基于商务智能的税务征管决策支持研究

周　瑾

［摘要］我国税务信息化经过多年发展积累了大量数据，基于商务智能技术的税务决策支持系统可以充分利用这些数据支持税收征管工作。介绍了商务智能技术在税务分析和税收征管决策中的支持应用，以及构建基于商务智能的税务决策支持系统的关键问题：数据库统一规划、模型的构造、知识库的建设、业务规则库的建设、缺乏相关复合型人才。

［关键词］商务智能； 数据仓库； 数据挖掘；税收征管；决策支持系统

税务信息化建设是国家信息化建设的重要组成部分,一方面实现税收征管的信息在全国税务系统内共享，另一方面实现税务、海关、银行及其他政府机关之间公共信息资源在宽层面上共享。本文重点研究以税务分析和税务决策为主要处理对象的基于商务智能的税务决策支持系统。

税务决策支持系统是指在一定的经济理论指导下，根据经济和税收统计资料，在定性分析基础上，运用定量方法，对未来税收收入总量和结构等发展趋势所做出的分析、判断和推测。基于商务智能的税务决策支持系统在实现系统内部数据共享的基础上，吸纳外部有价值的数据信息，运用数据仓库、数据挖掘和多维分析等商务智能技术，引入或构建成熟的经济计量模型，建设税务分析和决策系统，提供辅助决策服务，提高科学决策水平[1]。

1 我国税务信息化建设从增长向成熟阶段发展

诺兰模型把信息化发展分为六个阶段：初始、蔓延、控制、集成、数据管理和成熟六个阶段。米歇模型认为诺兰模型中集成与数据管理两个阶段其实是不可分割的，他认为，信息化是由起步、增长、成熟和更新这样四阶段所构成。其中增长阶段对应着管理信息系统，而成熟阶段对应着集成化技术和集成化系统。我国税务信息化的发展目前正从以管理信息系统为特征的增长阶段向以集成化系统为特征的成熟阶段过渡[1][2]。

集成阶段的重要任务是重组业务管理模式，优化规范业务流程，统一技术和业务层面的规范和标准。我国税务信息化集成阶段的发展目标：建立健全税务业务管理、税务行政管理、领导决策分析、税务客户服务四大应用系统，实现真正意义上的集成。数据的集中共享, 实现了决策层、管理层对税务管理运作情况的直观掌握。

税务信息化建设经过数据集中、系统整合阶段以后，税务数据的深度利用就变得更为重要。应用商务智能技术对海量的数据与信息进行集成的数据分析、数据挖掘等快速有效地分析处理,从中寻找出规律性及建立模型，辅助和支持各级税务机关税收经济分析、监控和预测。

2 税务决策支持系统中的商务智能技术应用

商务智能（business intelligence, BI）是指将组织的各种数据及时地转换为管理者感兴趣的信息（或知识），并以各种方式展现出来，帮助管理者进行科学决策。这里的数据既包括组织内部的各种数据，也包括组织外部的数据。从应用的角度讲，BI也可以理解DW+OLAP+DM。从技术角度来看，BI重视分析数据的技术[3][4]。

商务智能通过对税务数据的采集、整理、挖掘和分析, 为税务系统的各层次人员提供信息, 提高税务分析和决策能力, 加快决策速度, 确保决策准确性。另一方面, 也为税务系统外部用户提供有效信息, 共同分享税务数据,提升了税务管理和服务水平。数据仓库(Data Warehouse ,DW) 、联机分析处理(On Line Analytical Processing ,OLAP) 和数据挖掘(Data Mining , DM) 是商务智能的三大技术支柱

2.1数据仓库

数据仓库是实现商务智能的数据基础，完成了数据的收集、集成、存储、管理等工作，使得商务智能更专注于信息的提取和知识的发现。数据仓库存储元数据和用于决策分析的数据。其中用于决策分析的数据来自于各税务业务系统，通过建立数据仓库,可以将分散在各个业务系统的数据集中成一个全面的视图。

