基于數(shù)據(jù)挖掘技術(shù)的中小企業(yè)納稅評估模型構(gòu)建

張春瑜（陜西財經(jīng)職業(yè)技術(shù)學(xué)院，咸陽，712000）

基于數(shù)據(jù)挖掘技術(shù)的中小企業(yè)納稅評估模型構(gòu)建

張春瑜
（陜西財經(jīng)職業(yè)技術(shù)學(xué)院，咸陽，712000）

本文構(gòu)建了基于數(shù)據(jù)挖掘技術(shù)的中小企業(yè)納稅評估模型，解決對中小企業(yè)納稅問題的研究。

數(shù)據(jù)挖掘；納稅 ；評估模型

1 納稅評估模型理論依據(jù)及評估流程

中小企業(yè)由于其自身規(guī)模與政策的限制，一般都不能保持長期穩(wěn)定的發(fā)展?fàn)顟B(tài)，這將會對投資人投資回報率的穩(wěn)定性造成直接影響，所以，納稅人的生產(chǎn)經(jīng)營情況在很大程度上影響著納稅人的決策。除此之外，納稅人多存在偷稅、漏稅的僥幸心理也是影響納稅決策的重要內(nèi)因。

從納稅本身來講，它屬于一種對納稅人財產(chǎn)所有權(quán)進(jìn)行強(qiáng)制轉(zhuǎn)移的一種行為，從表面上看似乎不是一種利益對等的行為，因此納稅人從自身利益出發(fā)，希望能夠減少稅負(fù)或者是表現(xiàn)出納稅不遵從的行為。在這種情況下，通過對中小企業(yè)的生產(chǎn)經(jīng)營數(shù)據(jù)進(jìn)行分析，并以此來預(yù)測納稅人納稅遵從行為是合理的，通過對納稅人“稅收遵從”或“稅收不遵從”的分類屬性進(jìn)行分析，以此來提高納稅評估模型的準(zhǔn)確度和納稅評估工作的效率。

納稅評估從稅務(wù)登記、發(fā)票管理、申報征收、行政審批環(huán)節(jié)及外部信息庫取得相關(guān)數(shù)據(jù)，并以此為依據(jù)來確定評估對象, 對納稅人扣繳義務(wù)人一定時期內(nèi)申報繳納稅款的情況進(jìn)行綜合評價并進(jìn)行相應(yīng)處理。主要工作流程包含四步，即確定評估對象工作流程，實(shí)施評估工作流程，評估結(jié)果處理工作流程和評估反饋工作流程。

2 數(shù)據(jù)挖掘技術(shù)在納稅評估模型中運(yùn)用的可行性

隨著數(shù)據(jù)采集與存儲技術(shù)的不斷進(jìn)步，人們擁有的數(shù)據(jù)量也在逐漸增加，透過這些數(shù)據(jù)為人們的決策提供了更多的參考，但是在越來越多的大量數(shù)據(jù)中如何尋找對決策具有決定性意義的數(shù)據(jù)是人們目前普遍關(guān)注的重點(diǎn)，數(shù)據(jù)挖掘技術(shù)的應(yīng)用恰恰解決了這一難題，數(shù)據(jù)挖掘技術(shù)借助于數(shù)據(jù)倉庫，通過數(shù)據(jù)源的集成和選擇，將大量模糊、隨機(jī)的數(shù)據(jù)轉(zhuǎn)變?yōu)橛行虻臄?shù)據(jù)，并通過對目標(biāo)數(shù)據(jù)的多次處理和分析，產(chǎn)生知識模式，并最終表現(xiàn)為有價值的信息。納稅評估對象的選定過程本質(zhì)上就是對納稅人的涉稅數(shù)據(jù)進(jìn)行分析，進(jìn)而得到納稅人分類，二者的總體邏輯框架是一致的，因此，運(yùn)用數(shù)據(jù)挖掘技術(shù)優(yōu)化納稅評估模型是完全可行的。

3 基于數(shù)據(jù)挖掘技術(shù)的中小企業(yè)納稅評估模型的構(gòu)建

3.1 中小企業(yè)納稅評估數(shù)據(jù)倉庫的構(gòu)建

納稅評估數(shù)據(jù)倉庫是數(shù)據(jù)挖掘?qū)崿F(xiàn)的數(shù)據(jù)平臺，應(yīng)該包含定性、定量分析過程中涉及的各類涉稅數(shù)據(jù)，數(shù)據(jù)倉庫體系結(jié)構(gòu)如圖1所示。

圖1 數(shù)據(jù)倉庫結(jié)構(gòu)

