硕士税收筹划论文范文篇一
第1章绪论
1.1课题研究背景
在当今全球信息化迅猛发展的形势下，大力推进税务系统信息化建设是提高税收管理水平的必由之路。在国家税务总局的指导和支持下，以“金税工程”为核心的税务系统信息化建设全面展开，目前金税工程已经进行到三期的建设。国家税务总局希望“金税”三期的建设目标用四到五年时间完成，内容概括为“一个平台，两级处理，三个覆盖，四个系统”。一个平台：建立一个包含网络硬件和基础软件的统一技术基础平台；两级处理：依托统一的技术基础平台，逐步实现税务系统的数据信息在总局和省局的集中处理；三个覆盖：应用内容逐步覆盖所有税种，覆盖所有工作环节，覆盖各级国、地税机关，并与有关部门联网；四个系统：通过业务的重组、优化和规范，逐步形成一个以征管业务为主，包括行政管理、外部信息和决策支持在内的信息管理应用系统。作为总局金税工程三期项目的重要组成部分，按照总局数据省级集中的要求，参照总局金税三期系统的建设标准，各地纷纷启动数据大集中项目。税收分析预测系统作为数据大集中项目的重要组成部分，其应用的对象包含了税务工作管理者和决策者，其应用的内容既包含了面向领导层决策的决策支持应用，也包含了面向广大税务干部的数据利用型业务处理，其建设的思路和目标是通过将各类业务系统的数据、外部采集数据、历史数据进行集中整合，建立适合地税实际征管需要的税收数据仓库，在数据仓库平台上，利用联机分析处理、数据挖掘等技术，进行深层次的数据分析和预测，为实施精细化管理和领导决策提供平台和工具⑴。
1.2税务系统中计算机技术应用状况
近年来，随着数据仓库技术的发展，决策支持系统和数据仓库相互结合，使决策支持系统更加适应税务机关的需要。决策支持系统的处理技术主要包括联机分析处理和数据挖掘两部分，它们的功能视为不交的，但同时又相互补充。联机分析处理和数据挖掘技术是作为两种独立的技术出现的。联机分析处理是数据汇总/聚集工具，帮助简化数据分析，而数据挖掘自动地发现隐藏在大量数据中的隐含模式和有趣知识。联机分析处理工具的目标是简化和支持交互数据分析，而数据挖掘工具的目标是尽可能自动进行，尽管仍然允许用户知道这一过程。联机分析处理的分析结果可以为数据挖掘提供分析信息，数据挖掘可以拓展联机分析处理的分析深度，发现联机分析处理不能发现的更深层次的信息。联机分析处理和数据挖掘都可以完成对决策过程的支持，将两者结合到一个系统中更能有效的提高系统的决策支持能力。对于税务系统来说，依靠税收数据幵发“基于数据仓库的决策支持系统”是现代化税收系统必不可少的部分，与国民经济相关，具有重大的社会效益和经济效益[2]。
1.3数据仓库技术国内外研究现状
国外数据仓库技术的发展主要经历了三个阶段：阶段一数据收集阶段：利用批处理技术，把机构内不同来源的信息集成到一个单一的数据仓库中，形成报表，为公司决策提供重要参考。大多数情况下，人们已对报表中涉及的问题有所了解。阶段二数据分析阶段：决策者关心的重点发生了转移，从单纯“的发生了什么”到“为什么发生”，这个阶段数据仓库所做的工作就是分析。分析活动的目的是为了了解报表数据的含义，需要对更详尽的数据进行各角度的分析。第二阶段的数据仓库对数据库要提交的内容事先一无所知，采用的方法是随机分析。而当一个公司的决策过程得到量化以后，对经营动态的情况及这种情况为什么会发生都会有所体会。阶段三信息预测及动态智能阶段：提供数据采集工具，以便利用历史资料创建预测模型，实现实时智能的决策支持。目前，中国的数据仓库技术基本实现了第二阶段，正在转入第三阶段。在第三阶段，为了实现动态智能，在数据仓库技术实现方面应注意两点：(1)动态访问：主要可以支持包括管理层在内的操作层用户可以动态活着实时的查询并计算所需信息，因此框架应支持大量用户并行复杂计算。（2)动态数据加载：为了实现实时智能控制，数据仓库技术系统不仅要支持批量数据加载，还要支持连续和实时数据加载。