基于商務智能的稅務征管決策支持研究

［摘要］我國稅務信息化經過多年發展積累了大量數據，基于商務智能技術的稅務決策支持系統可以充分利用這些數據支持稅收征管工作。介紹了商務智能技術在稅務分析和稅收征管決策中的支持應用，以及構建基于商務智能的稅務決策支持系統的關鍵問題：數據庫統一規劃、模型的構造、知識庫的建設、業務規則庫的建設、缺乏相關復合型人才。

［關鍵詞］商務智能； 數據倉庫； 數據挖掘；稅收征管；決策支持系統

稅務信息化建設是國家信息化建設的重要組成部分，一方面實現稅收征管的信息在全國稅務系統內共享，另一方面實現稅務、海關、銀行及其他政府機關之間公共信息資源在寬層面上共享。本文重點研究以稅務分析和稅務決策為主要處理對象的基于商務智能的稅務決策支持系統。

稅務決策支持系統是指在一定的經濟理論指導下，根據經濟和稅收統計資料，在定性分析基礎上，運用定量方法，對未來稅收收入總量和結構等發展趨勢所做出的分析、判斷和推測。基于商務智能的稅務決策支持系統在實現系統內部數據共享的基礎上，吸納外部有價值的數據信息，運用數據倉庫、數據挖掘和多維分析等商務智能技術，引入或構建成熟的經濟計量模型，建設稅務分析和決策系統，提供輔助決策服務，提高科學決策水平[1]。

1 我國稅務信息化建設從增長向成熟階段發展

諾蘭模型把信息化發展分為六個階段：初始、蔓延、控制、集成、數據管理和成熟六個階段。米歇模型認為諾蘭模型中集成與數據管理兩個階段其實是不可分割的，他認為，信息化是由起步、增長、成熟和更新這樣四階段所構成。其中增長階段對應著管理信息系統，而成熟階段對應著集成化技術和集成化系統。我國稅務信息化的發展目前正從以管理信息系統為特征的增長階段向以集成化系統為特征的成熟階段過渡[1][2]。

集成階段的重要任務是重組業務管理模式，優化規范業務流程，統一技術和業務層面的規范和標準。我國稅務信息化集成階段的發展目標：建立健全稅務業務管理、稅務行政管理、領導決策分析、稅務客戶服務四大應用系統，實現真正意義上的集成。數據的集中共享， 實現了決策層、管理層對稅務管理運作情況的直觀掌握。

稅務信息化建設經過數據集中、系統整合階段以后，稅務數據的深度利用就變得更為重要。應用商務智能技術對海量的數據與信息進行集成的數據分析、數據挖掘等快速有效地分析處理，從中尋找出規律性及建立模型，輔助和支持各級稅務機關稅收經濟分析、監控和預測。

2 稅務決策支持系統中的商務智能技術應用

商務智能（business intelligence， BI）是指將組織的各種數據及時地轉換為管理者感興趣的信息（或知識），并以各種方式展現出來，幫助管理者進行科學決策。這里的數據既包括組織內部的各種數據，也包括組織外部的數據。從應用的角度講，BI也可以理解DW+OLAP+DM。從技術角度來看，BI重視分析數據的技術[3][4]。

商務智能通過對稅務數據的采集、整理、挖掘和分析， 為稅務系統的各層次人員提供信息， 提高稅務分析和決策能力， 加快決策速度， 確保決策準確性。另一方面， 也為稅務系統外部用戶提供有效信息， 共同分享稅務數據，提升了稅務管理和服務水平。數據倉庫(Data Warehouse ，DW) 、聯機分析處理(On Line Analytical Processing ，OLAP) 和數據挖掘(Data Mining ， DM) 是商務智能的三大技術支柱

2.1數據倉庫

數據倉庫是實現商務智能的數據基礎，完成了數據的收集、集成、存儲、管理等工作，使得商務智能更專注于信息的提取和知識的發現。數據倉庫存儲元數據和用于決策分析的數據。其中用于決策分析的數據來自于各稅務業務系統，通過建立數據倉庫，可以將分散在各個業務系統的數據集中成一個全面的視圖。