税务数据仓库的使用者是税务机关的决策者和管理者,他们需要从更广泛、更全面的视角，站在全局的高度上去了解当前情况并分析事务的发展趋势，据以做出正确的决策。数据仓库技术为税务决策支持系统中信息与数据全面、高效、快速和统一的管理提供了极其有效的途径。

2.2 数据挖掘

决策的前提是发现知识，数据挖掘可以帮助我们在大量的数据中发现那些不能靠直觉发现的信息或知识，随着各应用系统逐步走向数据集中，高度共享，数据挖掘技术在税务决策、纳税评估、税源监控与预测、税收预测、纳税人信誉等级评估、政务行为评估等方面有了用武之地。运用数据挖掘技术来处理税收业务数据，提高决策水平，降低管理成本5]。

数据挖掘技术进行税务数据分析的过程是这样的：首先确定实现数据挖掘目标的数据挖掘功能；其次选择合适的模式搜索算法，然后根据使用者的决策目的对数据挖掘的结果进行评价，最后是知识同化，将挖掘所得到的知识集成到税收工作实际中，并跟踪知识运用的具体成效[6]。

国外已经有不少数据挖掘在税务分析和决策中应用的成功案例，例如1998 年美国加州税务启动的基于IBMDB2 数据库软件的综合逃税人监察项目，又如NCRTeradata实施的包括美国国家税务局( IRS) 、澳洲国家税务局(ATO) 等在内的数据仓库和数据挖掘项目。

2.3 联机分析处理技术(OLAP)

OLAP可以对基于数据仓库中多维的税务数据进行在线分析处理，生成新的税务信息，又能实时监视税务管理的成效，使税务管理者和决策者能自由地与税务数据相互联系。

3商务智能在税务征管中的支持决策作用

基于BI的税务决策支持系统以数据仓库等技术为基础, 前端工具以OLAP 工具和数据挖掘为代表, 从数据仓库中提取、分析数据,用可视化方式为各级税务机关提供先进、实用的决策支持方案。

基于商务智能的税务决策支持系统中信息组织的过程是这样的：从不同的数据源收集数据,对数据进行清理以保证数据的正确性，经提取、转换后将数据加载入数据仓库(这时数据变为信息)，然后通过联机分析处理工具、数据挖掘工具加上税务分析、税务决策人员的专业知识，对信息进行处理(这时信息变为辅助决策的知识)，最后将知识呈现于用户转变为决策。商务智能帮助税务管理人员在税务征管上做出及时、正确的判断，把各种数据及时地转化为税务管理者决策需要的信息(或者知识)，然后根据这些信息来采用明智的行动。

利用商务智能技术从数据中发现知识以辅助税收制度改革和税收决策。在出台一项新的税收在政策之前，不仅需要定性分析新政策、新制度对税收收入、经济发展和经济结构的影响，还需要定量分析、判定新政策、新制度的合理性。基于商务智能的税务决策支持系统通过税务分析、税收预测、税收计划、纳税人信誉评估、税收监控预警、税收稽查选案、税收考核评价、宏观经济分析等方面提供为决策者提供决策支持，以保证决策的科学性。

商务智能在税务征管中支持决策的作用体现在以下方面。

3.1 快速查询信息。税务部门的各种数据分散于不同税务子系统中, 甚至用户界面, 支持系统也不一样, 而且很多数据是未经加工和整理的,只有经过提炼和挖掘, 分析和处理的数据才形成智能。通过商务智能,对数据进行整合、分析、挖掘，各层次用户能快速查询利用这些信息，自动生成所需要的报表、报告等。

