基于大數(shù)據(jù)算法的納稅遵從風(fēng)險(xiǎn)識(shí)別以及影響因子分析

孫存一 趙瑜

（中國(guó)人民大學(xué) 金融財(cái)政學(xué)院，北京100872）

一、引 言

伴隨知識(shí)社會(huì)的來(lái)臨，驅(qū)動(dòng)當(dāng)今社會(huì)變革的不僅僅是無(wú)所不在的網(wǎng)絡(luò)，還有無(wú)所不在的計(jì)算、無(wú)所不在的數(shù)據(jù)、無(wú)所不在的知識(shí)?；ヂ?lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、機(jī)器學(xué)習(xí)等洶涌來(lái)襲，這不僅僅是信息技術(shù)領(lǐng)域的革命，更是啟動(dòng)創(chuàng)新、引領(lǐng)變革的利器，“大數(shù)據(jù)戰(zhàn)略”給稅務(wù)工作帶來(lái)了新的機(jī)遇，稅收數(shù)據(jù)的分析正面臨著新一輪的改革和優(yōu)化。不可否認(rèn)，稅務(wù)部門經(jīng)過(guò)30多年的信息化建設(shè)，數(shù)據(jù)已初具規(guī)模，龐大的稅收數(shù)據(jù)帶來(lái)了可供深度挖掘和細(xì)致分析的潛在價(jià)值，同時(shí)又具有分散多樣、價(jià)值密度低等特征，如何基于復(fù)雜的數(shù)據(jù)進(jìn)行分析、整合，從而發(fā)現(xiàn)新知識(shí)、創(chuàng)造新價(jià)值？這值得全社會(huì)、尤其是數(shù)據(jù)分析者思考、研究和關(guān)注。

在經(jīng)濟(jì)稅收領(lǐng)域，大多文獻(xiàn)所介紹的模型對(duì)數(shù)據(jù)有一定的要求或假定，而且模型本身也可以有較明確的數(shù)學(xué)形式，關(guān)于模型或擬合的優(yōu)劣，大都根據(jù)對(duì)數(shù)據(jù)的分布假定得到的檢驗(yàn)來(lái)判斷。但是，在大數(shù)據(jù)時(shí)代下，人們根本無(wú)法對(duì)真實(shí)的稅收數(shù)據(jù)的分布做任何假定，同時(shí)，也很難想象復(fù)雜的現(xiàn)實(shí)世界能夠用有限的數(shù)學(xué)公式來(lái)描述。之前“假定分布＝＞用明確的數(shù)學(xué)模型來(lái)擬合＝＞假設(shè)檢驗(yàn)＝＞P值”的經(jīng)典過(guò)程，似乎難以滿足大數(shù)據(jù)時(shí)代分析需求。決策將越來(lái)越多地由數(shù)據(jù)來(lái)驅(qū)動(dòng)，而不是由傳統(tǒng)的理論或經(jīng)驗(yàn)來(lái)驅(qū)動(dòng)。如何選用代表大數(shù)據(jù)分析方法、又能和稅收業(yè)務(wù)相結(jié)合的分析方法，精確制導(dǎo)稅收業(yè)務(wù)應(yīng)是下一步研究的方向和重點(diǎn)。

眾所周知，不斷變化與發(fā)展的經(jīng)濟(jì)稅源狀況給傳統(tǒng)的稅收征管方式帶來(lái)了新挑戰(zhàn)，經(jīng)過(guò)幾年的實(shí)踐，稅收風(fēng)險(xiǎn)識(shí)別成為風(fēng)險(xiǎn)管理在稅務(wù)管理應(yīng)用的基礎(chǔ)和軟肋。在風(fēng)險(xiǎn)管理中，納稅遵從風(fēng)險(xiǎn)是稅務(wù)工作的核心問(wèn)題，圍繞納稅遵從風(fēng)險(xiǎn)的研究很多，一直以來(lái)，房地產(chǎn)業(yè)納稅遵從風(fēng)險(xiǎn)識(shí)別難度極大，房地產(chǎn)業(yè)周期較長(zhǎng)，受經(jīng)濟(jì)波動(dòng)、政策因素等影響大，同時(shí)再加上房地產(chǎn)業(yè)的產(chǎn)業(yè)鏈條多、財(cái)稅核算復(fù)雜等因素，其涉稅行為難以描述。房地產(chǎn)業(yè)納稅遵從有多大？主要風(fēng)險(xiǎn)指標(biāo)如何刻畫？提高房地產(chǎn)業(yè)納稅遵從度應(yīng)該如何入手？等等問(wèn)題懸而未決，以機(jī)器學(xué)習(xí)為基礎(chǔ)的大數(shù)據(jù)分析技術(shù)便成了破局之選。本文基于實(shí)證分析，運(yùn)用新手段、新技術(shù)、新理念、新方法，并將其應(yīng)用于房地產(chǎn)納稅遵從識(shí)別，為我國(guó)建立以大數(shù)據(jù)分析為支撐、以風(fēng)險(xiǎn)管理為導(dǎo)向、以分類分級(jí)管理為基礎(chǔ)的現(xiàn)代房地產(chǎn)稅源專業(yè)化管理方法，提供了科學(xué)依據(jù)和技術(shù)支撐，同時(shí)也對(duì)其他領(lǐng)域、其他行業(yè)、其他主題的大數(shù)據(jù)分析具有參考價(jià)值。

二、文獻(xiàn)綜述

公開文獻(xiàn)顯示，我國(guó)對(duì)納稅遵從的測(cè)度是在借鑒國(guó)外的理論體系框架，結(jié)合我國(guó)征管實(shí)際的基礎(chǔ)之上進(jìn)行的，在計(jì)量方法體系上比較有代表性的有：夏南新（2000）運(yùn)用現(xiàn)金比率模型對(duì)我國(guó)1979-1998年的進(jìn)行了測(cè)試。梁朋（2001）、郝春虹（2004）等對(duì)我國(guó)地下經(jīng)濟(jì)以及相關(guān)的稅收流失缺口規(guī)模進(jìn)行了估算。賈紹華（2002）以國(guó)家公布的統(tǒng)計(jì)資料為數(shù)據(jù)來(lái)源，測(cè)算了我國(guó)1995-2000年間的稅收收入流失情況。譚榮華，梁季（2005）通過(guò)對(duì)1999-2002年增值稅收入能力的估算，通過(guò)征管力度得出由于征管努力程度不足導(dǎo)致的稅收流失，通過(guò)比對(duì)實(shí)際征收數(shù)，得出稅收流失率，進(jìn)而得出稅收遵從度。童疆明（2009）將實(shí)驗(yàn)的方法引入到對(duì)納稅人稅收遵從主要影響因素的分析中，結(jié)果表明下列因素有助于提高納稅人的稅收遵從度：較高的稅收檢查概率、較多的公共物品和服務(wù)、罰款率、較全面的“第三方報(bào)告的收入”信息?？偠灾?dāng)前國(guó)內(nèi)理論界的學(xué)者、稅收實(shí)務(wù)部門的工作者對(duì)稅收遵從進(jìn)行了較為廣泛的研究，既有宏觀層次的源于不遵從導(dǎo)致的稅收流失規(guī)模的估算，也有從經(jīng)典理論出發(fā)的稅收遵從理論探索，但相當(dāng)多的研究仍屬于跟蹤應(yīng)用，使用宏觀數(shù)據(jù)或者是單指標(biāo)等分析手段，暴露出的問(wèn)題有：（1）模型美觀、易解釋、好理解，學(xué)術(shù)味很濃，但應(yīng)用起來(lái)效果相差甚遠(yuǎn)；（2）建模手段單一，選取幾個(gè)代表性的變量，難以全面地考慮問(wèn)題，不能更好地?cái)M合現(xiàn)實(shí)數(shù)據(jù)；（3）挖掘深度不夠，無(wú)法揭示出隱含在數(shù)據(jù)背后更有潛在價(jià)值的信息；（4）假設(shè)條件嚴(yán)格，精確度不高，實(shí)踐指導(dǎo)意義大打折扣。所以，上述方法在納稅遵從風(fēng)險(xiǎn)的識(shí)別上難以滿足實(shí)際工作需求，導(dǎo)致了諸多研究對(duì)稅收征管、納稅評(píng)估等稅務(wù)工作一線的指導(dǎo)意義并不大。

