CN111598488A - 税务风险监控的方法、装置及计算机存储介质 - Google Patents
税务风险监控的方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN111598488A CN111598488A CN202010611040.5A CN202010611040A CN111598488A CN 111598488 A CN111598488 A CN 111598488A CN 202010611040 A CN202010611040 A CN 202010611040A CN 111598488 A CN111598488 A CN 111598488A
- Authority
- CN
- China
- Prior art keywords
- risk
- monitoring
- index
- monitoring model
- data source
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 385
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 41
- 238000012806 monitoring device Methods 0.000 claims abstract description 3
- 238000012216 screening Methods 0.000 claims description 92
- 230000000875 corresponding effect Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000029305 taxis Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q40/123—Tax preparation or submission
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Technology Law (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了税务风险监控的方法、装置及计算机存储介质,该方法包括:从预先设置的至少一个风险监控模型中确定监控税务风险指标所需要的风险监控模型;将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中;将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中;运行配置后的所述所需要的风险监控模型,配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,对所述税务风险指标进行监控,并生成所述税务风险指标的监控结果。本发明提供了税务风险监控的方法、装置及计算机存储介质,能够自动地对税务风险进行监控。
Description
技术领域
本发明涉及税务处理技术领域,特别涉及税务风险监控的方法、装置及计算机存储介质。
背景技术
企业涉及到的纳税事宜非常多,对于业务多、多元化和国际化的企业来说,纳税事宜更多。纳税事宜越多,企业的税务风险就越高,如何对这些税务风险进行监控,非常重要。
现有技术中,税务风险的监控主要是通过人工来完成的。
发明内容
本发明实施例提供了税务风险监控的方法、装置及计算机存储介质,能够自动地对税务风险进行监控。
第一方面,本发明实施例提供了税务风险监控方法,该方法包括:
从预先设置的至少一个风险监控模型中确定监控税务风险指标所需要的风险监控模型;
将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中;
将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中;
运行配置后的所述所需要的风险监控模型,配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,对所述税务风险指标进行监控,并生成所述税务风险指标的监控结果。
可选地,
所述风险监控模型,包括:数值类指标的监控模型;
所述数值类指标的监控模型中包括:至少一个元素和阈值参数;
当所述所需要的风险监控模型为所述数值类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述数值类指标的监控模型中预先设置的一个元素进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将计算所述税务风险指标所需要的式子配置到所述数值类指标的监控模型中,其中,所述式子中包括:与所述数据源的地址信息关联的元素;
将所述税务风险指标的阈值与所述数值类指标的监控模型中预先设置的阈值参数进行关联;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述数值类指标的监控模型针对所述式子中的每个所述元素,执行:确定当前元素相关联的数据源的地址信息,根据当前元素相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前元素赋值;
配置后的所述数值类指标的监控模型利用所述式子中的所述元素的值对所述式子进行计算,生成所述式子的计算结果;
将所述阈值参数关联的阈值与所述计算结果进行比对,生成所述税务风险指标的监控结果。
可选地,
所述风险监控模型,包括:比对类指标的监控模型;
所述比对类指标的监控模型中包括:至少两个比对参数;
