合，信息化軟件使用同時帶來數據有效儲存的同時導致太多密碼、口令等維護起來較為麻煩。最后一點，相關企業的稅務管理人員工作效率較低，這是由于信息化數據時代的數據儲備量較多，而傳統人工無法提取關鍵和有用的數據，并且達不到較好的作用和效果。

所以通過整體對國內稅務管理存在的問題分析，總結出來目前面對信息化的新時代，應重視數據挖掘技術的開發和運用，這樣才能較好的挖掘出稅務管理數據中的潛在價值，并且從宏觀到微觀整體的分析、統計，并對未來做出較為科學的推測作用，減少相關稅務決策的風險性，從而帶來更大的經濟效益。

六、數據挖掘在稅務管理中的運用要求

（一）數據挖掘在稅務管理中運用的工作量

數據挖掘在稅務管理中運用的工作量是指整體的業務研究對象，同時業務研究對象還決定著數據挖掘人員的思想和方向。目前數據挖掘的工作量較大，這是因為數據挖掘還沒有形成完整、統一的自動化過程，大部分的工作內容都是由人工完成的，并且由于數據挖掘對數據信息要求較高，例如數據的完整、正確等，所以對于數據挖掘的整個過程，大部分的工作量都是在數據準備階段，而真正的挖掘工作工作量較小。

（二）數據挖掘在稅務管理中的運用過程

數據挖掘在稅務管理中的運用過程，應按照一定的順來和步驟進行，包括確定研究挖掘的業務對象、做好充足完善的數據準備工作、數據挖掘、結果分析這四個內容。第一步需要準確的分清相關的業務問題以及業務對象，這是保障數據挖掘在稅務管理中運用具有較強的目的性；其次要做好充分的數據準備，收集業務對象相關的所有數據信息，同時明確業務對象的類型和需求，從而模擬建立起針對化的數據挖掘算法，保障數據挖掘的效果和作用；最后對數據挖掘的結果進行評估和推測，而評估、推測的方法一般是根據數據挖掘過程中所使用的算法來決定，最終才能較為科學的完成整體數據挖掘過程。

（三）數據挖掘在稅務管理中運用的人員要求

數據挖掘在稅務管理中運用人員要求，需要根據業務對象的需求來確定，一般數據挖掘人員可以分為業務分析人員、數據分析人員和數據管理人員[6]。業務分析人員的要求對業務對象相關業務、信息、需求等多項內容具有較強的了解；數據分析人員要求要具有較強的統計學、計算學等學科的知識儲備以及較強的數據分析實踐能力。而數據管理人員需要掌握管理學、會計學等內容。

七、數據挖掘在稅務管理中的運用設計

（一）數據挖掘在稅務管理中運用的系統設計

雖然數據挖掘系統不是全智能化的運用系統，但可以較好的協助人員智能的挖掘相關數據的潛在價值，同時可以較好的對稅務決策提供合理性的建立。對于整體的數據挖掘系統設計，根據需求不同的劃分主要可以分為專用數據挖掘和通用數據挖掘，其整體構成分為數據庫、數據挖掘引擎、用戶界面等。

專用數據挖掘在稅務管理中可以起到有較強針對性、目的性的對業務需求做出相應的解決方案；而通用挖掘相較而言具有通用性、實用性和方便性的特點，利用通常的數據挖掘算法，來進行對數據進行相關的收集和預測。對整體數據挖掘系統的建立，其中數據庫可以起到良好的保障作用，將數據儲存到相應的平臺中，并對所儲存數據進行收集和整體的工作，為數據挖掘過程提供需求的數據信息；數據挖掘引擎可以幫助起到對數據信息進行加工和處理的作用，幫助尋找相關數據的潛在價值，利用需求不同選擇不同算法的方式，有效的幫助人們采取正確的稅務決策，同時這也是數據挖掘系統設計中的重點環節；用戶界面可以提高信息共享的平臺，協助人們對需求問題更好的查找相關有價值的數據。

（二）數據挖掘在稅務管理中運用設計的實現

為了可以讓數據挖掘在稅務管理中更好的運用，必須完全掌握納稅人相關的屬性信息，例如姓名、地址、所在企業營業收入、稅率等多項內容，同時可以較好的展現納稅人實際中的繳稅額以及繳稅自覺性1710而通過數據挖掘在稅務管理中運用設計，可以較好的使稅務管理人員通過相關價值數據，從而合理、科學的分析出納稅人的稅務行為特點，并且分析出的結果接近事實。在實際的設計實現中，例如某市中的s企業2017年相關納稅人情況、資金情況、業務產品等多種資料，根據上述的數據挖掘實現方法，系統化設計，并利用相適合的算法，可以有效的預測出納稅人在未來中的相關風險性以及盈虧等多方面的情況。

八、數據挖掘在稅務管理中的具體運用

（一）數據挖掘在稅務管理納稅人細分中的運用

數據挖掘在稅務管理納稅人細分中的運用具有較大的作用和運用效果，根據某市國稅局2016到2017的信息中，利用數據挖掘的K-平均算法，將某市國稅局相關企業的各類數據進行劃分：把N個企業劃分成K個種類，每個種類里相關的數據具有較高的相似度，然后相互種類間做到相似度較小。數據挖掘在稅務管理納稅人細分中用K-平均算法可以較好的找出讓平方誤差數值較小的K個劃分，同時進一步使運用結果可以較為明顯的進行數據收集、處理和分析。對結果劃分為幾個類別，第一類別是數值較大的，例如經濟、納稅數額等內容；第二類分為經濟能力較強但是納稅較少；等三類經濟能力較小，納稅數額較多；第四類納稅人經濟規模較小，納稅能力同樣教低。