本文從大數(shù)據(jù)的理念出發(fā)，采用適合面向復(fù)雜數(shù)據(jù)分析的“機(jī)器學(xué)習(xí)＋關(guān)聯(lián)規(guī)則”方法，選用中國(guó)S省房地產(chǎn)行業(yè)的涉稅全樣本、全變量數(shù)據(jù)建立納稅遵從風(fēng)險(xiǎn)模型，深度解析數(shù)據(jù)規(guī)律，推算出稅收流失額、識(shí)別出納稅人的風(fēng)險(xiǎn)等級(jí)，運(yùn)用關(guān)聯(lián)規(guī)則算法，將企業(yè)的納稅遵從風(fēng)險(xiǎn)等級(jí)與收入、成本和費(fèi)用等指標(biāo)進(jìn)行相關(guān)性分析，推導(dǎo)出影響納稅遵從風(fēng)險(xiǎn)的關(guān)鍵指標(biāo)，為稅務(wù)機(jī)關(guān)進(jìn)行納稅遵從風(fēng)險(xiǎn)分析提供實(shí)踐性較強(qiáng)的方法與依據(jù)。主要貢獻(xiàn)是：（1）所提出的方法是基于多年稅收數(shù)據(jù)分析實(shí)踐的基礎(chǔ)之上，經(jīng)過(guò)反復(fù)實(shí)踐檢驗(yàn)出來(lái)的“算法模型”，算法模型符合大數(shù)據(jù)時(shí)代的要求，支持規(guī)模超大、關(guān)系錯(cuò)綜復(fù)雜的數(shù)據(jù)信息，符合我國(guó)稅收征管數(shù)據(jù)現(xiàn)狀；（2）選用了代表大數(shù)據(jù)分析方法、又能和稅收業(yè)務(wù)相結(jié)合的模型，成功地將“機(jī)器學(xué)習(xí)＋關(guān)聯(lián)規(guī)則”算法進(jìn)行有效組合，精確識(shí)別了房地產(chǎn)業(yè)納稅人的納稅遵從風(fēng)險(xiǎn)，分析了影響納稅遵從風(fēng)險(xiǎn)的主要因子；（3）建立了一個(gè)比較系統(tǒng)、完整、可操作的房地產(chǎn)稅收風(fēng)險(xiǎn)識(shí)別方案，精確制導(dǎo)了稅收風(fēng)險(xiǎn)管理，為加強(qiáng)稅源監(jiān)控、風(fēng)險(xiǎn)管控、保障稅收收入平穩(wěn)增長(zhǎng)創(chuàng)造了良好的條件。

三、理論基礎(chǔ)

（一）基本思路

OECD基于對(duì)稅收遵從風(fēng)險(xiǎn)十多年的研究歷史，將納稅遵從風(fēng)險(xiǎn)分為四類：未正確登記納稅人數(shù)、未按規(guī)定提交納稅文件、未正確申報(bào)應(yīng)納稅款和未按期繳納稅款，根據(jù)OECD的調(diào)查，其中80%以上的風(fēng)險(xiǎn)為未正確申報(bào)應(yīng)納稅款和未按期繳納稅款的風(fēng)險(xiǎn)，所以本文所指的納稅遵從風(fēng)險(xiǎn)指的是納稅人未正確申報(bào)應(yīng)納稅款和未按期繳納稅款的行為。2008年12月，OECD在報(bào)告中給出了稅收遵從風(fēng)險(xiǎn)模型的步驟：第一步是識(shí)別風(fēng)險(xiǎn)，第二步是評(píng)估和對(duì)風(fēng)險(xiǎn)分級(jí)，第三步是分析遵從行為（包括原因和應(yīng)對(duì)措施選項(xiàng)），第四步是確定處理戰(zhàn)略，第五步是計(jì)劃和執(zhí)行戰(zhàn)略?；谝陨喜襟E，本文的基本思路：以全樣本數(shù)據(jù)為基礎(chǔ)，運(yùn)用機(jī)器學(xué)習(xí)法測(cè)算出單戶納稅人的稅收流失額度，按照流失的額度將納稅人劃分出風(fēng)險(xiǎn)等級(jí)，以風(fēng)險(xiǎn)等級(jí)為結(jié)果目標(biāo)，運(yùn)用關(guān)聯(lián)規(guī)則，尋找出影響的風(fēng)險(xiǎn)因子①風(fēng)險(xiǎn)因子，風(fēng)險(xiǎn)因子可根據(jù)專家經(jīng)驗(yàn)進(jìn)行設(shè)置（單指標(biāo)、多指標(biāo)）?？紤]到房地產(chǎn)企業(yè)的財(cái)務(wù)狀況，本文僅列舉了營(yíng)業(yè)收入、營(yíng)業(yè)成本、營(yíng)業(yè)費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用5個(gè)核心指標(biāo)，以證明方法的有效性。（如圖1所示）。

圖1 基本思路圖

（二）算法選擇

在大數(shù)據(jù)時(shí)代，以經(jīng)濟(jì)理論為導(dǎo)向構(gòu)建的模型在經(jīng)濟(jì)預(yù)測(cè)中常常失效，于是很多經(jīng)濟(jì)學(xué)家、計(jì)量學(xué)家開始轉(zhuǎn)向以數(shù)據(jù)為導(dǎo)向的模型研究，以數(shù)據(jù)為導(dǎo)向的算法很多，不同的算法適用不同的場(chǎng)景，其表現(xiàn)出的優(yōu)勢(shì)也有差異，所以選擇恰當(dāng)?shù)乃惴ńM合應(yīng)用到不同的主題是非常重要的?？紤]到S省稅收數(shù)據(jù)的情況以及分析主題的目標(biāo)，本文組合使用了機(jī)器學(xué)習(xí)、關(guān)聯(lián)規(guī)則兩種算法。