按照數(shù)據(jù)的覆蓋范圍可以分為集中式數(shù)據(jù)倉庫和數(shù)據(jù)集市。運(yùn)用元數(shù)據(jù)和其它管理工具對數(shù)據(jù)倉庫進(jìn)行組織和管理。

OLAP 服務(wù)器：對分析需要的數(shù)據(jù)進(jìn)行有效集成，按多維模型予以組織，以便進(jìn)行多角度、多層次的分析，并發(fā)現(xiàn)趨勢。

前端工具：主要包括各種報表工具、查詢工具、數(shù)據(jù)分析工具、數(shù)據(jù)挖掘工具以及各種基于數(shù)據(jù)倉庫或數(shù)據(jù)集市的應(yīng)用開發(fā)工具。

數(shù)據(jù)倉庫的設(shè)計(jì)主要包括兩個部分：與操作型系統(tǒng)接口的設(shè)計(jì)和數(shù)據(jù)倉庫本身的設(shè)計(jì)。前者的設(shè)計(jì)主要指ETL 組件的設(shè)計(jì)，ETL 組件通過對操作型數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換、加載，把事務(wù)數(shù)據(jù)轉(zhuǎn)換成數(shù)據(jù)倉庫中的數(shù)據(jù)；后者的主要設(shè)計(jì)問題是：粒度、分區(qū)和適當(dāng)設(shè)計(jì)。粒度問題是設(shè)計(jì)數(shù)據(jù)倉庫的最重要的方面，因?yàn)樗鼤羁逃绊懘娣旁跀?shù)據(jù)倉庫中的數(shù)據(jù)量的大小以及數(shù)據(jù)倉庫所能回答的查詢類型，要在數(shù)據(jù)量大小和所能回答查詢的細(xì)節(jié)級別間做出權(quán)衡，為此，擁有海量數(shù)據(jù)的企業(yè)往往采用多粒度級的設(shè)計(jì)。

3.2 數(shù)據(jù)挖掘技術(shù)的應(yīng)用過程

數(shù)據(jù)挖掘技術(shù)的應(yīng)用過程一般包括以下四步：

第一步，確定業(yè)務(wù)對象：在開始數(shù)據(jù)挖掘之前最基礎(chǔ)的工作就是理解數(shù)據(jù)和實(shí)際業(yè)務(wù)問題，在這個基礎(chǔ)上提出問題，并對目標(biāo)進(jìn)行明確的定義。認(rèn)清數(shù)據(jù)挖掘的目的是數(shù)據(jù)挖掘的重要一步，因此必須清晰的定義出業(yè)務(wù)范圍。數(shù)據(jù)挖掘的最后結(jié)構(gòu)是不可測的，但應(yīng)對要探索的問題有預(yù)見性，為了數(shù)據(jù)挖掘而數(shù)據(jù)挖掘則帶有盲目性，一般不會成功。

第二步，數(shù)據(jù)準(zhǔn)備：這一步是保證數(shù)據(jù)挖掘得以成功的先決條件，數(shù)據(jù)準(zhǔn)備在整個數(shù)據(jù)挖掘過程中占的比重最大，大約是整個數(shù)據(jù)挖掘工作量的60%，數(shù)據(jù)準(zhǔn)備包括數(shù)據(jù)選擇、數(shù)據(jù)預(yù)處理和數(shù)據(jù)轉(zhuǎn)換。

其中，數(shù)據(jù)選取的目的是確定發(fā)現(xiàn)任務(wù)的操作對象，即目標(biāo)數(shù)據(jù)，是根據(jù)用戶的需要從原始數(shù)據(jù)庫中抽取的一組數(shù)據(jù)。數(shù)據(jù)預(yù)處理一般可能包括消除噪聲、推導(dǎo)計(jì)算缺值數(shù)據(jù)、消除重復(fù)記錄、完成數(shù)據(jù)類型轉(zhuǎn)換。當(dāng)數(shù)據(jù)挖掘的對象是數(shù)據(jù)倉庫時，一般來說，數(shù)據(jù)預(yù)處理己經(jīng)在生成數(shù)據(jù)倉庫時完成了。數(shù)據(jù)變換的主要目的是消減數(shù)據(jù)維數(shù)或降維，即從初始特征中找出真正有用的特征以減少數(shù)據(jù)挖掘時要考慮的特征或變量個數(shù)。

第三步，數(shù)據(jù)挖掘：數(shù)據(jù)挖掘就是對所得到的經(jīng)過轉(zhuǎn)換的數(shù)據(jù)進(jìn)行挖掘，除了選擇合適的挖掘方法外，其余工作可自動地完成。

