【正文】 來幾個(gè)月的趨勢變 換，并與預(yù)算數(shù)額進(jìn)行對比，及時(shí)修正和 預(yù)警。在稅務(wù)數(shù)據(jù) 挖掘工作中，主要利用神經(jīng)網(wǎng)絡(luò)來 進(jìn)行復(fù)雜稅務(wù)數(shù)據(jù)的處理，進(jìn)行初期建模，對于模型的解釋則選用相對解釋性 較強(qiáng)的決策樹或回歸來進(jìn)行。由于其對非線性關(guān)系和噪聲數(shù) 據(jù)方面的強(qiáng)大的處理能力，同時(shí)在處理復(fù)雜度比較高的問題方面的優(yōu)越性，使 得其在數(shù)據(jù)挖掘領(lǐng)域受到廣泛的關(guān)注。在稅務(wù)系統(tǒng)中，主要用回歸分析來預(yù)測 未來稅 收的水平，以此作為衡量稅收工作的重要指標(biāo)，同時(shí)結(jié)合實(shí)際的稅收情況，制 定合理的稅收計(jì)劃，更好地促進(jìn)稅收執(zhí)法工作的開展。在實(shí)際應(yīng)用中，決策樹模型的效用衰減速度極快，不僅導(dǎo)致模型的 生命周期短，而且容易造成建模結(jié)果不穩(wěn)定。在稅務(wù)行業(yè)中，關(guān)聯(lián)規(guī)則主要用來從發(fā)票信息中，尋找 產(chǎn)品相關(guān)性、企業(yè)依賴性、行業(yè)依存性等，建立行業(yè)交易規(guī)則模式庫，跟蹤納 稅人在不同群體之間的交易變化，進(jìn)而鎖定不正常企業(yè)的不尋常交易；為建立 企業(yè)信用風(fēng)險(xiǎn)評級以及稅收監(jiān)管人員的監(jiān)管水平提供依據(jù)，對國家稅收的長期 健康穩(wěn)定發(fā)展起著至關(guān)重要的作用。例如在建模前，通常先對 所有的變量進(jìn)行聚類，在挖掘建模前將具有相似效用的變量剔除，避免由此引 發(fā)的模型效果的膨脹；在進(jìn)行關(guān)聯(lián)規(guī)則挖掘之前，通常將不同納稅人按照不同 行業(yè)進(jìn)行聚類，達(dá)到凸顯規(guī)則的效果，使得在此基礎(chǔ)上進(jìn)行的關(guān)聯(lián)規(guī)則挖掘工 作更快速、便捷、有效。主要有利用 聚類分析識別不同納稅人員潛在的相似特征，同時(shí)區(qū)分不同的納稅群體特性， 對不同群體的納稅人實(shí)施不同的稅收政策，從而實(shí)現(xiàn)納稅人細(xì)分。在稅務(wù)系統(tǒng)中，決策樹模型主要針對不熟悉數(shù)據(jù)挖掘技術(shù)的稅收業(yè) 務(wù)人員的，稅收業(yè)務(wù)人員利用決策樹的一系列規(guī)則來初步判斷納稅人員的增值 稅票票面額度、每月發(fā)放的增值稅票數(shù)、稅員流失的可能性以及潛在的納稅人 員，保證稅收政策的有效實(shí)施。在實(shí)際應(yīng)用中，通常是綜合考慮，不能單一的予以判定乜羽， 根據(jù)本次稅務(wù)數(shù)據(jù)挖掘研究的不同應(yīng)用，將數(shù)據(jù)挖掘算法進(jìn)行分類，具體如表 2． 1 所示。、聚類分 析、關(guān)聯(lián)分析、序列模式與孤立點(diǎn)分析等。 2． 1．?dāng)?shù)據(jù)挖掘方法分類 目前的數(shù)據(jù)挖掘分類依據(jù)多種多樣，常見的主要有兩種 H 蝴，分別是依據(jù)數(shù) 據(jù)挖掘的目的或數(shù)據(jù)挖掘內(nèi)容來進(jìn)行劃分。本章作為 整篇論文的理論基礎(chǔ)，重點(diǎn)從以下幾個(gè)方面進(jìn)行重點(diǎn)介紹。是現(xiàn)代社會信息的需要而發(fā)展起來的新學(xué)科，建立 在數(shù)據(jù)庫、統(tǒng)計(jì)學(xué)、模式識別、機(jī)器學(xué)習(xí)、人工智能等學(xué)科的基礎(chǔ)之上嘲。同時(shí)對數(shù)據(jù)挖掘在稅 務(wù)行業(yè)未來可能的應(yīng)用方向進(jìn)行了探索。 第五章結(jié)論和展望。作為論文的核心部分，本章主要對本次數(shù)據(jù)挖掘 建模工 作的工作過程進(jìn)行了詳細(xì)介紹，包括需求分析、系統(tǒng)架構(gòu)和程序流程等。本章主要對本次數(shù)據(jù)挖掘工作所采用的工 具 SAS 系統(tǒng)進(jìn)行了簡單介紹，同時(shí)對 SAS 所采用的方法論同時(shí)也是本次挖掘工 作流程的 SAS／ EM 進(jìn)行了詳細(xì)介紹，作為本次挖掘工作的科學(xué)根據(jù)。