1.機(jī)器學(xué)習(xí)。

機(jī)器學(xué)習(xí)的算法有很多，諸如：神經(jīng)網(wǎng)絡(luò)、決策樹、支持向量機(jī)、聚類分析等。本文選擇以決策樹為主體的算法。決策樹中的分類回歸樹（Classification and Regression Tree，簡(jiǎn) 稱CART）是Breiman等于1984年提出來(lái)的一種非參數(shù)方法。CART方法可以分為分類決策樹和回歸決策樹兩種，由于本文因變量（企業(yè)所得稅稅收流失額，下文會(huì)有交代）是數(shù)值變量（連續(xù)變量），故而使用的是回歸決策樹。其基本原理：假定隨機(jī)向量Xn×m（X1，…，Xm）為自變量（屬性或稱輸入變量），Xi可以是離散變量，也可以是連續(xù)變量，設(shè)其定義域?yàn)镈om（Xi）。隨機(jī)變量Y為因變量，如果Y為分類變量，設(shè)其定義域?yàn)镈om（Y）＝｛1，…，J｝，則構(gòu)建的決策樹是分類樹；如果Y為連續(xù)變量，Dom（Y）∈R，則構(gòu)建的決策樹為回歸樹。對(duì)于回歸問(wèn)題，回歸R函數(shù)：Dom（X1）×…×Dom（Xm）→Dom（Y）。假如令Ω＝ Dom（X1）×…×Dom（Xm）×Dom（Y），則可以定義Ω空間上的概率測(cè)度P。利用這樣的概率測(cè)度和一些損失函數(shù)L（比如均方損失函數(shù)L（a，x）＝║a-x║2），在此定義回歸誤差為Rp（R）＝Ep［L（Y，R（X1，…，Xm））］，其中Ep是關(guān)于概率測(cè)度P的期望?；貧w樹的構(gòu)建類似于分類樹的構(gòu)建，就是從訓(xùn)練集D中，隨機(jī)抽取N個(gè)獨(dú)立同分布的樣本中尋找函數(shù)R使回歸誤差Rp（R）最小，CART回歸樹分割選擇的測(cè)度為

選擇方差作為不純度的度量是因?yàn)樵谝粋€(gè)節(jié)點(diǎn)中最優(yōu)常數(shù)自變量是對(duì)應(yīng)的測(cè)試樣本的預(yù)測(cè)變量均值，所以方差是預(yù)測(cè)變量的均方誤，回歸樹樹葉的數(shù)值就是該模型的預(yù)測(cè)值①?zèng)Q策樹能夠產(chǎn)生過(guò)擬合的問(wèn)題，處理的辦法是進(jìn)行剪枝（限于篇幅，不再贅述），或者組合的方法（比如，隨機(jī)森林）。過(guò)擬合：給定一個(gè)假設(shè)決策樹模型H，如果在假設(shè)空間上存在另一個(gè)假設(shè)決策樹模型H＊，H的訓(xùn)練誤差率小于H＊，而H的測(cè)試誤差率大于H＊，則稱H對(duì)訓(xùn)練數(shù)據(jù)過(guò)擬合。。

以上N個(gè)獨(dú)立同分布樣本是以P從空間抽取的，CART由上到下的遞歸算法可表示為：構(gòu)建樹（Ti，Di，v）（T為節(jié)點(diǎn)，D為數(shù)據(jù)集分割，v為變量屬性分割方法）。（1）在節(jié)點(diǎn)T應(yīng)用v對(duì)數(shù)據(jù)集D訓(xùn)中分割變量（屬性）X；（2）假設(shè)n為節(jié)點(diǎn)T的子節(jié)點(diǎn)數(shù)；（3）If（T分割）；（4）把數(shù)據(jù)集D分割為D1，D2，…，Dn，并對(duì)分割變量X標(biāo)記上T；（5）構(gòu)建子節(jié)點(diǎn)T的節(jié)點(diǎn)T1，T2，…，Tn，并記edge（T，Ti），對(duì)應(yīng)預(yù)測(cè)值記為q（T，Ti）；（6）For eachi∈ ｛1，…，n｝；（7）構(gòu)建樹（Ti，Di，v）；（8）End for each；（9）否則；（10）數(shù)據(jù)集D的多數(shù)分類標(biāo)簽記上T；（11）End if。由此可見，分來(lái)回歸樹是遍歷可能的貪婪算法，在每個(gè)節(jié)點(diǎn)選取能對(duì)樣本做最好分類的屬性，直到?jīng)Q策樹能完美地分類訓(xùn)練樣本為止，或所有的變量（屬性）均已被使用過(guò)。需要說(shuō)明的是，分類回歸樹構(gòu)建模型時(shí)，需要對(duì)原始數(shù)據(jù)集隨機(jī)分成訓(xùn)練集和測(cè)試集，對(duì)訓(xùn)練集利用CART算法進(jìn)行建模，得到分類規(guī)則，然后利用測(cè)試集對(duì)所得的分類規(guī)則的性能進(jìn)行評(píng)估，直到模型有效為止。

2.關(guān)聯(lián)規(guī)則

眾所周知的 “啤酒和尿布”的例子，就是將啤酒、尿布有效關(guān)聯(lián)的典型例子，實(shí)際上關(guān)聯(lián)規(guī)則的算法也有很多，諸如APPIORI、ECLAT算法等。本文選擇使用比較經(jīng)典的APPIORI算法，該算法是Agrawal和Srikant于1994年提出的一種廣度優(yōu)先的逐層搜索算法，通過(guò)對(duì)事務(wù)計(jì)數(shù)找出頻繁項(xiàng)集，然后再?gòu)闹型茖?dǎo)出關(guān)聯(lián)規(guī)則，關(guān)聯(lián)規(guī)則的形式為A＝＞B，A與B是互斥的項(xiàng)集，分別位于規(guī)則的左側(cè)（Lhs）和右側(cè)（Rhs），本文所選取的B項(xiàng)集為｛風(fēng)險(xiǎn)等級(jí)高｝。

1）關(guān)聯(lián)規(guī)則挖掘的第一階段是從原始資料集合中（即，下文表3數(shù)據(jù)），找出所有高頻項(xiàng)目組（Large Itemsets）。高頻的意思是指某一項(xiàng)目組出現(xiàn)的頻率相對(duì)于所有記錄而言，必須達(dá)到某一水平，稱為支持度（Support），若支持度大于等于所設(shè)定的最小支持度（Minimum Support）門檻值時(shí)，則｛A，B｝稱為高頻項(xiàng)目組。支持度的表達(dá)式為