当所述所需要的风险监控模型为所述比对类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述比对类指标的监控模型中预先设置的一个所述比对参数进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将包括至少两个所述比对参数的比对逻辑配置到所述比对类指标的监控模型中;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述比对类指标的监控模型针对所述比对逻辑中每个所述比对参数,执行:确定当前比对参数相关联的数据源的地址信息,根据当前比对参数相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前比对参数赋值;
配置后的所述比对类指标的监控模型根据所述比对逻辑,对所述比对逻辑中的至少两个所述比对参数的值进行比对,生成所述税务风险指标的监控结果。
可选地,
所述风险监控模型,包括:筛查类指标的监控模型;
所述筛查类指标的监控模型中包括:至少一个筛查参数;
当所述所需要的风险监控模型为所述筛查类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述筛查类指标的监控模型中预先设置的一个所述筛查参数进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将筛查条件的表达式配置到所述筛查类指标的监控模型中;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述所需要的风险监控模型根据所述筛查参数关联的所述数据源的地址信息,确定所述数据源,在所述数据源的数据中查找满足所述筛查条件的表达式的数据,生成所述税务风险指标的监控结果。
可选地,
在所述生成所述税务风险指标的监控结果之后,进一步包括:
根据所述税务风险指标的监控结果,确定所述税务风险指标的风险级别;
根据至少一个所述税务风险指标的风险级别,确定每个所述税务风险指标的风险指数;
根据每个所述税务风险指标的风险指数,确定该至少一个税务风险指标对应的企业的风险指数。
第二方面,本发明实施例提供了一种税务风险监控装置,该装置包括:至少一个风险监控模型、确定模块、第一配置模块、第二配置模块和触发模块;
所述确定模块,用于从预先设置的至少一个所述风险监控模型中确定监控税务风险指标所需要的风险监控模型;
所述第一配置模块,用于将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述确定模块确定出的所述风险监控模型中;
所述第二配置模块,用于将监控所述税务风险指标所需要的处理逻辑配置到所述确定模块确定出的所述风险监控模型中;
所述触发模块,用于向配置后的所述风险监控模型发送运行信号;
所述风险监控模型,用于当接收到所述触发模块发来的运行信号时,根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果。
可选地,
所述风险监控模型,包括:数值类指标的监控模型;
所述数值类指标的监控模型中包括:至少一个元素和阈值参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述数值类指标的监控模型中预先设置的一个元素进行关联;
所述第二配置模块,用于将计算所述税务风险指标所需要的式子配置到所述数值类指标的监控模型中,将所述税务风险指标的阈值与所述数值类指标的监控模型中预先设置的阈值参数进行关联,其中,所述式子中包括:与所述数据源的地址信息关联的元素;
所述数值类指标的监控模型,用于:
针对所述式子中的每个所述元素,执行:确定当前元素相关联的数据源的地址信息,根据当前元素相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前元素赋值;
配置后的所述数值类指标的监控模型利用所述式子中的所述元素的值对所述式子进行计算,生成所述式子的计算结果;
将所述阈值参数关联的阈值与所述计算结果进行比对,生成所述税务风险指标的监控结果。
可选地,
所述风险监控模型,包括:比对类指标的监控模型;
所述比对类指标的监控模型中包括:至少两个比对参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述比对类指标的监控模型中预先设置的一个所述比对参数进行关联;
所述第二配置模块,用于将包括至少两个所述比对参数的比对逻辑配置到所述比对类指标的监控模型中;
所述比对类指标的监控模型,用于:
针对所述比对逻辑中每个所述比对参数,执行:确定当前比对参数相关联的数据源的地址信息,根据当前比对参数相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前比对参数赋值;
根据所述比对逻辑,对所述比对逻辑中的至少两个所述比对参数的值进行比对,生成所述税务风险指标的监控结果。
可选地,
所述风险监控模型,包括:筛查类指标的监控模型;
所述筛查类指标的监控模型中包括:至少一个筛查参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述筛查类指标的监控模型中预先设置的一个所述筛查参数进行关联;
所述第二配置模块,用于将筛查条件的表达式配置到所述筛查类指标的监控模型中;
所述筛查类指标的监控模型,用于根据所述筛查参数关联的所述数据源的地址信息,确定所述数据源,在所述数据源的数据中查找满足所述筛查条件的表达式的数据,生成所述税务风险指标的监控结果。
可选地,
该装置进一步包括:
