周　瑾

［摘要］我國稅務(wù)信息化經(jīng)過多年發(fā)展積累了大量數(shù)據(jù)，基于商務(wù)智能技術(shù)的稅務(wù)決策支持系統(tǒng)可以充分利用這些數(shù)據(jù)支持稅收征管工作。介紹了商務(wù)智能技術(shù)在稅務(wù)分析和稅收征管決策中的支持應(yīng)用，以及構(gòu)建基于商務(wù)智能的稅務(wù)決策支持系統(tǒng)的關(guān)鍵問題：數(shù)據(jù)庫統(tǒng)一規(guī)劃、模型的構(gòu)造、知識(shí)庫的建設(shè)、業(yè)務(wù)規(guī)則庫的建設(shè)、缺乏相關(guān)復(fù)合型人才。

［關(guān)鍵詞］商務(wù)智能； 數(shù)據(jù)倉庫； 數(shù)據(jù)挖掘；稅收征管；決策支持系統(tǒng)

稅務(wù)信息化建設(shè)是國家信息化建設(shè)的重要組成部分,一方面實(shí)現(xiàn)稅收征管的信息在全國稅務(wù)系統(tǒng)內(nèi)共享，另一方面實(shí)現(xiàn)稅務(wù)、海關(guān)、銀行及其他政府機(jī)關(guān)之間公共信息資源在寬層面上共享。本文重點(diǎn)研究以稅務(wù)分析和稅務(wù)決策為主要處理對象的基于商務(wù)智能的稅務(wù)決策支持系統(tǒng)。

稅務(wù)決策支持系統(tǒng)是指在一定的經(jīng)濟(jì)理論指導(dǎo)下，根據(jù)經(jīng)濟(jì)和稅收統(tǒng)計(jì)資料，在定性分析基礎(chǔ)上，運(yùn)用定量方法，對未來稅收收入總量和結(jié)構(gòu)等發(fā)展趨勢所做出的分析、判斷和推測?；谏虅?wù)智能的稅務(wù)決策支持系統(tǒng)在實(shí)現(xiàn)系統(tǒng)內(nèi)部數(shù)據(jù)共享的基礎(chǔ)上，吸納外部有價(jià)值的數(shù)據(jù)信息，運(yùn)用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘和多維分析等商務(wù)智能技術(shù)，引入或構(gòu)建成熟的經(jīng)濟(jì)計(jì)量模型，建設(shè)稅務(wù)分析和決策系統(tǒng)，提供輔助決策服務(wù)，提高科學(xué)決策水平[1]。

1 我國稅務(wù)信息化建設(shè)從增長向成熟階段發(fā)展

諾蘭模型把信息化發(fā)展分為六個(gè)階段：初始、蔓延、控制、集成、數(shù)據(jù)管理和成熟六個(gè)階段。米歇模型認(rèn)為諾蘭模型中集成與數(shù)據(jù)管理兩個(gè)階段其實(shí)是不可分割的，他認(rèn)為，信息化是由起步、增長、成熟和更新這樣四階段所構(gòu)成。其中增長階段對應(yīng)著管理信息系統(tǒng)，而成熟階段對應(yīng)著集成化技術(shù)和集成化系統(tǒng)。我國稅務(wù)信息化的發(fā)展目前正從以管理信息系統(tǒng)為特征的增長階段向以集成化系統(tǒng)為特征的成熟階段過渡[1][2]。

集成階段的重要任務(wù)是重組業(yè)務(wù)管理模式，優(yōu)化規(guī)范業(yè)務(wù)流程，統(tǒng)一技術(shù)和業(yè)務(wù)層面的規(guī)范和標(biāo)準(zhǔn)。我國稅務(wù)信息化集成階段的發(fā)展目標(biāo)：建立健全稅務(wù)業(yè)務(wù)管理、稅務(wù)行政管理、領(lǐng)導(dǎo)決策分析、稅務(wù)客戶服務(wù)四大應(yīng)用系統(tǒng)，實(shí)現(xiàn)真正意義上的集成。數(shù)據(jù)的集中共享, 實(shí)現(xiàn)了決策層、管理層對稅務(wù)管理運(yùn)作情況的直觀掌握。