其中：TA表示包含項(xiàng)目X的事務(wù)，TB表示包含項(xiàng)目Y的事務(wù)，N表示事務(wù)數(shù)總和（下同）。

（2）關(guān)聯(lián)規(guī)則挖掘的第二階段是要產(chǎn)生關(guān)聯(lián)規(guī)則（Association Rules）。A出現(xiàn)時(shí)，B是否也會(huì)出現(xiàn)或有多大概率出現(xiàn)，為此稱之為信賴度。信賴度的表達(dá)式為

（3）在關(guān)聯(lián)規(guī)則分析中，僅有支持度和信賴度，還不能證明是一條有效的關(guān)聯(lián)規(guī)則，（2）中A?B的信賴度應(yīng)該大于總體樣本對(duì)B的支持度，即提升度。提升度的表達(dá)式為

由此可見，如果A、B相互獨(dú)立，則lift（提升度）＝1表示A、B不相關(guān)，是否有A對(duì)于B的出現(xiàn)不存在相關(guān)性，而lift＜1表示A、B負(fù)相關(guān)，只有l(wèi)ift＞1才表示A、B正相關(guān)。由此可見，lift越大說(shuō)明關(guān)聯(lián)規(guī)則越有效。

值得注意的是，考慮到關(guān)聯(lián)規(guī)則挖掘的效率和產(chǎn)生信息的價(jià)值，其中的支持度、信賴度和提升度闕值需要人根據(jù)專業(yè)知識(shí)進(jìn)行有效設(shè)定。另外，在所生成的關(guān)聯(lián)規(guī)則中，其中部分規(guī)則與其他規(guī)則相比只提供了很少的額外的信息，或者說(shuō)一條規(guī)則是另一條規(guī)則的超集時(shí)，兩者的提升度相等，或者是前者的提升度更小，應(yīng)該認(rèn)定為冗余規(guī)則，此事需要進(jìn)行冗余修剪處理，不再贅述。

從以上兩種算法的介紹可以看出，機(jī)器學(xué)習(xí)、關(guān)聯(lián)規(guī)則支持全樣本、全變量數(shù)據(jù)分析，注重的是數(shù)據(jù)本身的隨機(jī)特征，分析與主題相關(guān)的、能夠獲取到的所有數(shù)據(jù)，可以挖掘出事先未預(yù)料的信息。但以數(shù)據(jù)為導(dǎo)向的算法模型經(jīng)濟(jì)含義不是很明顯，需要做進(jìn)一步的認(rèn)知和解釋。

四、研究設(shè)計(jì)

（一）樣本選擇

基于不同的分析主題，理清稅收大數(shù)據(jù)分析的邊界是首要問(wèn)題。一般來(lái)講，同一時(shí)間、同一地區(qū)、同一行業(yè)的企業(yè)會(huì)具有相似的經(jīng)營(yíng)條件、業(yè)務(wù)范圍、財(cái)務(wù)狀況、稅收政策等，其所體現(xiàn)出的經(jīng)濟(jì)行為才具有同質(zhì)性。本文的分析主題是“房地產(chǎn)業(yè)納稅遵從風(fēng)險(xiǎn)識(shí)別”，于是選用了2012年度、S省某市、房地產(chǎn)業(yè)的稅收征管數(shù)據(jù)作為樣本（如表1所示）。

表1 數(shù)據(jù)總體概況

從表1的數(shù)據(jù)可以看出，數(shù)據(jù)涵蓋了能反映納稅人經(jīng)濟(jì)性質(zhì)、行業(yè)類型、地域范圍重要維度的基礎(chǔ)數(shù)據(jù)、有納稅人業(yè)務(wù)活動(dòng)、繳納稅費(fèi)、盈虧彌補(bǔ)、稅收優(yōu)惠等情況的申報(bào)征收數(shù)據(jù)、有反映納稅人經(jīng)營(yíng)狀況的財(cái)務(wù)數(shù)據(jù)等等，另有納稅人房地產(chǎn)行業(yè)特征的第三方信息，以上數(shù)據(jù)來(lái)源真實(shí)可靠、信息充分，預(yù)計(jì)能夠達(dá)到研究所期望的目標(biāo)。

（二）數(shù)據(jù)預(yù)處理

在數(shù)據(jù)分析中，無(wú)論是小數(shù)據(jù)、中數(shù)據(jù)還是大數(shù)據(jù)，數(shù)據(jù)預(yù)處理是不可繞過(guò)的一關(guān)。數(shù)據(jù)的清洗與整備是非常繁瑣的過(guò)程，除了有通用的規(guī)則之外，還要針對(duì)具體的數(shù)據(jù)情況進(jìn)行深入分析，理論上來(lái)講，本文經(jīng)過(guò)長(zhǎng)期的摸索實(shí)踐總結(jié)出了“七步治數(shù)法”，簡(jiǎn)單介紹如下。

第一步，取數(shù)與存儲(chǔ)。將取得的S省數(shù)據(jù)統(tǒng)一整理成數(shù)據(jù)庫(kù)格式，以方便檢索、加工、處理等。

第二步，初篩。以分析主題為導(dǎo)向，生成有針對(duì)性的數(shù)據(jù)集。比如，稅務(wù)登記信息篩選順序?yàn)椋杭{稅人狀態(tài)（正常戶）→國(guó)標(biāo)行業(yè)大類（房地產(chǎn)業(yè)）→行業(yè)分類（房地產(chǎn)開發(fā)經(jīng)營(yíng)）。

第三步，稅務(wù)登記為基礎(chǔ)，將各稅種申報(bào)征收信息、財(cái)務(wù)報(bào)表信息、采集信息，按一戶式歸集整理成二維表。經(jīng)過(guò)整理后的數(shù)據(jù)格式及數(shù)據(jù)項(xiàng)（如表2、圖2所示）。

表2 一戶式表結(jié)構(gòu)

圖2 一戶式表零空值情況

表2、圖2可以看出，經(jīng)過(guò)整理之后的一戶式數(shù)據(jù)集，其中的申報(bào)征收信息、財(cái)務(wù)報(bào)表信息等部分會(huì)有大量的零空值，因?yàn)椴煌钠髽I(yè)繳納稅目的不同，且業(yè)務(wù)的發(fā)生因企業(yè)不同而有所差異，數(shù)據(jù)的稀疏性，在數(shù)據(jù)，特別在大數(shù)據(jù)中是難以避免的。

第四步，業(yè)務(wù)邏輯校驗(yàn)。對(duì)表內(nèi)、表間明顯不符合業(yè)務(wù)邏輯的納稅人進(jìn)行剔除①比如，從會(huì)計(jì)的角度流動(dòng)資產(chǎn)＋非流動(dòng)資產(chǎn)＝總資產(chǎn)，而數(shù)據(jù)中流動(dòng)資產(chǎn)/總資產(chǎn)＞1等等不符合業(yè)務(wù)邏輯的情況。。

第五步，以整理好的一戶式信息為基礎(chǔ)，將零散的數(shù)據(jù)項(xiàng)歸類匯總合計(jì)處理。

第六步，對(duì)第五步新形成的數(shù)據(jù)集做異常值、偏離值、缺失值等的數(shù)據(jù)統(tǒng)計(jì)并處理，形成有利于模型識(shí)別的分析數(shù)據(jù)庫(kù)（統(tǒng)計(jì)情況如表3所示）。

