CN115205005A - 一种基于大数据的税务信息分析***及方法 - Google Patents
一种基于大数据的税务信息分析***及方法 Download PDFInfo
- Publication number
- CN115205005A CN115205005A CN202210843658.3A CN202210843658A CN115205005A CN 115205005 A CN115205005 A CN 115205005A CN 202210843658 A CN202210843658 A CN 202210843658A CN 115205005 A CN115205005 A CN 115205005A
- Authority
- CN
- China
- Prior art keywords
- tax
- data
- enterprise
- information
- financial
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000013500 data storage Methods 0.000 claims abstract description 33
- 238000012417 linear regression Methods 0.000 claims abstract description 9
- 230000029305 taxis Effects 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 12
- 230000003542 behavioural effect Effects 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 9
- 238000007726 management method Methods 0.000 claims description 8
- 230000001419 dependent effect Effects 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000000611 regression analysis Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 description 5
- 238000003491 array Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/10—Tax strategies
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
- G06Q40/125—Finance or payroll
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Probability & Statistics with Applications (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Technology Law (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
本发明公开了一种基于大数据的税务信息分析***及方法,所述***包括数据采集模块、数据存储模块、数据处理模块和方案输出模块;所述数据采集模块用于采集企业税务信息数据和税收政策信息数据,与数据存储模块相连;所述数据存储模块用于存储数据采集模块采集到的数据,并且支持数据处理模块访问并获取存储的数据;所述数据处理模块用于根据企业税务信息和税收政策信息数据预测企业的纳税情况,对存在的税务风险进行预警。所述方案输出模块用于接收企业纳税情况的预测和税务风险的预警,结合是税收政策信息数据提出解决风险的方案和帮助企业发展的建议;通过企业财务数据和税务数据利用线性回归方程构建分析模型,预测企业的纳税情况。
Description
技术领域
本发明涉及税务信息分析技术领域,具体为一种基于大数据的税务信息分析***及方法。
背景技术
税务信息指反映国家和地方税务工作运转情况的信息,包括税收政策信息,税制改革信息和税务执行情况信息。随着经济社会的发展,企业不断迈向多元化和国际化,在这种趋势下,税务信息就因此越来越复杂,税务风险逐渐加大,税务信息的分析工作难度越来越大。在信息时代,大数据已经称为一种资源,因此推动税务信息大数据化,构建税务信息大数据分析模型就显得尤为重要。因此,人们需要一种基于大数据的税务信息分析***及方法。
发明内容
本发明的目的在于提供一种基于大数据的税务信息分析***及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于大数据的税务信息分析***,所述***包括数据采集模块、数据存储模块、数据处理模块和方案输出模块;所述数据采集模块用于采集企业税务信息数据和税收政策信息数据,与数据存储模块相连;所述数据存储模块用于存储数据采集模块采集到的数据,并且支持数据处理模块访问并获取存储的数据;所述数据处理模块用于根据企业税务信息和税收政策信息数据预测企业的纳税情况,对存在的税务风险进行预警。所述方案输出模块用于接收企业纳税情况的预测和税务风险的预警,结合是税收政策信息数据提出解决风险的方案和帮助企业发展的建议。