稅務數據倉庫的使用者是稅務機關的決策者和管理者，他們需要從更廣泛、更全面的視角，站在全局的高度上去了解當前情況并分析事務的發展趨勢，據以做出正確的決策。數據倉庫技術為稅務決策支持系統中信息與數據全面、高效、快速和統一的管理提供了極其有效的途徑。

2.2 數據挖掘

決策的前提是發現知識，數據挖掘可以幫助我們在大量的數據中發現那些不能靠直覺發現的信息或知識，隨著各應用系統逐步走向數據集中，高度共享，數據挖掘技術在稅務決策、納稅評估、稅源監控與預測、稅收預測、納稅人信譽等級評估、政務行為評估等方面有了用武之地。運用數據挖掘技術來處理稅收業務數據，提高決策水平，降低管理成本5]。

數據挖掘技術進行稅務數據分析的過程是這樣的：首先確定實現數據挖掘目標的數據挖掘功能；其次選擇合適的模式搜索算法，然后根據使用者的決策目的對數據挖掘的結果進行評價，最后是知識同化，將挖掘所得到的知識集成到稅收工作實際中，并跟蹤知識運用的具體成效[6]。

國外已經有不少數據挖掘在稅務分析和決策中應用的成功案例，例如1998 年美國加州稅務啟動的基于IBMDB2 數據庫軟件的綜合逃稅人監察項目，又如NCRTeradata實施的包括美國國家稅務局( IRS) 、澳洲國家稅務局(ATO) 等在內的數據倉庫和數據挖掘項目。

2.3 聯機分析處理技術(OLAP)

OLAP可以對基于數據倉庫中多維的稅務數據進行在線分析處理，生成新的稅務信息，又能實時監視稅務管理的成效，使稅務管理者和決策者能自由地與稅務數據相互聯系。

3商務智能在稅務征管中的支持決策作用

基于BI的稅務決策支持系統以數據倉庫等技術為基礎， 前端工具以OLAP 工具和數據挖掘為代表， 從數據倉庫中提取、分析數據，用可視化方式為各級稅務機關提供先進、實用的決策支持方案。

基于商務智能的稅務決策支持系統中信息組織的過程是這樣的：從不同的數據源收集數據，對數據進行清理以保證數據的正確性，經提取、轉換后將數據加載入數據倉庫(這時數據變為信息)，然后通過聯機分析處理工具、數據挖掘工具加上稅務分析、稅務決策人員的專業知識，對信息進行處理(這時信息變為輔助決策的知識)，最后將知識呈現于用戶轉變為決策。商務智能幫助稅務管理人員在稅務征管上做出及時、正確的判斷，把各種數據及時地轉化為稅務管理者決策需要的信息(或者知識)，然后根據這些信息來采用明智的行動。

利用商務智能技術從數據中發現知識以輔助稅收制度改革和稅收決策。在出臺一項新的稅收在政策之前，不僅需要定性分析新政策、新制度對稅收收入、經濟發展和經濟結構的影響，還需要定量分析、判定新政策、新制度的合理性?；谏虅罩悄艿亩悇諞Q策支持系統通過稅務分析、稅收預測、稅收計劃、納稅人信譽評估、稅收監控預警、稅收稽查選案、稅收考核評價、宏觀經濟分析等方面提供為決策者提供決策支持，以保證決策的科學性。

商務智能在稅務征管中支持決策的作用體現在以下方面。

3.1 快速查詢信息。稅務部門的各種數據分散于不同稅務子系統中， 甚至用戶界面， 支持系統也不一樣， 而且很多數據是未經加工和整理的，只有經過提煉和挖掘， 分析和處理的數據才形成智能。通過商務智能，對數據進行整合、分析、挖掘，各層次用戶能快速查詢利用這些信息，自動生成所需要的報表、報告等。

3.2 突破認知極限。商務智能通過整合、挖掘、分析存儲在不同部門、不同應用系統中的數據， 為決策提供更多的事實和信息。

3.3 多角度、全面分析。商務智能通過對數據萃取、加工、挖掘、切片分析， 從多維度對數據進行全面的分析， 找出關鍵因素， 為決策提供更為準確、可信度高的信息。

3.4個性化分析。商務智能系統根據稅務管理需要解決的問題， 幫助稅務部門或相關機構和人員建立相應的分析主題和分析指標， 從業務系統的基礎數據庫中抽取需要的數據， 按預先建立的業務模型進行分析決策， 分析結果顯示直觀、形象。