從表3中可以看出，樣本數(shù)據(jù)集的數(shù)值變量、分類變量的分布也是具有一定的復(fù)雜性。從以上標(biāo)注的圖形看，JJLX分類變量很不均衡、YYSR數(shù)值變量也不屬于標(biāo)準(zhǔn)正態(tài)分布。在此說(shuō)明了真實(shí)數(shù)據(jù)一般是難以滿足傳統(tǒng)統(tǒng)計(jì)分析方法的假設(shè)條件，即正態(tài)分布、信息對(duì)稱問(wèn)題，引入大數(shù)據(jù)分析技術(shù)勢(shì)在必行。

第七步，對(duì)依然成型的分析數(shù)據(jù)庫(kù)做有利于數(shù)據(jù)分析的調(diào)整。

（三）變量選擇

變量選擇上區(qū)分為機(jī)器學(xué)習(xí)、關(guān)聯(lián)規(guī)則分析兩部分，如下

1.機(jī)器學(xué)習(xí)

因變量：企業(yè)所得稅流失額②考慮到企業(yè)所得稅財(cái)務(wù)關(guān)系比較明確，且在各稅種中占有很大的比例，選取"企業(yè)所得稅"流失額作為測(cè)算對(duì)象。。計(jì)算企業(yè)所得稅有直接法、間接法，在此我們?cè)陬A(yù)測(cè)中采用的是“間接法”，即：應(yīng)納稅所得額＝會(huì)計(jì)利潤(rùn)＋納稅調(diào)整增加額-納稅調(diào)整減少額；應(yīng)納所得稅額＝應(yīng)納稅所得額＊適用稅率-減免稅額-抵免稅額；企業(yè)所得稅流失額＝預(yù)測(cè)應(yīng)納所得稅額-實(shí)際繳納所得稅額。

自變量：稅務(wù)登記信息（考慮到分類變量過(guò)多會(huì)有噪聲干擾，分類變量包含注冊(cè)登記類型、行業(yè)分類、主管稅務(wù)機(jī)關(guān)大類，數(shù)值變量包含從業(yè)人數(shù)、注冊(cè)資產(chǎn)總額等）、申報(bào)征收信息（大多是數(shù)值變量，原則上予以保留）、財(cái)務(wù)報(bào)表信息（大多是數(shù)值變量，原則上予以保留）①機(jī)器學(xué)習(xí)支持全樣本、全變量參與，符合大數(shù)據(jù)分析的需求。如果選用恰當(dāng)?shù)臋C(jī)器學(xué)習(xí)算法，會(huì)對(duì)異常值、偏離值的容忍度比較高，一般不需要做大幅度的處理，否則就失去了樣本的原始屬性，但是對(duì)于缺失值是非常有必要進(jìn)行處理的，通常來(lái)講有以下幾種方法：一是可以從業(yè)務(wù)邏輯的角度或其他數(shù)據(jù)源進(jìn)行推導(dǎo)，以彌補(bǔ)其"缺失"；二是用平均值、中間值、最大值、最小值或概率統(tǒng)計(jì)函數(shù)值來(lái)代替零空值；三是通過(guò)模型自動(dòng)彌補(bǔ)缺失，或人工輸入可接受的某值，不再贅述。關(guān)聯(lián)規(guī)則分析支持全樣本、全變量參與，但僅支持分類變量，需要將數(shù)值變量進(jìn)行處理，后邊會(huì)提到。。

表3 一戶式寬表統(tǒng)計(jì)分布情況表

附加變量：會(huì)計(jì)利潤(rùn)。會(huì)計(jì)利潤(rùn)＝收入-成本-期間費(fèi)用（營(yíng)業(yè)費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用）②考慮到企業(yè)所得稅預(yù)測(cè)的復(fù)雜性，本次預(yù)測(cè)僅預(yù)測(cè)會(huì)計(jì)利潤(rùn)，企業(yè)所得稅流失額＝預(yù)測(cè)會(huì)計(jì)利潤(rùn)＋納稅調(diào)整增加額-納稅調(diào)整減少額-實(shí)際繳納所得稅額（如果報(bào)表勾稽關(guān)系正確的話，實(shí)際繳納所得稅額＝申報(bào)會(huì)計(jì)利潤(rùn)＋納稅調(diào)整增加額-納稅調(diào)整減少額）。。為避免收入、成本和期間費(fèi)用的多重共線性，本文將會(huì)計(jì)利潤(rùn)作為附加變量進(jìn)行預(yù)測(cè)，不再單獨(dú)預(yù)測(cè)收入、成本以及期間費(fèi)用，同時(shí)對(duì)會(huì)計(jì)利潤(rùn)進(jìn)行預(yù)測(cè)更能體現(xiàn)出房地產(chǎn)業(yè)的共性，因?yàn)榧{稅調(diào)整增加（減少）額是針對(duì)個(gè)別房地產(chǎn)業(yè)、個(gè)別業(yè)務(wù)而執(zhí)行的稅收政策。

2.關(guān)聯(lián)規(guī)則

因變量：｛風(fēng)險(xiǎn)等級(jí)高｝。對(duì)于風(fēng)險(xiǎn)管理來(lái)講，通常主要關(guān)注的是風(fēng)險(xiǎn)程度較高的企業(yè)。

自變量：營(yíng)業(yè)收入、營(yíng)業(yè)成本、營(yíng)業(yè)費(fèi)用、管理費(fèi)用和財(cái)務(wù)費(fèi)用五個(gè)核心指標(biāo)。實(shí)際上，關(guān)聯(lián)規(guī)則分析不受指標(biāo)數(shù)量的限制，同時(shí)我們也可以根據(jù)專業(yè)知識(shí)選擇組合指標(biāo)，比如流動(dòng)資產(chǎn)占總資產(chǎn)比例（流動(dòng)資產(chǎn)平均總額/資產(chǎn)平均總額）、營(yíng)業(yè)成本管理費(fèi)用率（管理費(fèi)用/營(yíng)業(yè)成本）等等，限于篇幅難以枚舉。

五、模型構(gòu)造過(guò)程

（一）變量分析

在大數(shù)據(jù)分析中，變量分析是重要的一步。本文分析參與的變量較多，對(duì)樣本數(shù)據(jù)中的變量的分布、相關(guān)性等進(jìn)行分析也是非常重要的，其主要目的是對(duì)模型的參數(shù)等進(jìn)行合理調(diào)整，以為構(gòu)建真實(shí)、合理的模型奠定基礎(chǔ)。由于設(shè)計(jì)的變量較多，本文僅列舉重要變量（即：稅務(wù)機(jī)關(guān)、行業(yè)、經(jīng)濟(jì)類型、營(yíng)業(yè)收入、營(yíng)業(yè)成本、營(yíng)業(yè)費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用）做如下可視化（如圖3所示）：