稅務(wù)信息化建設(shè)經(jīng)過數(shù)據(jù)集中、系統(tǒng)整合階段以后，稅務(wù)數(shù)據(jù)的深度利用就變得更為重要。應(yīng)用商務(wù)智能技術(shù)對海量的數(shù)據(jù)與信息進(jìn)行集成的數(shù)據(jù)分析、數(shù)據(jù)挖掘等快速有效地分析處理,從中尋找出規(guī)律性及建立模型，輔助和支持各級稅務(wù)機(jī)關(guān)稅收經(jīng)濟(jì)分析、監(jiān)控和預(yù)測。

2 稅務(wù)決策支持系統(tǒng)中的商務(wù)智能技術(shù)應(yīng)用

商務(wù)智能（business intelligence, BI）是指將組織的各種數(shù)據(jù)及時(shí)地轉(zhuǎn)換為管理者感興趣的信息（或知識(shí)），并以各種方式展現(xiàn)出來，幫助管理者進(jìn)行科學(xué)決策。這里的數(shù)據(jù)既包括組織內(nèi)部的各種數(shù)據(jù)，也包括組織外部的數(shù)據(jù)。從應(yīng)用的角度講，BI也可以理解DW+OLAP+DM。從技術(shù)角度來看，BI重視分析數(shù)據(jù)的技術(shù)[3][4]。

商務(wù)智能通過對稅務(wù)數(shù)據(jù)的采集、整理、挖掘和分析, 為稅務(wù)系統(tǒng)的各層次人員提供信息, 提高稅務(wù)分析和決策能力, 加快決策速度, 確保決策準(zhǔn)確性。另一方面, 也為稅務(wù)系統(tǒng)外部用戶提供有效信息, 共同分享稅務(wù)數(shù)據(jù),提升了稅務(wù)管理和服務(wù)水平。數(shù)據(jù)倉庫(Data Warehouse ,DW) 、聯(lián)機(jī)分析處理(On Line Analytical Processing ,OLAP) 和數(shù)據(jù)挖掘(Data Mining , DM) 是商務(wù)智能的三大技術(shù)支柱

2.1數(shù)據(jù)倉庫

數(shù)據(jù)倉庫是實(shí)現(xiàn)商務(wù)智能的數(shù)據(jù)基礎(chǔ)，完成了數(shù)據(jù)的收集、集成、存儲(chǔ)、管理等工作，使得商務(wù)智能更專注于信息的提取和知識(shí)的發(fā)現(xiàn)。數(shù)據(jù)倉庫存儲(chǔ)元數(shù)據(jù)和用于決策分析的數(shù)據(jù)。其中用于決策分析的數(shù)據(jù)來自于各稅務(wù)業(yè)務(wù)系統(tǒng)，通過建立數(shù)據(jù)倉庫,可以將分散在各個(gè)業(yè)務(wù)系統(tǒng)的數(shù)據(jù)集中成一個(gè)全面的視圖。

稅務(wù)數(shù)據(jù)倉庫的使用者是稅務(wù)機(jī)關(guān)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(dāng)前情況并分析事務(wù)的發(fā)展趨勢，據(jù)以做出正確的決策。數(shù)據(jù)倉庫技術(shù)為稅務(wù)決策支持系統(tǒng)中信息與數(shù)據(jù)全面、高效、快速和統(tǒng)一的管理提供了極其有效的途徑。

2.2 數(shù)據(jù)挖掘

決策的前提是發(fā)現(xiàn)知識(shí)，數(shù)據(jù)挖掘可以幫助我們在大量的數(shù)據(jù)中發(fā)現(xiàn)那些不能靠直覺發(fā)現(xiàn)的信息或知識(shí)，隨著各應(yīng)用系統(tǒng)逐步走向數(shù)據(jù)集中，高度共享，數(shù)據(jù)挖掘技術(shù)在稅務(wù)決策、納稅評估、稅源監(jiān)控與預(yù)測、稅收預(yù)測、納稅人信譽(yù)等級評估、政務(wù)行為評估等方面有了用武之地。運(yùn)用數(shù)據(jù)挖掘技術(shù)來處理稅收業(yè)務(wù)數(shù)據(jù)，提高決策水平，降低管理成本5]。