进一步的,所述数据采集模块包括企业税务单元和税收政策单元,所述企业税务单元用于采集企业办税人员输入的企业财务信息和企业办税信息,通过整理企业财务信息生成企业财务数据,通过整理企业办税信息生成企业纳税数据;所述税收政策单元用于收集税务部门发布的税收政策信息。
进一步的,所述数据存储模块包括税务数据存储单元和税务数据查询单元,所述税务存储单元用于存储数据采集模块生成的企业财务数据、企业纳税数据和收集的税收政策信息数据;所述税务数据查询单元用于数据处理模块访问并获取税务存储单元存储的数据。
进一步的,所述数据处理模块包括企业纳税预测单元和税务风险预警单元,所述企业纳税预测单元用于访问数据存储模块获取企业财务数据和企业纳税数据,并结合税收政策信息预测企业下一季度的纳税情况,判断企业当前的生产经营情况,提出帮助企业发展生产经营的建议;所述税务风险预警单元用于分析企业财务数据和企业纳税数据,判断是否存在税务风险。
进一步的,所述方案输出模块包括风险处理单元和企业发展单元,所述风险处理单元用于接收数据处理模块发出的税务风险预警,针对所述风险预警,提出解决方案;所述企业发展单元用于接收企业纳税情况的预测,结合税收政策信息,提出帮助企业发展的建议。
一种基于大数据的税务信息分析方法,包括以下步骤:
S1:采集企业财务信息和企业办税信息,生成企业财务数据和企业纳税数据;
S2:根据企业的纳税数据,按照企业名+税费形成一维数组,结合企业的财务数据形成多
维数组;
S3:以税费为因变量,企业财务数据为自变量,利用线性回归算法建立回归分析模型,预测企业下一个季度的税费;
S4:获取三个年度的企业纳税数据和财务数据,利用python程序算法按缴纳的税费从小到大排序,分析税费的变化,结合企业的财务数据,判断企业的生产经营状况。
进一步的,在步骤S1中:数据采集模块采集企业的财务信息至少包括资产、负债、营收、利润,分别用x1,x2,x3,x4,…,xk表示,k表示财务信息种类数量,采集企业的办税信息包括企业实际缴纳的税费,用y表示,缴纳的税费包括流转税、所得税、财产税、行为税、资源税。
进一步的,在步骤S2中:数据存储模块根据企业的纳税税费的组成,按照[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值]格式形成一维数组存储在税务信息存储单元,再结合企业的财务数据,按照{[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值],[x1,x2,x3,x4,…,xk]},xk表示财务种类,形成多维数组存储在税务信息存储单元。
进一步的,在步骤S3中:数据处理模块中的企业预测单元以税费y为因变量,企业财务数据x1,x2,x3,x4,…,xk为自变量,利用线性回归方程建立回归模型,公式为:
y=β0+β1x1+β2x2+…+βkxk
β0,β1,β2,…,βk为待定系数,我们采取m个季度企业的纳税数据和财务数据,得到样本数据(yi,xi1,xi2,xi3,…,xik),1≤i≤m,利用最小二乘法将m个样本数据进行直线拟合,将每个样本值代入模型中得到方程组:
为了方便我们用矩阵表示:
X通常包括一个常数项,我们可以简化方程组
Y=Xβ
其中Y是一个包括了(y1,y2,y3,…,ym)的列向量,β为包含了(β0,β1,β2,…,βk)的参数向量,使用最小二乘法得到β=(XTX)-1XTY,根据β的值可以预测企业下一个季度的纳税情况。
进一步的,在步骤S4中:数据处理模块中的税务风险预警单元通过访问数据存储模块中的税务信息查询单元获取企业三个年度的纳税数据和财务数据,以{[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值],[x1,x2,x3,x4,…,xk]},xk表示财务种类,多维数组的形式存入numpy文件中,在python中调用numpy库,读取numpy文件,使用sort函数对对位数组按税费从大学到小进行排序,根据排序结果,我们分析企业在缴纳税费增多的同时企业各项财务数据的变化,判断企业是否存在税务风险。
与现有技术相比,本发明所达到的有益效果是:本发明提供的基于大数据的税务信息分析***及方法,通过采集企业的财务信息与税务信息,以企业缴纳的税费为因变量,企业财务信息里的各项数据为自变量,通过线性回归方程构建分析模型,利用最小二乘法进行直线拟合,最后预测企业下个季度的纳税情况,同时采集多个年度企业的纳税数据和财务数据,在python中调用numpy库,按税费从小到大进行排序,通过税费的变化结合财务数据分析企业的生产经营状况,判断企业是否存在税务风险;本发明有效的利用税务大数据构建分析模型,帮助企业更好的发现可能存在的税务风险,同时在企业的生产经营过程中提供建议帮助企业发展。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是本发明一种基于大数据的税务分析***的结构示意图;
图2是本发明一种基于大数据的税务分析方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图2,本发明提供技术方案:一种基于大数据的税务信息分析***,***包括数据采集模块、数据存储模块、数据处理模块和方案输出模块;所述数据采集模块用于采集企业税务信息数据和税收政策信息数据,与数据存储模块相连;所述数据存储模块用于存储数据采集模块采集到的数据,并且支持数据处理模块访问并获取存储的数据;所述数据处理模块用于根据企业税务信息和税收政策信息数据预测企业的纳税情况,对存在的税务风险进行预警。所述方案输出模块用于接收企业纳税情况的预测和税务风险的预警,结合是税收政策信息数据提出解决风险的方案和帮助企业发展的建议。