自20世纪90代初，“数据仓库之父” WilllanH.Inmon在其《建立数据仓库》一书中定义了数据仓库以来，数据仓库技术紧跟着Internet的发展和电子商务的发展，成为社会信息的一部分。在欧美发达国家，以数据仓库为基础的在线分析处理和数据挖掘应用，首先在金融、保险、证券、电信等传统数据密集型行业取得成功。数据仓库技术给税务部门带来的应用效益也非常可观，例如，澳大利亚政府税务部门将数据仓库技术用于支持税收业务，系统经过3年的运行，投人回报率达到1:15。美国德克萨斯州政府税务部门采用数据仓库技术半年后，每月带来收益也是非常可观的。
第2章相关技术及概念介绍
社会的需求推动了技术的发展。人们尝试对数据库中的数据进行再加工，形成一个综合的、面向分析的环境，以更好地支持决策分析。为此，数据仓库和数据挖掘技术应运而生了。本章将简要介绍数据仓库、数据挖掘及其他相关基本概念。
2.1数据仓库的定义及其特征
数据仓库（Data Warehouse，简称DW)是近年來新兴的一种新的数据库应用，它是决策支持系统和联机分析应用数据源的结构化数据环境。它的出现为决策支持系统开辟了新的途径，极大地提高了决策支持系统的信息存储量和分析能力，对于充分利用已有历史数据、提高决策的可靠性具有重要作用。本节我们将介绍数据仓库的定义及其特征。
2.1.1数据仓库的定义
1991年，著名的数据仓库专家W.H.Inmon在起著作《Building the DataWarehouse》中系统地阐述了关于数据仓库的思想、理论，书中是这样定义的：数据仓库是一个面向主题的、集成的、随时间变化的、非易失性的数据集合，用于支持管理层的决策过程。可以从两方面理解，首先，数据仓库是用于决策支持的，面向分析型数据处理，不同于企业现有的操作性数据库。其次，数据仓库是对多个异构数据源的有效集成，然后按照主题进行了重组并包含历史数据，而且存放在数据仓库中的数据一般不再修改[3]。
第3章 税收分析预测系统总体设计......... 26-36
3.1 系统需求分析 .........26-27
3.2 系统总体架构设计 .........27-32
3.2.1 系统逻辑架构设计......... 27-29
3.2.2 系统业务架构设计......... 29-30
3.2.3 系统数据架构设计......... 30-31
3.2.4 系统网络架构设计......... 31-32
3.3 数据仓库总体设计......... 32-35
3.4 本章小结 .........35-36
第4章 税收分析预测系统详细设计......... 36-60
4.1 数据仓库的设计思想 .........36-38
4.2 税务数据仓库的模型设计......... 38-49
4.2.1 概念模型设计......... 38-43
4.2.2 逻辑模型设计......... 43-48
4.2.3 物理模型设计......... 48-49
4.3 系统ETL设计......... 49-53
4.3.1 数据的抽取机制.........49-50
4.3.2 系统采用的抽取策略......... 52-53
4.3.4 数据的加载策略......... 53
4.4 OLAP立方体设计......... 53-55
4.5 税收预测分析的设计......... 55-58
4.5.1 税收预测的一般程序......... 56-57
4.5.2 税收预测模式的选取......... 57
4.5.3 ARMA模型的表现形式......... 57-58
4.6 本章小......... 58-60
第5章 税收分析预测系统的实现......... 60-72
5.1 系统的开发环境与运行环境......... 60-61
&nb