經過數據挖掘中K-平均算法在實際的納稅人細分中的應用，可以較為明確的得到以下結論：1.調查結果和運用結果顯示第一類的納稅人較少，只占數據信息中整體納稅人的百分之0.5，但這一類納稅人納稅的百分比增長缺占到了數據信息中納稅人整體稅收增長的百分之40。2.同樣通過上述分析和應用，得出第二類納稅人數量同樣較少，雖然資金規模較大，但是相比較第一類納稅人，其在年度納稅額增長較小；第三類納稅人的數量在數據挖掘運用中所得出的結果相較第一類和第二類較大，但沒有占到很大的比重；另外第四類納稅人在整體數據信息中的納稅人占比較大?？傮w根據相關數據挖掘得出的結論進一步分析，第一類納稅人和第三類納稅人在納稅能力中占比較高，是較為良好的稅收來源群體；而第二類和第四類納稅人在納稅能力總額中占比較小，原因是第二類納稅人出現經濟和稅收不符合的情況，第四類是因為經濟能力較弱，所以納稅能力較低，從而兩類納稅人都屬于稅收來源的弱勢群體。

上述數據挖掘在某市稅務管理中實際運用的調查和分析中，通過研究和討論，可以對稅務管理講納稅人很好的細分，同時可以做到較為科學的推測并做出合理的科學的納稅管理措施，選擇較為專業、整體素質性強以及業務能力好的管理人員對第一類和第三類納稅人做精細化的管理；同時對第二類和第四類納稅人同樣做到針對話稅務管理，找出其中在實際稅務管理中其出現問題的原因，并采取相應對的措施。

（二）數據挖掘在稅務管理檢查中的運用

數據挖掘再稅務管理檢查中的運用同樣至關重要，可以較為準確方便的檢測其稅務風險性等內容。根據對上述某市國稅局調查的數據信息中，再通過利用數據挖掘中K-means算法的運用，將眾多數據劃分為k個種類和N個數據庫，隨機性的選擇K個對象，將每個對象初始劃分為每一個族或者中心，下一步將數據庫中通過查看每個對象距離族中心的距離來將其劃分為最相近的族中，進一步在新產生的族中計算出里中心的平均值，緊接著重復上述第二部和第三部的步驟，這一重復步驟極為關鍵，可以較小的避免運用過程中所帶來的誤差，待到二三步驟不再變化、趨于穩定的同時，得到科學正確的結果。

經過數據挖掘中K-means法在實際的稅務管理的應用，將上述某市數據分為三類納稅人，第一類是在年度中收入、銷售等穩定，并且帶來持續不斷的穩定增長；第二類納稅人是在年度中每個月的收入增長或下降不太穩定，變化較大的；而第三類納稅人是因為各種原因收入等方面在年度中呈現持續下降的狀態。

通過數據挖掘K-means法運用所得到的結果進一步分析可以得出以下結論：1.第一類納稅人在上述分析調查中可以較為科學的分為安全性較高的納稅人，同時不需要對其進行特殊性的監管2.第二類納稅人在上述分析調查中可以較為科學的分為對市場整體行業影響較大的企業，其中經過分析可以得出出現這種問題的原因是由于業務產品存在換季性、流行性等因素影響較大，同時比較依賴外界因素，所以可以通過分析的結果對第二類納稅人進行進一步的劃分，采取針對性稅務管理模式。3.第三類納稅人情況的出現，經過進一步詳對有關企業進行了解發現，出現這種問題的原因是由于經營不善、業務產品滯銷等重大問題，另外一點就是第三類納稅人存在偷稅漏水等非法行為，從而顯示出極不穩定的稅務狀態，所以相關稅務部門對其可以采取針對話的管理措施。根據總體的數據挖掘在稅務管理中的運用，可以較為明顯的找出有效、有價值的數據信息，從而可以進一步對其進行分析，做出更加科學、合理的稅務決策。

總結：數據挖掘包含了多個方面的知識和技術，具有極為良好的運用能力和特點，而根據數據挖掘在稅務管理中的運用，可以起到較大的作用，使相關稅務管理人員的工作更加高效，以及為做出合理的決策提供較大的作用。由于目前數據挖掘還沒有為廣闊的應用，具有較大的發展潛力，可以起到更大的作用和效果，促進國內整體經濟發展和時代進步具有重要意義。

參考文獻：

[1]數據挖掘技術在農村商業銀行信貨的應用研究[D].葉曉明.中南大學.2013.

[2]OLAP和數據挖掘技術在醫院信息系統中的研究與應用[D].胡瑞娟.長春理工大學.2009.

[3]基于數據挖掘技術的客戶關系管理系統研究[D].許樂平.合肥工業大學.2007.

[4]數據倉庫與數據挖掘技術在招生決策中的應用研究[D].胡海員.東南大學.2006.

[5]數據挖掘技術在教務管理中的應用[D].張榮富.安徽大學.2011.

[6]數據挖掘技術在高校成績管理中的應用研究[D].劉春陽.大連交通大學.2010.

[7]數據挖掘技術在中職招生信息系統中的應用[D].李衛平.西北師范大學.2009.