数据采集模块包括企业税务单元和税收政策单元,所述企业税务单元用于采集企业办税人员输入的企业财务信息和企业办税信息,通过整理企业财务信息生成企业财务数据,通过整理企业办税信息生成企业纳税数据;所述税收政策单元用于收集税务部门发布的税收政策信息。
数据存储模块包括税务数据存储单元和税务数据查询单元,所述税务存储单元用于存储数据采集模块生成的企业财务数据、企业纳税数据和收集的税收政策信息数据;所述税务数据查询单元用于数据处理模块访问并获取税务存储单元存储的数据。
数据处理模块包括企业纳税预测单元和税务风险预警单元,所述企业纳税预测单元用于访问数据存储模块获取企业财务数据和企业纳税数据,并结合税收政策信息预测企业下一季度的纳税情况,判断企业当前的生产经营情况,提出帮助企业发展生产经营的建议;所述税务风险预警单元用于分析企业财务数据和企业纳税数据,判断是否存在税务风险。
方案输出模块包括风险处理单元和企业发展单元,所述风险处理单元用于接收数据处理模块发出的税务风险预警,针对所述风险预警,提出解决方案;所述企业发展单元用于接收企业纳税情况的预测,结合税收政策信息,提出帮助企业发展的建议。
一种基于大数据的税务信息分析方法,包括以下步骤:
S1:采集企业财务信息和企业办税信息,生成企业财务数据和企业纳税数据;
S2:根据企业的纳税数据,按照企业名+税费形成一维数组,结合企业的财务数据形成多
维数组;
S3:以税费为因变量,企业财务数据为自变量,利用线性回归算法建立回归分析模型,预测企业下一个季度的税费;
S4:获取三个年度的企业纳税数据和财务数据,利用python程序算法按缴纳的税费从小到大排序,分析税费的变化,结合企业的财务数据,判断企业的生产经营状况。
在步骤S1中:数据采集模块采集企业的财务信息至少包括资产、负债、营收、利润,分别用x1,x2,x3,x4,…,xk表示,k表示财务信息种类数量,采集企业的办税信息包括企业实际缴纳的税费,用y表示,缴纳的税费包括流转税、所得税、财产税、行为税、资源税。
在步骤S2中:数据存储模块根据企业的纳税税费的组成,按照[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值]格式形成一维数组存储在税务信息存储单元,再结合企业的财务数据,按照{[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值],[x1,x2,x3,x4,…,xk]},xk表示财务种类,形成多维数组存储在税务信息存储单元。
在步骤S3中:数据处理模块中的企业预测单元以税费y为因变量,企业财务数据x1,x2,x3,x4,…,xk为自变量,利用线性回归方程建立回归模型,公式为:
y=β0+β1x1+β2x2+…+βkxk
β0,β1,β2,…,βk为待定系数,我们采取m个季度企业的纳税数据和财务数据,得到样本数据(yi,xi1,xi2,xi3,…,xik),1≤i≤m,利用最小二乘法将m个样本数据进行直线拟合,将每个样本值代入模型中得到方程组:
为了方便我们用矩阵表示:
X通常包括一个常数项,我们可以简化方程组
Y=Xβ
其中Y是一个包括了(y1,y2,y3,…,ym)的列向量,β为包含了(β0,β1,β2,…,βk)的参数向量,使用最小二乘法得到β=(XTX)-1XTY,根据β的值可以预测企业下一个季度的纳税情况。
在步骤S4中:数据处理模块中的税务风险预警单元通过访问数据存储模块中的税务信息查询单元获取企业三个年度的纳税数据和财务数据,以{[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值],[x1,x2,x3,x4,…,xk]},xk表示财务种类,多维数组的形式存入numpy文件中,在python中调用numpy库,读取numpy文件,使用sort函数对对位数组按税费从大学到小进行排序,根据排序结果,我们分析企业在缴纳税费增多的同时企业各项财务数据的变化,判断企业是否存在税务风险。
实施例一:数据采集模块采集到企业的财务数据和企业的纳税数据,财务数据至少包括资产、负债、营收、利润,分别用x1,x2,x3,x4,…,xk表示,k财务数据种类,储存到数据存储模块,纳税数据包括包括流转税、所得税、财产税、行为税、资源税,依次按照[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值]储存到数据存储模块;访问数据存储模块获取m个季度企业的财务数据和纳税数据,以税费总额+财务数据形成观测值,如{[y1,x11,x12,x13,x14,…,x1k]...[ym,xm1,xm2,xm3,xm4,…,xmk]},根据线性回归方程y=β0+β1x1+β2x2+...+βkxk建立分析模型,得到方程组
用矩阵表示简化方程组为Y=xβ,得到β=(XTX)-1XTY,根据求的β值预测企业下个季度的缴税总额;同时将m个季度企业的财务数据和纳税数据以{[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值]…}格式存入numpy文件中,在python中使用sort函数按税费从小到大进行排序,通过分析税费变化过程,判断企业是否存在税务风险;结合企业税费的预测值与企业税费的变化过程,提出帮助企业发展生产经营的建议。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于大数据的税务信息分析***,其特征在于,所述***包括数据采集模块、数据存储模块、数据处理模块和方案输出模块;所述数据采集模块用于采集企业税务信息数据和税收政策信息数据,与数据存储模块相连;所述数据存储模块用于存储数据采集模块采集到的数据,并且支持数据处理模块访问并获取存储的数据;所述数据处理模块用于根据企业税务信息和税收政策信息数据预测企业的纳税情况,对存在的税务风险进行预警;所述方案输出模块用于接收企业纳税情况的预测和税务风险的预警,结合是税收政策信息数据提出解决风险的方案和帮助企业发展的建议。