3.2 突破认知极限。商务智能通过整合、挖掘、分析存储在不同部门、不同应用系统中的数据, 为决策提供更多的事实和信息。

3.3 多角度、全面分析。商务智能通过对数据萃取、加工、挖掘、切片分析, 从多维度对数据进行全面的分析, 找出关键因素, 为决策提供更为准确、可信度高的信息。

3.4个性化分析。商务智能系统根据税务管理需要解决的问题, 帮助税务部门或相关机构和人员建立相应的分析主题和分析指标, 从业务系统的基础数据库中抽取需要的数据, 按预先建立的业务模型进行分析决策, 分析结果显示直观、形象。

4基于商务智能的税务决策支持系统实现的关键问题

基于商务智能的税务决策支持系统构建需要解决的关键问题有：

4.1 建立统一规划的数据库，以保证信息资源的统一和共享,为商务智能技术的运用打下基础，集成税收征管数据的目的, 不仅仅是为了规范征收行为, 更重要的在于通过对数据的集中处理与分析, 辅助和支持税务决策。由于数据挖掘技术的复杂性，综合利用数理统计、人工智能等多门学科的知识，构建数据挖掘模型需要真正体现实际业务需求。

4.2 决策模型是决策支持系统重要构成部分。判断决策者做出的决策是否合理，关键在于对特定的问题所选择的决策模型以及模型所使用的算法。如何结合税收业务，综合应用数学计量经济方法、数据挖掘方法建立税务决策支持系统的决策模型是首要的业务难点。

构建和选择合适的决策模型需要明确各级税务决策者的需求, 全面分析税务工作的基本数据元素和运行规律, 通过税务数据模型和综合数据库的建立, 面向各级领导进行综合查询及辅助决策，有效地开发基于商务智能技术的税务决策支持系统[7]]。

4.3 知识库的建设 决策支持系统解决问题的能力很大程度上还依赖于知识库拥有知识的多少，知识越丰富，解决问题和决策支持的能力就越强。基于BI的税务决策系统应尽可能收集、整理税务专家对税务管理预测、决策、计划、控制、分析的研究成果和实际经验，并在此基础上加以总结和提高，构成系统的知识库。

4.4 业务规则库的建设业务规则是所有绩效管理系统和BI项目的核心基础，在业务规则的基础上，报告生成系统能够自动解释数据，为特定目标设定关键绩效指标，并为解决问题提供建议。在很多前期的商务智能项目中，业务规则设定在数据仓库的ETL过程中（抽取、转换、装载）中或是具有特定功能BI的工具, Robert Blasum认为业务规则必须是商务智能系统中的独立模块[8]。商务智能不是将一大堆技术工具堆在数据上，基于商务智能的税务决策支持系统设计、规划和实施首先应当从了解业务、业务流程，理解业务运作模式开始[9]。

4.5 相关的复合人才非常匮乏，

构建基于BI的税务决策支持系统需要应用多学科的理论、方法和模型，是多方面知识的综合。需要既掌握数据仓库、数据挖掘、联机分析系统等计算机方面的知识，又熟悉税收法律法规、征管规程和财务会计等知识的复合型人才。使用基于BI的税务决策支持系统进行税务分析，对人员的素质提出了更高的要求，除了要掌握一般的税收分析技术方法外，还必须具备社会经济统计学、系统科学、信息科学、高等数学、计算机应用等方面的知识。

总之，基于商务智能的税务决策支持系统通过使用数据仓库、数据挖掘、OLAP等技术，从税务系统海量数据中挖掘出有用信息，从而帮助决策者做出决策，提升决策质量，实现科学决策。

主要参考文献

[1]谭荣华,王敬峰.整合：中国税收信息化发展的新阶段.中国税务，2005（2）44-45

[2]高莉.税收信息化的“集中”和“整合”[J].税务研究,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.知识管理与商务智能对比分析[J].情报杂志.2007(3):80-81

[5]叶向东.数据挖掘：税收分析与税收决策的利器[J].安徽税务,2003(9):38-39

[6]王隆杰.税务决策支持系统设计[J].计算机工程与设计,2007(7)

[7]王衍.基于信息可视化技术的税务决策支持系统分析[J].数量经济技术经济研究,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)