同時(shí) 對本次數(shù)據(jù)挖掘工作所涉及到的數(shù)據(jù)挖掘算法 logistic 回歸、系統(tǒng)聚類和聚類相 關(guān)的統(tǒng)計(jì)量進(jìn)行了詳細(xì)描述。 第二章相關(guān)挖掘技術(shù)概述。 1． 5．論文的組織結(jié)構(gòu) 論文各章節(jié)的組織結(jié)構(gòu)如下： 4 1 引論 第一章引論。通過及時(shí)修改發(fā)現(xiàn)的問題提高數(shù)據(jù)質(zhì)量，促進(jìn)業(yè)務(wù)和操作的規(guī)范性， 推動(dòng)稅收管理，強(qiáng)化薄弱環(huán)節(jié)。 帶動(dòng)數(shù)據(jù)質(zhì)量工作，提升數(shù)據(jù)質(zhì)量，數(shù)據(jù)質(zhì)量的提升反過來會提高深度分 析的準(zhǔn)確性。還可以做成品油行業(yè)虛抵， 運(yùn)費(fèi)虛抵等課題，深入挖掘企業(yè)虛開等領(lǐng)域。 1． 4．研究意義 本文只是利用 SAS 工具進(jìn)行稅務(wù)數(shù)據(jù)分析的一個(gè)探索，課題選取了“走 逃 和“虛開 ，探索成功后，還可以以 SAS 工具為基礎(chǔ)做其他方面的縱深分析。 1． 3．研究內(nèi)容 由 于數(shù)據(jù)挖掘工作在稅務(wù)數(shù)據(jù)方面的運(yùn)用國內(nèi)是首次開展，尚無比較多的 經(jīng)驗(yàn)可以借鑒，我們僅能從以前的數(shù)據(jù)挖掘工作中尋找規(guī)律同時(shí)結(jié)合業(yè)務(wù)人員 的經(jīng)驗(yàn)進(jìn)行探索性分析，初步確定選擇兩個(gè)課題進(jìn)行實(shí)驗(yàn)性研究。同時(shí)在 2020 年，通用公司利用 SAS 提供的數(shù) 據(jù)挖掘軟件，發(fā)現(xiàn)了很多問題，所有這些如果沒有利用數(shù)據(jù)挖掘技術(shù)和軟件， 是不可能在早期被發(fā)現(xiàn)的，在時(shí)間上較之前提前了 3 個(gè)月，同時(shí)對保修的分析 周期也同比下降了 70％，僅此幾項(xiàng)業(yè)務(wù)，為通用節(jié)省了將近 900 萬的保修成本。 目前國內(nèi)很多公司在數(shù)據(jù)挖掘應(yīng)用方面取得的顯著成果，彰顯了數(shù)據(jù)挖掘 強(qiáng)大的生命力：中國海關(guān)使用 EAS 系統(tǒng)對目前關(guān)稅中存在的偷稅漏稅行為進(jìn)行 檢測、對走私犯罪行為進(jìn)行嚴(yán)厲打擊。 然而發(fā)現(xiàn)企業(yè)數(shù)據(jù)背后隱藏的價(jià)值卻是擺在企業(yè)面前的一個(gè)挑戰(zhàn)。常 見的應(yīng)用案例多發(fā)生在作業(yè)成本管理、法規(guī)依從、客戶關(guān)系管理 n 羽 、財(cái)務(wù)智能、 績效管理、盈利能力管理等方面，其中比較典型的是： 1 反洗錢法規(guī)要求一自動(dòng)發(fā)現(xiàn)可疑活動(dòng)并對活動(dòng)進(jìn)行分類和顯示，這樣， 企業(yè)就能滿足嚴(yán)格的政府法規(guī)要求，確保股東信心和良好的社會評價(jià)；對市場、 信用和運(yùn)營風(fēng)險(xiǎn)衡量標(biāo)準(zhǔn)進(jìn)行計(jì)算和總結(jié)，在最大限度上減少風(fēng)險(xiǎn)管理的工作 量和投資。 數(shù)據(jù)挖掘是對大量的原始數(shù)據(jù)進(jìn)行選擇、分析和建模，從中發(fā)現(xiàn)以前沒有發(fā)現(xiàn) 2 l 引論 的趨勢和模式?？v觀數(shù)據(jù)挖掘 的實(shí)現(xiàn)技術(shù)和挖掘知識的類型，無不深刻揭示了數(shù)據(jù)挖掘通過預(yù)測未來趨勢及 行為，做出前攝的、基于知識的決策的功能。 1． 2．國內(nèi)外研究與應(yīng)用現(xiàn)狀 目前國內(nèi)外數(shù)據(jù)挖掘 DM 的主要研究內(nèi)容包括基礎(chǔ)理論、發(fā)現(xiàn)算法、數(shù) 據(jù)倉庫、可視化技術(shù)、定性定量互換模型、知識表示方法、發(fā)現(xiàn)知識的維護(hù)和 再利用、半結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中的知識發(fā)現(xiàn)以及網(wǎng)上數(shù)據(jù)挖掘等。如何將這些“歷史的、靜態(tài)的 數(shù)據(jù) 變成動(dòng)態(tài) 的，具有分析決策性質(zhì)的信息，為各級領(lǐng)導(dǎo)決策提供科學(xué)合理的依據(jù)、 提高經(jīng)濟(jì)稅源的分析能力、強(qiáng)化稅收征收管理的精細(xì)化管理水平，也成為目前 稅務(wù)體統(tǒng)中亟待解決的問題。