圖3 重要變量散布圖

圖3中，對(duì)角線處分別為：稅務(wù)機(jī)關(guān)、行業(yè)、經(jīng)濟(jì)類型、營(yíng)業(yè)收入、營(yíng)業(yè)成本、營(yíng)業(yè)費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用，上圖反映了各變量之間的相關(guān)性及其分布狀態(tài)等，我們可以依據(jù)散布圖的輔助做模型參數(shù)的調(diào)整，不同的模型對(duì)參數(shù)的調(diào)整要求區(qū)別很大，不再贅述。

（二）模型構(gòu)造

1.機(jī)器學(xué)習(xí)

（1）構(gòu)造過(guò)程。決策樹算法具有易理解、易解釋的特點(diǎn)，基于以上原理、利用全樣本數(shù)據(jù)，構(gòu)建決策樹的過(guò)程比較清晰。

也可以進(jìn)一步將算法轉(zhuǎn)化為樹狀，以更清晰地了解決策樹的分析過(guò)程（如圖4所示）。

從圖4可以看出，決策樹經(jīng)過(guò)多次遞歸選擇了以YYLR中的8 899 340為分界線開始分類，繼而在YYLR、LRZE等中計(jì)入第二次分類，各分類下的P值（即回歸誤差）非常小。從業(yè)務(wù)屬性上看，決策樹上層所選擇的變量屬性與測(cè)算的目標(biāo)（企業(yè)所得稅流失額）關(guān)聯(lián)度比較密切，這是符合業(yè)務(wù)常識(shí)的。

（2）誤差檢驗(yàn)。機(jī)器學(xué)習(xí)法不需要對(duì)數(shù)據(jù)做先驗(yàn)假設(shè)，產(chǎn)生的結(jié)果用交叉驗(yàn)證（Cross validation）的方法判斷。基本原理：可以先在一個(gè)子集上做分析，而其它子集則用來(lái)做后續(xù)對(duì)此分析的確認(rèn)及驗(yàn)證。一開始的子集被稱為訓(xùn)練集。而其它的子集則被稱為驗(yàn)證集或測(cè)試集。交叉驗(yàn)證是一種評(píng)估統(tǒng)計(jì)分析、機(jī)器學(xué)習(xí)算法對(duì)獨(dú)立于訓(xùn)練數(shù)據(jù)的數(shù)據(jù)集的泛化能力（Generalize）（交叉驗(yàn)證結(jié)果如表4所示）。

圖4 決策樹構(gòu)造過(guò)程簡(jiǎn)圖

表4 交叉檢驗(yàn)情況表

表4中，訓(xùn)練集誤差率一般都很小，這說(shuō)明機(jī)器學(xué)習(xí)法逼近數(shù)據(jù)相關(guān)性的能力很強(qiáng)，但外推性是我們更為關(guān)心的，從測(cè)試集看誤差率＜1，且小的多，這是非常理想的效果，說(shuō)明所構(gòu)造的模型可靠性很高。

2.關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則的分析過(guò)程，從原理上已經(jīng)比較清楚，對(duì)于關(guān)聯(lián)規(guī)則來(lái)講，不同的支持度、信賴度會(huì)對(duì)時(shí)間的開銷影響比較大，本文設(shè)置支持度＝0.01、信賴度＝0.6，基于0.01的支持度每一條規(guī)則至少有0.01＊N（N，表示觀測(cè)值的個(gè)數(shù)）個(gè)正例。（頻繁項(xiàng)集如圖6所示）

從關(guān)聯(lián)規(guī)則構(gòu)建過(guò)程看，由于樣本量、設(shè)置闕值等原因，本文所構(gòu)建的關(guān)聯(lián)規(guī)則過(guò)程時(shí)間開銷不是很大，我們可以從關(guān)聯(lián)規(guī)則的構(gòu)造過(guò)程中看到其運(yùn)行的過(guò)程（關(guān)聯(lián)規(guī)則構(gòu)造過(guò)程簡(jiǎn)表如表5所示）。

表5 關(guān)聯(lián)規(guī)則構(gòu)造過(guò)程簡(jiǎn)表

圖5 關(guān)聯(lián)規(guī)則頻繁項(xiàng)集圖

表5可以看出，由于所選取的樣本量、各闕值的設(shè)置相對(duì)合理，系統(tǒng)在關(guān)聯(lián)規(guī)則構(gòu)造過(guò)程中所用的時(shí)間開銷很小。在此說(shuō)明，在關(guān)聯(lián)規(guī)則挖掘中，常見的問(wèn)題是挖掘出來(lái)的規(guī)則中有很多是沒(méi)有意義的，為此必須要在左側(cè)（Lhs）和右側(cè)（Rhs）中設(shè)置感興趣的條件，以避免不必要的結(jié)論，以爭(zhēng)取更多的時(shí)間成本，另外也可以設(shè)置關(guān)聯(lián)規(guī)則的最大長(zhǎng)度（Maxlen），或者根據(jù)提升度進(jìn)行降序排列等設(shè)置。

六、實(shí)證結(jié)果與分析

（一）風(fēng)險(xiǎn)識(shí)別

風(fēng)險(xiǎn)識(shí)別是風(fēng)險(xiǎn)管理的第一步，也是風(fēng)險(xiǎn)管理的基礎(chǔ)。本文通過(guò)機(jī)器學(xué)習(xí)構(gòu)建了理想的稅收經(jīng)濟(jì)關(guān)系模型，預(yù)測(cè)出企業(yè)的應(yīng)納所得稅額，推導(dǎo)出稅收流失額，根據(jù)流失額進(jìn)行風(fēng)險(xiǎn)排序和風(fēng)險(xiǎn)等級(jí)劃分，在此基礎(chǔ)上進(jìn)行納稅遵從風(fēng)險(xiǎn)識(shí)別（風(fēng)險(xiǎn)識(shí)別結(jié)果如表6所示）。

表6 風(fēng)險(xiǎn)識(shí)別結(jié)果簡(jiǎn)表 單位：元

表5中，流失額是所測(cè)算出的稅收流失額，風(fēng)險(xiǎn)排序以流失額大小進(jìn)行的排序，按照流失額大小將風(fēng)險(xiǎn)等級(jí)為：高、偏高、中、偏低、低、無(wú)風(fēng)險(xiǎn)六個(gè)層級(jí)，考慮到存在納稅人稅收流失額為0（包含少量稅收流失額＜0）的情況，將其單獨(dú)作為 “無(wú)風(fēng)險(xiǎn)”等級(jí)，對(duì)稅收流失額＞0的納稅人按照五分位進(jìn)行劃分。由此可見，完成了OECD的前兩步，即第一步是識(shí)別風(fēng)險(xiǎn)，第二步是評(píng)估和對(duì)風(fēng)險(xiǎn)分級(jí)。從表6可以看出，運(yùn)用機(jī)器學(xué)習(xí)法推算出了分戶的稅收流失金額，這無(wú)疑是一個(gè)巨大的進(jìn)步，為后續(xù)按不同維度、不同視角進(jìn)行分析奠定了基礎(chǔ)。