數(shù)據(jù)挖掘技術(shù)進(jìn)行稅務(wù)數(shù)據(jù)分析的過程是這樣的：首先確定實(shí)現(xiàn)數(shù)據(jù)挖掘目標(biāo)的數(shù)據(jù)挖掘功能；其次選擇合適的模式搜索算法，然后根據(jù)使用者的決策目的對數(shù)據(jù)挖掘的結(jié)果進(jìn)行評價(jià)，最后是知識(shí)同化，將挖掘所得到的知識(shí)集成到稅收工作實(shí)際中，并跟蹤知識(shí)運(yùn)用的具體成效[6]。

國外已經(jīng)有不少數(shù)據(jù)挖掘在稅務(wù)分析和決策中應(yīng)用的成功案例，例如1998 年美國加州稅務(wù)啟動(dòng)的基于IBMDB2 數(shù)據(jù)庫軟件的綜合逃稅人監(jiān)察項(xiàng)目，又如NCRTeradata實(shí)施的包括美國國家稅務(wù)局( IRS) 、澳洲國家稅務(wù)局(ATO) 等在內(nèi)的數(shù)據(jù)倉庫和數(shù)據(jù)挖掘項(xiàng)目。

2.3 聯(lián)機(jī)分析處理技術(shù)(OLAP)

OLAP可以對基于數(shù)據(jù)倉庫中多維的稅務(wù)數(shù)據(jù)進(jìn)行在線分析處理，生成新的稅務(wù)信息，又能實(shí)時(shí)監(jiān)視稅務(wù)管理的成效，使稅務(wù)管理者和決策者能自由地與稅務(wù)數(shù)據(jù)相互聯(lián)系。

3商務(wù)智能在稅務(wù)征管中的支持決策作用

基于BI的稅務(wù)決策支持系統(tǒng)以數(shù)據(jù)倉庫等技術(shù)為基礎(chǔ), 前端工具以O(shè)LAP 工具和數(shù)據(jù)挖掘?yàn)榇? 從數(shù)據(jù)倉庫中提取、分析數(shù)據(jù),用可視化方式為各級稅務(wù)機(jī)關(guān)提供先進(jìn)、實(shí)用的決策支持方案。

基于商務(wù)智能的稅務(wù)決策支持系統(tǒng)中信息組織的過程是這樣的：從不同的數(shù)據(jù)源收集數(shù)據(jù),對數(shù)據(jù)進(jìn)行清理以保證數(shù)據(jù)的正確性，經(jīng)提取、轉(zhuǎn)換后將數(shù)據(jù)加載入數(shù)據(jù)倉庫(這時(shí)數(shù)據(jù)變?yōu)樾畔?，然后通過聯(lián)機(jī)分析處理工具、數(shù)據(jù)挖掘工具加上稅務(wù)分析、稅務(wù)決策人員的專業(yè)知識(shí)，對信息進(jìn)行處理(這時(shí)信息變?yōu)檩o助決策的知識(shí))，最后將知識(shí)呈現(xiàn)于用戶轉(zhuǎn)變?yōu)闆Q策。商務(wù)智能幫助稅務(wù)管理人員在稅務(wù)征管上做出及時(shí)、正確的判斷，把各種數(shù)據(jù)及時(shí)地轉(zhuǎn)化為稅務(wù)管理者決策需要的信息(或者知識(shí))，然后根據(jù)這些信息來采用明智的行動(dòng)。