2.根据权利要求1所述的一种基于大数据的税务信息分析***,其特征在于:所述数据采集模块包括企业税务单元和税收政策单元,所述企业税务单元用于采集企业办税人员输入的企业财务信息和企业办税信息,通过整理企业财务信息生成企业财务数据,通过整理企业办税信息生成企业纳税数据;所述税收政策单元用于收集税务部门发布的税收政策信息。
3.根据权利要求1所述的一种基于大数据的税务信息分析***,其特征在于:所述数据存储模块包括税务数据存储单元和税务数据查询单元,所述税务存储单元用于存储数据采集模块生成的企业财务数据、生成的企业纳税数据、收集的税收政策信息数据;所述税务数据查询单元用于数据处理模块访问并获取税务存储单元存储的数据。
4.根据权利要求1所述的一种基于大数据的税务信息分析***,其特征在于:所述数据处理模块包括企业纳税预测单元和税务风险预警单元,所述企业纳税预测单元用于访问数据存储模块获取企业财务数据和企业纳税数据,并结合税收政策信息预测企业下一季度的纳税情况,判断企业当前的生产经营情况,提出帮助企业发展生产经营的建议;所述税务风险预警单元用于分析企业财务数据和企业纳税数据,判断是否存在税务风险。
5.根据权利要求1所述的一种基于大数据的税务信息分析***,其特征在于:所述方案输出模块包括风险处理单元和企业发展单元,所述风险处理单元用于接收数据处理模块发出的税务风险预警,针对所述风险预警,提出解决方案;所述企业发展单元用于接收企业纳税情况的预测,结合税收政策信息,提出帮助企业发展的建议。
6.一种基于大数据的税务信息分析方法,其特征在于,包括以下步骤:
S1:采集企业财务信息和企业办税信息,生成企业财务数据和企业纳税数据;
S2:根据企业的纳税数据,按照企业名+税费形成一维数组,结合企业的财务数据形成多维数组;
S3:以税费为因变量,企业财务数据为自变量,利用线性回归算法建立回归分析模型,预测企业下一个季度的税费;
S4:获取三个年度的企业纳税数据和财务数据,利用python程序算法按缴纳的税费从小到大排序,分析税费的变化,结合企业的财务数据,判断企业的生产经营状况。
7.根据权利要求5所述的一种基于大数据的税务信息分析方法,其特征在于:在步骤S1中:数据采集模块采集企业的财务信息至少包括资产、负债、营收、利润,分别用x1,x2,x3,x4,…,xk表示,k表示财务信息种类数量,采集企业的办税信息包括企业实际缴纳的税费,用y表示,缴纳的税费包括流转税、所得税、财产税、行为税、资源税。
8.根据权利要求5所述的一种基于大数据的税务信息分析方法,其特征在于:在步骤S2中:数据存储模块根据企业的纳税税费的组成,按照[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值]格式形成一维数组存储在税务信息存储单元,再结合企业的财务数据,按照{[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值],[x1,x2,x3,x4,…,xk]},xk表示财务种类,形成多维数组存储在税务信息存储单元。
9.根据权利要求5所述的一种基于大数据的税务信息分析方法,其特征在于:在步骤S3中:数据处理模块中的企业预测单元以税费y为因变量,企业财务数据x1,x2,x3,x4,…,xk为自变量,利用线性回归方程建立回归模型,公式为:
y=β0+β1x1+β2x2+…+βkxk
β0,β1,β2,…,βk为待定系数,我们采取m个季度企业的纳税数据和财务数据,得到样本数据(yi,xi1,xi2,xi3,…,xik),1≤i≤m,利用最小二乘法将m个样本数据进行直线拟合,将每个样本值代入模型中得到方程组:
y1=β0+β1x11+β2x12+…+βkx1k
y2=β0+β1x21+β2x22+…+βkx2k
ym=β0+β1xm1+β2xm2+…+βkxmk
为了方便我们用矩阵表示:
X通常包括一个常数项,我们可以简化方程组
Y=Xβ
其中Y是一个包括了(y1,y2,y3,…,ym)的列向量,β为包含了(β0,β1,β2,…,βk)的参数向量,使用最小二乘法得到β=(XTX)-1XTY,根据β的值可以预测企业下一个季度的纳税情况。
10.根据权利要求5所述的一种基于大数据的税务信息分析方法,其特征在于:在步骤S4中:数据处理模块中的税务风险预警单元通过访问数据存储模块中的税务信息查询单元获取企业三个年度的纳税数据和财务数据,以{[企业名:税费,流转税:数值,所得税:数值,财产税:数值,行为税:数值,资源税:数值],[x1,x2,x3,x4,…,xk]},xk表示财务种类,多维数组的形式存入numpy文件中,在python中调用numpy库,读取numpy文件,使用sort函数对对位数组按税费从大学到小进行排序,根据排序结果,我们分析企业在缴纳税费增多的同时企业各项财务数据的变化,判断企业是否存在税务风险。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210843658.3A CN115205005A (zh) | 2022-07-18 | 2022-07-18 | 一种基于大数据的税务信息分析***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210843658.3A CN115205005A (zh) | 2022-07-18 | 2022-07-18 | 一种基于大数据的税务信息分析***及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115205005A true CN115205005A (zh) | 2022-10-18 |