（二）因子分析

大數(shù)據(jù)分析，要求創(chuàng)新和精準(zhǔn)。風(fēng)險(xiǎn)識(shí)別將不同風(fēng)險(xiǎn)程度的納稅人進(jìn)行了劃分，接下來(lái)還要對(duì)形成風(fēng)險(xiǎn)的原因進(jìn)行分析。在此，我們以風(fēng)險(xiǎn)等級(jí)高的納稅人作為目標(biāo)，以營(yíng)業(yè)收入、營(yíng)業(yè)成本、營(yíng)業(yè)費(fèi)用、管理費(fèi)用和財(cái)務(wù)費(fèi)用為影響因子，運(yùn)用關(guān)聯(lián)規(guī)則原理將造成該結(jié)果的原因進(jìn)行推導(dǎo)（推導(dǎo)結(jié)果如表7所示）。

表7是基于支持度＞＝0.01、信賴度＞＝0.6且按照提升度由大到小排序所形成的結(jié)果，其中的“rf_pre_jg”表示 “風(fēng)險(xiǎn)等級(jí)”。從提升度可以看出，以上列舉的5條規(guī)則（實(shí)際規(guī)則條數(shù)太多，不再一一列舉）都是有效的。下面來(lái)解讀以上關(guān)聯(lián)規(guī)則，比如規(guī)則1提供的信息是：在總體樣本中有0.01（1%）的數(shù)據(jù)支持A、B同時(shí)出現(xiàn)，且 A＝＞B的可信度為0.7（70%），結(jié)論為經(jīng)濟(jì)類型為有限責(zé)任公司，所申報(bào)的營(yíng)業(yè)費(fèi)用高、管理費(fèi)用高、財(cái)務(wù)費(fèi)用小于等于零（估計(jì)是利息費(fèi)用所致），具備以上特征的房地產(chǎn)企業(yè)納稅遵從風(fēng)險(xiǎn)程度高。從而，該結(jié)論反映出其他有限責(zé)任公司房地產(chǎn)業(yè)往往通過(guò)多報(bào)營(yíng)業(yè)費(fèi)用、管理費(fèi)用等手段來(lái)達(dá)到偷漏稅的目的，對(duì)此應(yīng)引起高度關(guān)注。

表7 關(guān)聯(lián)規(guī)則推導(dǎo)結(jié)果簡(jiǎn)表

（三）可視化處理

大數(shù)據(jù)分析可視化形式很多，也在不斷地發(fā)展之中，數(shù)據(jù)可視化是大數(shù)據(jù)的基本要求之一。

1.風(fēng)險(xiǎn)識(shí)別

以風(fēng)險(xiǎn)識(shí)別表6為例，以相關(guān)性為視角做可視化分析（如圖6所示）。

圖6是列舉的比較前沿的可視化展示方法。圖6左表示標(biāo)準(zhǔn)化之后的營(yíng)業(yè)收入、營(yíng)業(yè)成本、稅收流失額之間的相關(guān)性，從圖6左可以看出，稅收流失額與營(yíng)業(yè)收入、營(yíng)業(yè)成本之間存在高度的相關(guān)性，這一點(diǎn)符合業(yè)務(wù)常識(shí)，當(dāng)然也可以做其他指標(biāo)的分析；圖6右，是按序號(hào)選取了1-10戶納稅人的營(yíng)業(yè)收入、營(yíng)業(yè)成本、營(yíng)業(yè)費(fèi)用、管理費(fèi)用、財(cái)務(wù)費(fèi)用、稅收流失額之間的相關(guān)性。從圖6可以看出，基于機(jī)器學(xué)習(xí)之后所形成的表5為傳統(tǒng)的分析、復(fù)雜的統(tǒng)計(jì)分析提供了極大的便利性。

2.關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則推導(dǎo)結(jié)果簡(jiǎn)表為例，做進(jìn)一步可視化處理，以方便解讀（如圖7所示）。

圖6 基于相關(guān)性視角的簡(jiǎn)單分析

圖7 關(guān)聯(lián)規(guī)則推導(dǎo)結(jié)果簡(jiǎn)圖

關(guān)聯(lián)規(guī)則的可視化有很多，僅列舉兩個(gè)，可視化不同，思考過(guò)程也不盡相同。圖7左是平行坐標(biāo)圖，從線路1可以看出，營(yíng)業(yè)費(fèi)用（高）＋財(cái)務(wù)費(fèi)用（小于等于零）＋經(jīng)濟(jì)類型（其他有限責(zé)任公司）＋管理費(fèi)用（高）→風(fēng)險(xiǎn)等級(jí)（高）；圖7右是有向圖，起點(diǎn)屬于影響因子，各影響因子所指向的中間圓圈表示的是“共同指向”（圓圈的大小表示置信度、顏色的深度表示提升度），共同指向的下一步指向（即箭頭終點(diǎn)）是結(jié)論。從圖7可以看出，運(yùn)用關(guān)聯(lián)規(guī)則可視化技術(shù)，有利于形象地理解問(wèn)題，同時(shí)更有助于實(shí)踐工作。如此，已經(jīng)完成了OECD所確立的五步中的三步，對(duì)下兩步的確定處理戰(zhàn)略和計(jì)劃執(zhí)行戰(zhàn)略奠定了實(shí)質(zhì)性的基礎(chǔ)。

實(shí)際上，最終導(dǎo)致房地產(chǎn)業(yè)納稅遵從風(fēng)險(xiǎn)等級(jí)高的原因會(huì)有很多，不同的行業(yè)影響因子會(huì)有很大的不同，在面向某一個(gè)行業(yè)的影響因子分析中，也應(yīng)該將所有的風(fēng)險(xiǎn)因子及其因子組合全部放進(jìn)模型中進(jìn)行推斷，以找出影響納稅遵從風(fēng)險(xiǎn)的各種原因所在，在大數(shù)據(jù)分析中也是可以做到的。由于篇幅所限，本文僅提供技術(shù)上的可行性，在后續(xù)的文章中會(huì)繼續(xù)探討。

七、結(jié)論與展望

通過(guò)以上稅收大數(shù)據(jù)的實(shí)踐探索，以規(guī)范的技術(shù)流程、既定的業(yè)務(wù)規(guī)范系統(tǒng)地完成了納稅遵從風(fēng)險(xiǎn)識(shí)別以及影響因子分析，證明了“機(jī)器學(xué)習(xí)＋關(guān)聯(lián)規(guī)則”組合算法技術(shù)的可行性，為大數(shù)據(jù)時(shí)代稅收數(shù)據(jù)的應(yīng)用奠定基礎(chǔ)。結(jié)果表明：（1）機(jī)器學(xué)習(xí)可以有效地用于納稅遵從風(fēng)險(xiǎn)識(shí)別，為稅收風(fēng)險(xiǎn)等級(jí)劃分以及納稅信用等級(jí)評(píng)定奠定基礎(chǔ)；（2）關(guān)聯(lián)規(guī)則算法可以推斷影響房地產(chǎn)業(yè)企業(yè)納稅風(fēng)險(xiǎn)的影響因素，為找出納稅遵從風(fēng)險(xiǎn)存在的根本原因提供了科學(xué)依據(jù)；（3）恰當(dāng)?shù)乃惴ńM合，可以形成面向不同視角、不同主題的分析數(shù)據(jù)庫(kù)以及可視化的形式，為我國(guó)建立以大數(shù)據(jù)分析為支撐的現(xiàn)代稅源專業(yè)化管理，提供了強(qiáng)大的技術(shù)保障。