风险指数确定模块,用于根据所述税务风险指标的监控结果,确定所述税务风险指标的风险级别,根据至少一个所述税务风险指标的风险级别,确定每个所述税务风险指标的风险指数,根据每个所述税务风险指标的风险指数,确定该至少一个税务风险指标对应的企业的风险指数。
第三方面,本发明实施例提供了一种电子设备,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行第一方面中任一所述的方法。
第四方面,本发明实施例提供了一种计算机可读介质,其特征在于,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行第一方面中任一所述的方法。
在本发明实施例中,预先设置有至少一个风险监控模型,用户可以根据需要监控的税务风险指标,选择出所需要的风险监控模型,然后,将数据源的地址信息和处理逻辑配置到该所需要的风险监控模型中,该所需要的风险监控模型能够自动根据数据源的地址信息和处理逻辑,对税务风险指标进行监控,并生成监控结果。在本发明实施例中,风险监控模型是预先设置的,用户无需手动搭建风险监控模型,风险监控模型也能够自动根据配置的数据源的地址信息和处理逻辑,自动进行监控,无需用户手动监控。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明一实施例提供的一种税务风险监控方法的流程图;
图2是本发明一实施例提供的一种税务风险监控装置的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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的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。
在现有的用于监控税务风险的方案中,主要是通过人工的方式来监控。具体地,人工手动查找需要监控的数据,并人工计算各种税务风险指标,得出结论。显然,现有的方案工作量大,非常不方便。
如图1所示,本发明实施例提供了一种税务风险监控方法,该方法可以包括以下步骤:
步骤101:从预先设置的至少一个风险监控模型中确定监控税务风险指标所需要的风险监控模型;
步骤102:将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中;
步骤103:将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中;
步骤104:运行配置后的所述所需要的风险监控模型,配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,对所述税务风险指标进行监控,并生成所述税务风险指标的监控结果。
在本发明实施例中,预先设置有至少一个风险监控模型,用户可以根据需要监控的税务风险指标,选择出所需要的风险监控模型,然后,将数据源的地址信息和处理逻辑配置到该所需要的风险监控模型中,该所需要的风险监控模型能够自动根据数据源的地址信息和处理逻辑,对税务风险指标进行监控,并生成监控结果。在本发明实施例中,风险监控模型是预先设置的,用户无需手动搭建风险监控模型,风险监控模型也能够自动根据配置的数据源的地址信息和处理逻辑,自动进行监控,无需用户手动监控。
通过上述描述可见,本发明实施例能够自动监控税务风险,能够更加方便地监控税务风险,无需用户人工监控,大大降低了用户的工作量。
在本发明实施例中,税务风险指标是指关于税务的风险指标。该数据源可以是指保存税务数据的数据源。
该至少一个风险监控模型可以包括:数值类指标的监控模型、比对类指标的监控模型和筛查类指标的监控模型。这三种风险监控模型能够包含监控税务风险的各种情况。不同的风险监控模型对数据源的数据和处理逻辑的处理是不同。下面分别对这三种风险监控模型进行说明。
针对数值类指标的监控模型:
所述风险监控模型,包括:数值类指标的监控模型;
所述数值类指标的监控模型中包括:至少一个元素和阈值参数;
当所述所需要的风险监控模型为所述数值类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述数值类指标的监控模型中预先设置的一个元素进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将计算所述税务风险指标所需要的式子配置到所述数值类指标的监控模型中,其中,所述式子中包括:与所述数据源的地址信息关联的元素;
将所述税务风险指标的阈值与所述数值类指标的监控模型中预先设置的阈值参数进行关联;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述数值类指标的监控模型针对所述式子中的每个所述元素,执行:确定当前元素相关联的数据源的地址信息,根据当前元素相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前元素赋值;
配置后的所述数值类指标的监控模型利用所述式子中的所述元素的值对所述式子进行计算,生成所述式子的计算结果;
将所述阈值参数关联的阈值与所述计算结果进行比对,生成所述税务风险指标的监控结果。
在本发明实施例中,数值类指标的监控模型中预先设置有元素和阈值参数,每个数据源的地址信息均与一个元素相关联,这样,数值类指标的监控模型就能够通过元素获取数据源的数据。该阈值参数用例保存税务风险指标的阈值。
具体地,可以针对数值类指标的监控模型设置一个配置界面,在该配置界面中每个元素对应一个用于输入数据源的地址信息的接口,用户将数据源的地址信息输入该接口中,该接口中的地址信息自动与对应的元素相关联。
另外,在该配置界面中还设置了一个用于输入式子的接口,用户可以将所需要的式子输入到该接口中,也就实现了将式子配置到数值类指标的监控模型中。