利用商務(wù)智能技術(shù)從數(shù)據(jù)中發(fā)現(xiàn)知識(shí)以輔助稅收制度改革和稅收決策。在出臺(tái)一項(xiàng)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(jīng)濟(jì)發(fā)展和經(jīng)濟(jì)結(jié)構(gòu)的影響，還需要定量分析、判定新政策、新制度的合理性。基于商務(wù)智能的稅務(wù)決策支持系統(tǒng)通過稅務(wù)分析、稅收預(yù)測、稅收計(jì)劃、納稅人信譽(yù)評估、稅收監(jiān)控預(yù)警、稅收稽查選案、稅收考核評價(jià)、宏觀經(jīng)濟(jì)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(xué)性。

商務(wù)智能在稅務(wù)征管中支持決策的作用體現(xiàn)在以下方面。

3.1 快速查詢信息。稅務(wù)部門的各種數(shù)據(jù)分散于不同稅務(wù)子系統(tǒng)中, 甚至用戶界面, 支持系統(tǒng)也不一樣, 而且很多數(shù)據(jù)是未經(jīng)加工和整理的,只有經(jīng)過提煉和挖掘, 分析和處理的數(shù)據(jù)才形成智能。通過商務(wù)智能,對數(shù)據(jù)進(jìn)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(dòng)生成所需要的報(bào)表、報(bào)告等。

3.2 突破認(rèn)知極限。商務(wù)智能通過整合、挖掘、分析存儲(chǔ)在不同部門、不同應(yīng)用系統(tǒng)中的數(shù)據(jù), 為決策提供更多的事實(shí)和信息。

3.3 多角度、全面分析。商務(wù)智能通過對數(shù)據(jù)萃取、加工、挖掘、切片分析, 從多維度對數(shù)據(jù)進(jìn)行全面的分析, 找出關(guān)鍵因素, 為決策提供更為準(zhǔn)確、可信度高的信息。

3.4個(gè)性化分析。商務(wù)智能系統(tǒng)根據(jù)稅務(wù)管理需要解決的問題, 幫助稅務(wù)部門或相關(guān)機(jī)構(gòu)和人員建立相應(yīng)的分析主題和分析指標(biāo), 從業(yè)務(wù)系統(tǒng)的基礎(chǔ)數(shù)據(jù)庫中抽取需要的數(shù)據(jù), 按預(yù)先建立的業(yè)務(wù)模型進(jìn)行分析決策, 分析結(jié)果顯示直觀、形象。

4基于商務(wù)智能的稅務(wù)決策支持系統(tǒng)實(shí)現(xiàn)的關(guān)鍵問題

基于商務(wù)智能的稅務(wù)決策支持系統(tǒng)構(gòu)建需要解決的關(guān)鍵問題有：

4.1 建立統(tǒng)一規(guī)劃的數(shù)據(jù)庫，以保證信息資源的統(tǒng)一和共享,為商務(wù)智能技術(shù)的運(yùn)用打下基礎(chǔ)，集成稅收征管數(shù)據(jù)的目的, 不僅僅是為了規(guī)范征收行為, 更重要的在于通過對數(shù)據(jù)的集中處理與分析, 輔助和支持稅務(wù)決策。由于數(shù)據(jù)挖掘技術(shù)的復(fù)雜性，綜合利用數(shù)理統(tǒng)計(jì)、人工智能等多門學(xué)科的知識(shí)，構(gòu)建數(shù)據(jù)挖掘模型需要真正體現(xiàn)實(shí)際業(yè)務(wù)需求。

4.2 決策模型是決策支持系統(tǒng)重要構(gòu)成部分。判斷決策者做出的決策是否合理，關(guān)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(jié)合稅收業(yè)務(wù)，綜合應(yīng)用數(shù)學(xué)計(jì)量經(jīng)濟(jì)方法、數(shù)據(jù)挖掘方法建立稅務(wù)決策支持系統(tǒng)的決策模型是首要的業(yè)務(wù)難點(diǎn)。

構(gòu)建和選擇合適的決策模型需要明確各級稅務(wù)決策者的需求, 全面分析稅務(wù)工作的基本數(shù)據(jù)元素和運(yùn)行規(guī)律, 通過稅務(wù)數(shù)據(jù)模型和綜合數(shù)據(jù)庫的建立, 面向各級領(lǐng)導(dǎo)進(jìn)行綜合查詢及輔助決策，有效地開發(fā)基于商務(wù)智能技術(shù)的稅務(wù)決策支持系統(tǒng)[7]]。