Family
ID=83582512
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210843658.3A Pending CN115205005A (zh) | 2022-07-18 | 2022-07-18 | 一种基于大数据的税务信息分析***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115205005A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116245670A (zh) * | 2023-05-12 | 2023-06-09 | 辽联(北京)数据科技开发有限公司 | 基于双标签模型处理财税数据的方法、装置、介质和设备 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492167A (zh) * | 2018-03-21 | 2018-09-04 | 安徽天勤盛创信息科技股份有限公司 | 一种基于大数据的税务收入管理平台 |
CN108665165A (zh) * | 2018-05-10 | 2018-10-16 | 广州市华泓鞋业有限公司 | 一种基于大数据的企业税务分析*** |
CN110321327A (zh) * | 2019-06-17 | 2019-10-11 | 悟空财税服务有限公司 | 一种财税数据检测方法及*** |
CN112801549A (zh) * | 2021-03-22 | 2021-05-14 | 南泽(广东)科技股份有限公司 | 一种基于大数据的财务数据管理*** |
CN113283780A (zh) * | 2021-06-09 | 2021-08-20 | 四川云栖智海大数据科技研究院(有限合伙) | 基于企业内外部环境大数据的税务风险分析***及方法 |
CN113298408A (zh) * | 2021-06-09 | 2021-08-24 | 四川云栖智海大数据科技研究院(有限合伙) | 一种企业税务风险监控分析***及方法 |
CN113706280A (zh) * | 2021-08-31 | 2021-11-26 | 海南商王道信息技术有限公司 | 一种基于大数据的企业税务筹划***及方法 |
-
2022
- 2022-07-18 CN CN202210843658.3A patent/CN115205005A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108492167A (zh) * | 2018-03-21 | 2018-09-04 | 安徽天勤盛创信息科技股份有限公司 | 一种基于大数据的税务收入管理平台 |
CN108665165A (zh) * | 2018-05-10 | 2018-10-16 | 广州市华泓鞋业有限公司 | 一种基于大数据的企业税务分析*** |
CN110321327A (zh) * | 2019-06-17 | 2019-10-11 | 悟空财税服务有限公司 | 一种财税数据检测方法及*** |
CN112801549A (zh) * | 2021-03-22 | 2021-05-14 | 南泽(广东)科技股份有限公司 | 一种基于大数据的财务数据管理*** |
CN113283780A (zh) * | 2021-06-09 | 2021-08-20 | 四川云栖智海大数据科技研究院(有限合伙) | 基于企业内外部环境大数据的税务风险分析***及方法 |
CN113298408A (zh) * | 2021-06-09 | 2021-08-24 | 四川云栖智海大数据科技研究院(有限合伙) | 一种企业税务风险监控分析***及方法 |
CN113706280A (zh) * | 2021-08-31 | 2021-11-26 | 海南商王道信息技术有限公司 | 一种基于大数据的企业税务筹划***及方法 |
Non-Patent Citations (1)
Title |
---|
何家凤;何少武;: "大数据时代的纳税评估信息采集模式" * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116245670A (zh) * | 2023-05-12 | 2023-06-09 | 辽联(北京)数据科技开发有限公司 | 基于双标签模型处理财税数据的方法、装置、介质和设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Barak et al. | Developing an approach to evaluate stocks by forecasting effective features with data mining methods | |
US7574379B2 (en) | Method and system of using artifacts to identify elements of a component business model | |