當(dāng)然，從大數(shù)據(jù)分析利用來(lái)講，僅僅是“拋磚引玉”。本文所采用數(shù)據(jù)量體上遠(yuǎn)沒(méi)有達(dá)到大數(shù)據(jù)的要求，僅從涉稅數(shù)據(jù)來(lái)講，還要引入工商管理局、房地產(chǎn)管理局第三方信息的數(shù)據(jù)，甚至是影音、圖像等非結(jié)構(gòu)化數(shù)據(jù)，數(shù)據(jù)處理分析的技術(shù)、規(guī)則等的難度、復(fù)雜度也終將呈級(jí)數(shù)增長(zhǎng)，當(dāng)然，大數(shù)據(jù)分析技術(shù)也會(huì)在實(shí)踐中日臻成熟。在數(shù)據(jù)可得的條件下，作者將進(jìn)一步做深入研究。大數(shù)據(jù)時(shí)代給了我們更多可以應(yīng)用數(shù)據(jù)的機(jī)會(huì)，與此同時(shí)我們也看到現(xiàn)實(shí)的挑戰(zhàn)，數(shù)據(jù)要發(fā)揮更遠(yuǎn)的價(jià)值目標(biāo)，需要我們不斷地尋求和探索。據(jù)了解，國(guó)外許多機(jī)構(gòu)已經(jīng)投入了大量人力、物力和財(cái)力進(jìn)行相應(yīng)研發(fā)，而我國(guó)將機(jī)器學(xué)習(xí)為核心的算法模型應(yīng)用到系統(tǒng)平臺(tái)實(shí)例并不多，對(duì)此應(yīng)引起高度重視。本文的建議如下。

一是要深入研究并構(gòu)建大數(shù)據(jù)供應(yīng)體系。確保稅收征管數(shù)據(jù)的表內(nèi)、表間邏輯性檢驗(yàn)，同時(shí)對(duì)以往的存量數(shù)據(jù)做徹底清洗和規(guī)整。在這基礎(chǔ)上，再著手第三方信息采集和應(yīng)用，優(yōu)先考慮政府內(nèi)部數(shù)據(jù)，再考慮互聯(lián)網(wǎng)數(shù)據(jù)。

二是理清稅收大數(shù)據(jù)分析的邊界。在稅收大數(shù)據(jù)分析中，稅收征管數(shù)據(jù)是稅收業(yè)務(wù)的核心，進(jìn)行稅收數(shù)據(jù)分析，不能舍棄或背離這個(gè)核心，更不能眉毛胡子一把抓，要在求精的基礎(chǔ)上逐步推進(jìn)、延伸，才有利于稅收實(shí)踐和指導(dǎo)稅收工作。

三是稅收大數(shù)據(jù)分析從小問(wèn)題開始。大數(shù)據(jù)概念在商業(yè)上已經(jīng)被炒的像一個(gè)神話，其實(shí)也很少人知道應(yīng)該怎么去做，經(jīng)常我們得到一些需求都是特別宏觀、特別大的，其實(shí)都不太容易落地，從實(shí)際落地的角度來(lái)看，大數(shù)據(jù)要有效的落地還是要從解決小問(wèn)題開始。

四是要深入研究并建立強(qiáng)大有效的大數(shù)據(jù)技術(shù)體系。稅務(wù)大數(shù)據(jù)應(yīng)用是難以想象的復(fù)雜工程，它是硬件、軟件、網(wǎng)絡(luò)、應(yīng)用系統(tǒng)、標(biāo)準(zhǔn)、安全、運(yùn)維、工程、制度、業(yè)務(wù)、技術(shù)、流程、組織、管理、資金、人員的有機(jī)結(jié)合與團(tuán)隊(duì)的聯(lián)合作戰(zhàn)，放縱單打獨(dú)斗必全局大亂。稅務(wù)機(jī)關(guān)應(yīng)借鑒市場(chǎng)上大數(shù)據(jù)搞的比較好的企業(yè)經(jīng)驗(yàn)，比如互聯(lián)網(wǎng)金融的大數(shù)據(jù)分析技術(shù)經(jīng)驗(yàn)。

五是要加強(qiáng)大數(shù)據(jù)人才培養(yǎng)。大數(shù)據(jù)分析，是一個(gè)相對(duì)全新的領(lǐng)域，很多時(shí)候是摸著石頭過(guò)河，對(duì)專業(yè)人才的要求極高。做好大數(shù)據(jù)分析，相關(guān)人員應(yīng)該具有計(jì)算機(jī)、統(tǒng)計(jì)學(xué)、經(jīng)濟(jì)學(xué)等復(fù)合知識(shí)背景。當(dāng)然，總局《全國(guó)稅務(wù)領(lǐng)軍人才培養(yǎng)規(guī)劃》正可為大數(shù)據(jù)的人才培養(yǎng)創(chuàng)造契機(jī)。

［1］Nicolai，Meinshausen.Quantile Regression Forests［J］.Journal of Machine Learning Research.2006，7：980-999.

［2］Nolan D，Speed T.Stat Labs：Mathematical statistics through Applications［J］.Springer.2000.

［3］http：//baike.baidu.com/link？url＝t6EFwZBtEeeP VdQsfdPOpc2t-O6rGqM8EdtP7vaq1F2GGvS7RIw NjGbdcRA8x219HRnzqBFWDF-omCrvUzMfla.中國(guó)百度網(wǎng)，2015.

［4］Yanchang.R and Data Mining：Examples and Case Studies［M］.Singapore：Academic Press：2012.

［5］陳赤軍.稅務(wù)評(píng)估審計(jì)概論［M］.機(jī)械工業(yè)出版社，北京：2010.

［6］方匡南.隨機(jī)森林組合預(yù)測(cè)理論及其在金融中的應(yīng)用［M］.廈門大學(xué)出版社，廈門：2012.

［7］譚榮華，焦瑞進(jìn).關(guān)于大數(shù)據(jù)在稅收工作中應(yīng)用的幾點(diǎn)認(rèn)識(shí)［J］.稅務(wù)研究，2014（9）.

［8］涂子沛.The Big Data Revolution［M］.廣西師范大學(xué)出版社，桂林：2013.

［9］吳喜之.復(fù)雜數(shù)據(jù)統(tǒng)計(jì)方法——基于R的應(yīng)用（第二版）［M］.中國(guó)人民大學(xué)出版社，北京：2013.