4.3 知識(shí)庫的建設(shè) 決策支持系統(tǒng)解決問題的能力很大程度上還依賴于知識(shí)庫擁有知識(shí)的多少，知識(shí)越豐富，解決問題和決策支持的能力就越強(qiáng)?；贐I的稅務(wù)決策系統(tǒng)應(yīng)盡可能收集、整理稅務(wù)專家對稅務(wù)管理預(yù)測、決策、計(jì)劃、控制、分析的研究成果和實(shí)際經(jīng)驗(yàn)，并在此基礎(chǔ)上加以總結(jié)和提高，構(gòu)成系統(tǒng)的知識(shí)庫。

4.4 業(yè)務(wù)規(guī)則庫的建設(shè)業(yè)務(wù)規(guī)則是所有績效管理系統(tǒng)和BI項(xiàng)目的核心基礎(chǔ)，在業(yè)務(wù)規(guī)則的基礎(chǔ)上，報(bào)告生成系統(tǒng)能夠自動(dòng)解釋數(shù)據(jù)，為特定目標(biāo)設(shè)定關(guān)鍵績效指標(biāo)，并為解決問題提供建議。在很多前期的商務(wù)智能項(xiàng)目中，業(yè)務(wù)規(guī)則設(shè)定在數(shù)據(jù)倉庫的ETL過程中（抽取、轉(zhuǎn)換、裝載）中或是具有特定功能BI的工具, Robert Blasum認(rèn)為業(yè)務(wù)規(guī)則必須是商務(wù)智能系統(tǒng)中的獨(dú)立模塊[8]。商務(wù)智能不是將一大堆技術(shù)工具堆在數(shù)據(jù)上，基于商務(wù)智能的稅務(wù)決策支持系統(tǒng)設(shè)計(jì)、規(guī)劃和實(shí)施首先應(yīng)當(dāng)從了解業(yè)務(wù)、業(yè)務(wù)流程，理解業(yè)務(wù)運(yùn)作模式開始[9]。

4.5 相關(guān)的復(fù)合人才非常匱乏，

構(gòu)建基于BI的稅務(wù)決策支持系統(tǒng)需要應(yīng)用多學(xué)科的理論、方法和模型，是多方面知識(shí)的綜合。需要既掌握數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、聯(lián)機(jī)分析系統(tǒng)等計(jì)算機(jī)方面的知識(shí)，又熟悉稅收法律法規(guī)、征管規(guī)程和財(cái)務(wù)會(huì)計(jì)等知識(shí)的復(fù)合型人才。使用基于BI的稅務(wù)決策支持系統(tǒng)進(jìn)行稅務(wù)分析，對人員的素質(zhì)提出了更高的要求，除了要掌握一般的稅收分析技術(shù)方法外，還必須具備社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)學(xué)、系統(tǒng)科學(xué)、信息科學(xué)、高等數(shù)學(xué)、計(jì)算機(jī)應(yīng)用等方面的知識(shí)。

總之，基于商務(wù)智能的稅務(wù)決策支持系統(tǒng)通過使用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、OLAP等技術(shù)，從稅務(wù)系統(tǒng)海量數(shù)據(jù)中挖掘出有用信息，從而幫助決策者做出決策，提升決策質(zhì)量，實(shí)現(xiàn)科學(xué)決策。

主要參考文獻(xiàn)

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

[2]高莉.稅收信息化的“集中”和“整合”[J].稅務(wù)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(shí)管理與商務(wù)智能對比分析[J].情報(bào)雜志.2007(3):80-81

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

[6]王隆杰.稅務(wù)決策支持系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)工程與設(shè)計(jì),2007(7)

[7]王衍.基于信息可視化技術(shù)的稅務(wù)決策支持系統(tǒng)分析[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)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)