CN111401777B (zh) | 企业风险的评估方法、装置、终端设备及存储介质 | |
US20040049473A1 (en) | Information analytics systems and methods | |
WO2020176711A1 (en) | Self-driven system & method for operating enterprise and supply chain applications | |
Rožanec et al. | Knowledge graph-based rich and confidentiality preserving Explainable Artificial Intelligence (XAI) | |
CA2904526A1 (en) | Systems, methods, and apparatuses for implementing data upload, processing, and predictive query api exposure | |
JPH05101103A (ja) | データの分類方法とその装置 | |
Wihartati et al. | Decision Support System for Share Investment Using The Capital Assetpricing Method (CAPM) | |
Nikiforova | Open Data Quality Evaluation: A comparative analysis of open data in Latvia | |
Li et al. | RETRACTED ARTICLE: Data mining optimization model for financial management information system based on improved genetic algorithm | |
US8126790B2 (en) | System for cost-sensitive autonomous information retrieval and extraction | |
Bou-Hamad et al. | A cognitive analytics management framework to select input and output variables for data envelopment analysis modeling of performance efficiency of banks using random forest and entropy of information | |
WO2021257610A1 (en) | Time series forecasting and visualization methods and systems | |
CN110544118B (zh) | 销量预测方法、装置、介质和计算设备 | |
Pina et al. | Technical debt prioritization: Taxonomy, methods results, and practical characteristics | |
CN115205005A (zh) | 一种基于大数据的税务信息分析***及方法 | |
Chen et al. | Common bubble detection in large dimensional financial systems | |
Balakayeva et al. | The solution to the problem of processing Big Data using the example of assessing the solvency of borrowers | |
Bettiol et al. | Is this time different? How Industry 4.0 affects firms’ labor productivity | |
Lucko et al. | Quantitative research: Preparation of incongruous economic data sets for archival data analysis | |
US20080103882A1 (en) | Method for cost-sensitive autonomous information retrieval and extraction | |
Bures et al. | The evaluation of external data resources for Business Intelligence applications: the example of the Czech Republic | |
Verevka et al. | Opportunities and barriers to using big data technologies in the metallurgical industry | |
US20140149186A1 (en) | Method and system of using artifacts to identify elements of a component business model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221018 |