统计分析和数据挖掘在税务管理部门的主要应用-吴昊.docxVIP

统统计计分分析析和和数数据据挖挖掘掘在在税税务务管管理理 部部门门的的主主要要应应用用 北北京京瑞瑞斯斯泰泰得得数数据据技技术术开开发发有有限限公公司司 吴吴昊昊 统统计计分分析析和和数数据据挖挖掘掘的的应应用用 金融机构 电信公司 零售企业 医药卫生 网络挖掘 税务管理 统统计计分分析析和和数数据据挖挖掘掘的的应应用用基基础础 统计理论和数据挖掘的知识框架 行业内基础数据来源 各类问题的分析和解决思路 完善的指标评价体系 税税务务管管理理中中的的部部分分应应用用领领域域 税收收入的变化分析 税源管理分类分析 综合的专题分析纳税评估 稽查选案 信誉评级 实实践践应应用用中中的的几几类类问问题题 连续变量的预测问题 分类变量的预测问题 群体特征问题 相关变量关系分析 聚类问题 数据降维问题 税务机关内部信息 纳税人属性信息 纳税人基本信息 纳税人项目登记信息纳税人征管鉴定信息 纳税人行为信息 纳税人申报信息 纳税人纳税信息 纳税人财务信息 发票购领信息 违章信息 税务机关行为信息 稽查信息  基基础础数数据据 相关管理机构的信息 国家统计局部分数据 国家信息中心部分数 据 国家工商部门部分数 据 税税收收收收入入的的变变化化 税收收入变化因素的描述性分析统计量的选择问题： 检查补税、税户移动、宏观政策、纳税人内部自然增长等 税收收入预测 回归分析：各产业的GDP值、各行业发展的增长指标，行业内重点税源的加权增长额 问题：方法的选择，模型的选择，操作过程的控制 时间序列：按照时间变化的趋势去预测（数据的使用范围的限制、不同地区的误差情况不同） 新的思路的提出：单一行业的序列预测，可以考虑引进新的预测变量（房地产业） 利利用用数数据据挖挖掘掘做做纳纳税税评评估估 如何定义纳税评估中发现各类的非正常纳税人； 非正常的纳税人在征管和稽查的过程中所具有的定性的特征； 上述特征中如何取得量化的数据信息； 如何利用数据挖掘模型将不同类型的纳税人分类； 如何利用现有的分类对同等特征的纳税人未来的纳税行为进行预测； 数数据据挖挖掘掘的的处处理理过过程程 对明细数据中各种变量的描述和可视化处理 从业务流程数据和稽查数据中产生新的变量（某些连续变量离散化） 分类数据挖掘模型： CART\K-Means\Kohonen,主要的分类评估办法 预测的挖掘模型： C5.0\Neuralnet\logistic Regression,主要的预测方法 实实践践中中数数据据挖挖掘掘工工作作的的问问题题 数据问题数据源问题 数据质量问题 1、系统错误 2、采集错误 3、管理错误 挖掘主题理解 统统计计问问题题 统计量问题 标准差问题：稽查选案过程中，业务部门的一条重要规则:同行业同规模纳税人的异常状况 我们曾经计算过同行业相同注册资本的纳税 人的标准差，找到大于或小于2SD的纳税人原因：纳税人缴纳的税款不符合正态分布 统统计计问问题题 数据降维问题 在纳税评估过程中，需要计算纳税人税款波动信息对总体税款波动情况的影响，其中涉及的波动值字段有15个，如果再考虑相对值就有30个，如果加上年限…… 因此在这里考虑的问题就是利用一些数据降维的方法，比如说因子分析、主成分分析 挖挖掘掘模模型型组组合合使使用用的的问问题题 模型库—应用的简捷性 组合模型—有效性 模型的发布 模模型型评评估估系系统统 模型的准确率 不同模型结果的ROI 在与实际业务结合时模型的可应用性