第四步，結(jié)果分析與知識的同化：對挖掘結(jié)果進(jìn)行解釋并評估。數(shù)據(jù)挖掘階段發(fā)現(xiàn)出來的模式，經(jīng)過評估，可能存在冗余或無關(guān)的模式，這時需要將其剔除。也有可能模式不滿足用戶要求，這時則需要整個挖掘過程回退到前續(xù)階段，如重新選取數(shù)據(jù)、采用新的數(shù)據(jù)變換方法、設(shè)定新的參數(shù)值，甚至換一種算法等等。另外，由于數(shù)據(jù)挖掘最終是面向人類用戶的，因此可能要對發(fā)現(xiàn)的模式進(jìn)行可視化，或者把結(jié)果轉(zhuǎn)換為用戶容易理解的其它表示形式，如把分類決策樹轉(zhuǎn)換為“if…then…”規(guī)則。知識的同化就是將分析做得到的知識集成到業(yè)務(wù)系統(tǒng)的制度結(jié)構(gòu)中去。

4 納稅評估模型的構(gòu)建

4.1 選取訓(xùn)練樣本集

為了評估模型的準(zhǔn)確性，盡量避免納稅評估過程中評估人員的主觀經(jīng)驗(yàn)判斷，本文認(rèn)為應(yīng)該從已知納稅人的分類屬性中挑選訓(xùn)練樣本集，以訓(xùn)練樣本集的邏輯判斷驗(yàn)證測試樣本集的分類屬性。因此，構(gòu)建納稅評估模型首先應(yīng)該選擇訓(xùn)練樣本集，樣本集中的每一個元素都已知其分類屬性，且樣本中所含元素越多越好，樣本集合應(yīng)包括如表1所示的內(nèi)容。

表1 中小企業(yè)納稅評估模型樣本集

在表1中， 0l、02是對7項(xiàng)業(yè)務(wù)指標(biāo)屬性和樣本元素分類屬性的定量表示。其中，業(yè)務(wù)指標(biāo)若為01，表示業(yè)務(wù)指標(biāo)“正常”，02表示“異常”；樣本元素的分類屬性D若為01，表示納稅人“稅收遵從”，若為02，則表示“稅收不遵從”。

4.2 計(jì)算兩種分類的先驗(yàn)概率

對訓(xùn)練樣本集中的“分類屬性”進(jìn)行統(tǒng)計(jì)，得到分類屬性為O1的樣本總數(shù)C-D1和屬性為02的樣本總數(shù)C-D2，并計(jì)算“稅收遵從”和“稅收不遵從”的先驗(yàn)概率P(D1)=C-D1／(C-D1+C-D2)，

P(D2)=C-D2／(C-D1+C-D2)

4.3 計(jì)算業(yè)務(wù)指標(biāo)的條件概率

以分類屬性為界限，再次對訓(xùn)練樣本集的業(yè)務(wù)指標(biāo)進(jìn)行樣本數(shù)統(tǒng)計(jì)，得到分類屬性D為“納稅遵從”情況下稅負(fù)率差異幅度Z1“正常”的樣本數(shù)C-Z1-N1-D1、“異常”樣本數(shù)C-Z1-N2-D1，分類屬性D為“納稅不遵從”情況下稅負(fù)率差異幅度Z1“正常”的樣本數(shù)C-Z1-N1-D2、“異常”的樣本數(shù)C-Z1-N2-D2，并據(jù)此得到所有業(yè)務(wù)指標(biāo)的相關(guān)信息。

判定完納稅人的分類屬性之后，稅務(wù)機(jī)關(guān)可挑選“納稅不遵從”對象，利用評估分析、詢問核實(shí)、評定處理等一系列程序，完成納稅評估工作。

5 結(jié)論

綜上所述，本文在對數(shù)據(jù)挖掘技術(shù)進(jìn)行分析的基礎(chǔ)上，運(yùn)用數(shù)據(jù)挖掘技術(shù)優(yōu)化納稅評估模型，構(gòu)建了基于數(shù)據(jù)挖掘技術(shù)的中小企業(yè)納稅評估模型，將納稅評估的對象選定工作置于科學(xué)的邏輯框架下，以提升納稅評估的效率。

胡艷容.中小企業(yè)納稅遵從成本影響因素研究[D].江西農(nóng)業(yè)大學(xué),2013.

張春瑜，女，1982—，河北南宮人，講師，研究方向：稅收、會計(jì)、金融

Construction of SME tax assessment model based on data mining technology

Zhang Chunyu
（Shaanxi Vocational College of Finance and Economics，Xianyang，712000）

This paper constructs a data mining technology based small and medium enterprises tax assessment model, to solve the problem of the research on small and medium-sized enterprise tax.

data mining;tax;assessment model