4基于商務智能的稅務決策支持系統實現的關鍵問題

基于商務智能的稅務決策支持系統構建需要解決的關鍵問題有：

4.1 建立統一規劃的數據庫，以保證信息資源的統一和共享，為商務智能技術的運用打下基礎，集成稅收征管數據的目的， 不僅僅是為了規范征收行為， 更重要的在于通過對數據的集中處理與分析， 輔助和支持稅務決策。由于數據挖掘技術的復雜性，綜合利用數理統計、人工智能等多門學科的知識，構建數據挖掘模型需要真正體現實際業務需求。

4.2 決策模型是決策支持系統重要構成部分。判斷決策者做出的決策是否合理，關鍵在于對特定的問題所選擇的決策模型以及模型所使用的算法。如何結合稅收業務，綜合應用數學計量經濟方法、數據挖掘方法建立稅務決策支持系統的決策模型是首要的業務難點。

構建和選擇合適的決策模型需要明確各級稅務決策者的需求， 全面分析稅務工作的基本數據元素和運行規律， 通過稅務數據模型和綜合數據庫的建立， 面向各級領導進行綜合查詢及輔助決策，有效地開發基于商務智能技術的稅務決策支持系統[7]]。

4.3 知識庫的建設 決策支持系統解決問題的能力很大程度上還依賴于知識庫擁有知識的多少，知識越豐富，解決問題和決策支持的能力就越強。基于BI的稅務決策系統應盡可能收集、整理稅務專家對稅務管理預測、決策、計劃、控制、分析的研究成果和實際經驗，并在此基礎上加以總結和提高，構成系統的知識庫。

4.4 業務規則庫的建設業務規則是所有績效管理系統和BI項目的核心基礎，在業務規則的基礎上，報告生成系統能夠自動解釋數據，為特定目標設定關鍵績效指標，并為解決問題提供建議。在很多前期的商務智能項目中，業務規則設定在數據倉庫的ETL過程中（抽取、轉換、裝載）中或是具有特定功能BI的工具， Robert Blasum認為業務規則必須是商務智能系統中的獨立模塊[8]。商務智能不是將一大堆技術工具堆在數據上，基于商務智能的稅務決策支持系統設計、規劃和實施首先應當從了解業務、業務流程，理解業務運作模式開始[9]。

4.5 相關的復合人才非常匱乏，

構建基于BI的稅務決策支持系統需要應用多學科的理論、方法和模型，是多方面知識的綜合。需要既掌握數據倉庫、數據挖掘、聯機分析系統等計算機方面的知識，又熟悉稅收法律法規、征管規程和財務會計等知識的復合型人才。使用基于BI的稅務決策支持系統進行稅務分析，對人員的素質提出了更高的要求，除了要掌握一般的稅收分析技術方法外，還必須具備社會經濟統計學、系統科學、信息科學、高等數學、計算機應用等方面的知識。

總之，基于商務智能的稅務決策支持系統通過使用數據倉庫、數據挖掘、OLAP等技術，從稅務系統海量數據中挖掘出有用信息，從而幫助決策者做出決策，提升決策質量，實現科學決策。

主要參考文獻

[1]譚榮華，王敬峰.整合：中國稅收信息化發展的新階段.中國稅務，2005（2）44-45

[2]高莉.稅收信息化的“集中”和“整合”[J].稅務研究，2006(1):62-64

[3]Charles P. Seeley ， Thomas H. Davenport. KM MEETS BUSINESS INTELLIGENCE:Merging knowledge and information at Intel.KM REVIEW[J].2006(2):10-15

[4]周瑾.知識管理與商務智能對比分析[J].情報雜志.2007(3):80-81

[5]葉向東.數據挖掘：稅收分析與稅收決策的利器[J].安徽稅務，2003(9):38-39

[6]王隆杰.稅務決策支持系統設計[J].計算機工程與設計，2007(7)

[7]王衍.基于信息可視化技術的稅務決策支持系統分析[J].數量經濟技術經濟研究，2004(4):148-153

[8]Robert Blasum. Business Rules and Business Intelligence[J]. DM Review 2007(4)

[9]Galen Cruman.Rethinking Business Intelligence[J]. Infoword， 2007(4)