數據倉庫技術的企業納稅論文范文

本站小編為你精心準備了數據倉庫技術的企業納稅論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1山東省基于數據倉庫技術的監控系統整體設計

根據數據倉庫技術的系統部署，我們將整體的監控系統分為4層：數據源層、數據交換層、展示層、數據中心層。其具體的系統部署如圖1所示。其中，數據交換層主要由省、市數據平臺的集成，從而形成可覆蓋全省的數據系統。實現該系統的集成是通過在省、市建立ODS數據抽取的源適配器的方式，以此對數據進行統一的平臺，在省局中建立ODS目的適配器，從而形成數據采集平臺；而數據中心平臺則由ODS、數據倉庫中的OLAP服務器、J2EE服務器組成，通過應用適配器將集成的采集到的數據放到ODS中，并通過時間或者是批次的方式統一存放到數據倉庫，而部分會回流到ODS中；展示層是由web服務器、展示工具等組成，其目的是將決策分析的報告結果或查詢結果進行展現。

2對數據倉庫模型設計

數據倉庫作為一個面向主題的、集成的系統，其屬于動態變換。因此，在對整體進行設計之后，必須對數據倉庫的邊界和功能進行定義。本文主要從稅收的收入、稅收監控信息和隊伍建設入手，因此，將功能劃分為以下部分，具體如圖2.

3納稅評估模型構建

3.1納稅評估概述以及流程設計在完成對監控系統的統一設計之后，可實現對數據的收集和分析。而所謂的納稅評估是指稅務機關通過納稅人提交的申報資料，日常的征管信息等進行綜合的審核分析，并及時對稅務繳納進行評定和處理。而為了設計的方便，我們采用企業稅負率這個指標來對模型進行設計。因為企業稅負率在會計中的定義是指企業應繳納的稅費和企業的應稅銷售收入的比率。納稅評估的流程設計具體如圖3所示。

3.2數據挖掘技術算法的確定數據挖掘是針對特定的數據而進行的分析和處理的一個過程。因此，選擇不同的數據挖掘技術，其根據是對所選取的結果的挖掘。本文選用Apriori算法，來實現對企業稅負率和企業違規等之間的關聯挖掘。APrfori算法是有R.Agrawal等人在上個世紀90年代提出的，其主要用在大型數據庫上的數據快速挖掘。其主要采用逐層迭代的搜索方式，使用候選項集來找頻繁項集的過程。其基本的思路是首先找出所有頻繁1-項集，然后用找出頻繁2-項集，在利用找出，這樣反復找到的K，在第K+1項集是不能找到的過程，并且在這其中利用最小支持度進行篩選，再通過最小置信度與頻繁項集產生的關聯規則。在選擇上述的數據挖掘算法之后，對其參數進行設置。所謂的參數主要是指min_conf與min_sup。并通過模型對進行挖掘。

3.3算法的驗證通過模型計算我們可以得出以下的結果：批發行業中為退稅企業并且其稅負率小于2.5的主要集中在類1；退稅企業并且其稅負率大于2.5主要集中在類2；不是退稅企業and稅負率小于2.5的企業主要分布在類3；不是退稅企業and稅負率大于2.5的企業主要分布在類4.同時我們采用收集不同行業樣本，對評估模型進行驗證，從而得出其平均的閥值為2.57，誤差為2.8%說明評估模型有效。

4總結

納稅評估模型被廣泛的應用于企業、政府等各個不同部門。因此，利用現在計算機技術，加強對企業納稅評估的建設和推廣，對維護我國的稅務環境具有重要意義。

作者：黃敏單位：陜西財經職業技術學院