稅務(wù)部門雖然采取媒體曝光、 1 引論 行政處罰、與公安部門聯(lián)手打擊等多種行政、法律手段予以處罰制裁，但仍未 有效遏制其愈演愈烈之勢，幾乎成為僅憑稅務(wù)機(jī)關(guān)已之力無法破解的難題№1。多種不利因素的綜合作用，使我國的稅收形勢顯得尤 為復(fù)雜，導(dǎo)致納 稅人走逃、虛開增值稅發(fā)票等問題時(shí)有發(fā)生。 1． 1．業(yè)務(wù)背景 新中國的稅收僅僅走過半個(gè)多世紀(jì)的短暫歷程，期間還有長達(dá)三十年的計(jì) 劃經(jīng)濟(jì)時(shí)期。 3 圖 4 ． 10 模 型 訓(xùn) 練 結(jié) 果 性 能 比較?????????????????????? 33 圖 4 ． 11 模 型 驗(yàn) 證 結(jié) 果 性 能 比較?????????????????????? 36 1 圖 4 ． 12 聚 類 分 析 樹 狀圖????????????????????????? 4 圖 4． 13 C_capturedcluster????????????????????????????????．． 43 圖4． 14liftcluster????????????????????????????????????．． 43 圖 4 ． 15ASSESS 模型評估????????????????????????． 44 圖 4 ． 16 企業(yè) 交易星狀圖????????????????????????? 47 VI 1．引論 數(shù)據(jù)挖掘 和趨勢的過程 既定業(yè)務(wù)目標(biāo) 步將其模型化 在數(shù)據(jù)庫分析和決策支持方面，數(shù)據(jù)挖掘主要用于客戶分析和管理包括目標(biāo)營 銷，客戶關(guān)系管理，購物籃分析，交叉銷售，營銷分群等口’；在風(fēng)險(xiǎn)分析和管理 方面，數(shù)據(jù)挖掘主要用于預(yù)測：客戶保持，降低風(fēng)險(xiǎn)，質(zhì)量控制，競爭力分析。 33 表 4 ． 4logistic 回 歸 模 型 驗(yàn) 證表?????????????????????? 35 表 4 ． 5 聚 類 分 析 過 程表?????????????????????????． 38 l 表 4 ． 6 聚 類 模 型 性 能 評 估表???????????????????????． 4 表 4 ． 7 關(guān) 聯(lián) 規(guī) 則庫???????????????????????????． 44 表 5 ． 1 納 稅 人 RFM 分析方 法表?????????????????????? 50 V 圖表目錄 圖目錄 圖 3． 1 數(shù)據(jù)挖掘工具性能比較?????????????? 圖 3． 2SEMMA 工作流程與方法????????????? 圖 4． 1 數(shù)據(jù)庫的總體架構(gòu)???????????????? 圖 4． 2 程序架構(gòu)圖???????????????? ??? 圖 4 ． 3 程 序 設(shè) 計(jì) 流 程圖?????????????????????????．． 24 圖 4 ． 4SEMMA 流程圖?????????????????????????。 55 表目錄 表目錄 表 2 ． 1 數(shù) 據(jù) 挖 掘 方 法 應(yīng) 用 分類???????????????????????。 37 4 ． 2 ． 2 建模過程?????????????????????????? 37 4 ． 2 ． 3 模型評估??????????? ??????????????? 4l 4 ． 2 ． 4 模型應(yīng)用?????????????????????????? 44 4 ． 3 本章小結(jié)???????????????????????????? 47 5 結(jié)論和展望??????????????????????。 16 3 ． 2SEMMA 數(shù)據(jù)挖掘方法論????????????????????? 17 3 ． 2 ． 1 抽樣????? ???????????????????????????????? 18 8 3 ． 2 ． 2 探索????????????????????????????． 1 3 ． 2 ． 3 修改????????????????????????????? 19 9 3 ． 2 ． 4 建模????????????????????????????????????? l