其中,式子中包括与数据源的地址相关联的元素,根据该式子中的元素相关联的数据源的地址信息,获取参与该式子计算的数据,进行计算。
计算结果与阈值进行比对后得到监控结果,该监控结果可以包括:计算结果与阈值之间的大小(计算结果大于阈值、计算结果小于阈值、计算结果等于阈值)、计算结果偏离阈值的程度(可以通过计算结果偏离阈值的百分比来量化)。
举例来说,该税务风险指标包括:增值税税负率。增值税税负率属于增值税的类别。增值税税负率根据当期应纳增值税除以当期应税销售收入计算得出,该指标用于衡量企业在一定时期内实际增值税税收负担的大小。增值税税负率的数据源可以包括:当期应纳增值税和当前应税销售收入。数值类指标的监控模型中包括:元素A、元素B和元素C和阈值参数,将当期应纳增值税与元素A关联,将当前应税销售收入与元素C关联。增值税税负率的式子如下:
Z=元素A÷元素B;
其中,Z为增值税税负率。
阈值可以设置为大于4%且小于6%。
针对比对类指标的监控模型:
所述风险监控模型,包括:比对类指标的监控模型;
所述比对类指标的监控模型中包括:至少两个比对参数;
当所述所需要的风险监控模型为所述比对类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述比对类指标的监控模型中预先设置的一个所述比对参数进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将包括至少两个所述比对参数的比对逻辑配置到所述比对类指标的监控模型中;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述比对类指标的监控模型针对所述比对逻辑中每个所述比对参数,执行:确定当前比对参数相关联的数据源的地址信息,根据当前比对参数相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前比对参数赋值;
配置后的所述比对类指标的监控模型根据所述比对逻辑,对所述比对逻辑中的至少两个所述比对参数的值进行比对,生成所述税务风险指标的监控结果。
在本发明实施例中,比对类指标的监控模型中预先设置有至少两个比对参数,每个数据源的地址信息均与一个比对参数关联,这样,比对类指标的监控模型就能够通过比对参数获取数据源的数据。
具体地,可以针对比对类指标的监控模型设置一个配置界面,在该配置界面中每个比对参数对应一个用于输入数据源的地址信息的接口,用户将数据源的地址信息输入该接口中,该接口中的地址信息自动与对应的比对参数相关联。
另外,在该配置界面中还设置了一个用于输入比对逻辑的接口,用户可以将所需要的比对逻辑输入到该接口中,也就是实现了将比对逻辑配置到比对类指标的监控模型中。
其中,比对逻辑中包括关联了数据源的比对参数,根据该比对逻辑中的比对参数相关联的数据源的地址信息,获取参与比对的数据,进行比对,生成监控结果。
该监控结果可以包括:参与比对的两个比对参数对应的数据相同,或不相同。
举例来说,该税务风险指标包括:所得税申报收入与利润表收入对比的指标。该指标属于企业所得税的类别。所得税申报收入应该与利润表收入相同。该比对逻辑可以为:比对参数A与比对参数B是否相同。该指标的数据源可以包括:所得税申报收入和利润表收入对比。比对类指标的监控模型中包括:比对参数A和比对参数B。将所得税申报收入与比对参数A关联,将利润表收入与比对参数B关联。
针对筛查类指标的监控模型:
所述风险监控模型,包括:筛查类指标的监控模型;
所述筛查类指标的监控模型中包括:至少一个筛查参数;
当所述所需要的风险监控模型为所述筛查类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述筛查类指标的监控模型中预先设置的一个所述筛查参数进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将筛查条件的表达式配置到所述筛查类指标的监控模型中,其中,所述表达式中包括:至少一个关键词;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述所需要的风险监控模型根据所述筛查参数关联的所述数据源的地址信息,确定所述数据源,在所述数据源的数据中查找满足所述筛查条件的表达式的数据,生成所述税务风险指标的监控结果。
在本发明实施例中,筛查类指标的监控模型中包括至少一个筛查参数,每个数据源的地址信息均与一个元素相关联,这样,筛查类指标的监控模型就能够通过筛查参数获取数据源的数据。
具体地,可以针对筛查类指标的监控模型设置一个配置界面,在该配置界面中每个筛查参数对应一个用于输入数据源的地址信息的接口,用户将数据源的地址信息输入该接口中,该接口中的地址信息自动与对应的筛查参数相关联。
另外,在该配置界面中还设置了一个用于输入筛查条件的表达式的接口,用户可以将所需要的筛查条件的表达式输入到该接口中,也就实现了将筛查条件的表达式配置到筛查类指标的监控模型中。
然后,基于该筛查条件的表达式在数据源的数据中进行查找即可。
该监控结果可以包括:查找到满足筛查条件的表达式的数据,没有查找到满足筛查条件的表达式的数据,满足筛查条件的表达式的数据的数量及筛查条件的表达式的数据等。
举例来说,该税务风险指标包括:个税手续费返款未缴纳增值税的指标。该指标属于增值税的类别。筛查类指标的监控模型的数据源可以包括:科目表编码和记账凭证摘要。筛查类指标的监控模型中包括:筛查参数A和筛查参数B。科目表编码与筛查参数A关联,记账凭证摘要与筛查参数B关联。该筛查条件的表达式可以为:筛查参数A等于“6301130000”且筛查参数B包含“手续费”。筛查条件的表达式中可以包括筛查参数,也可以不包含筛查参数。
在本发明一实施例中,在所述生成所述税务风险指标的监控结果之后,进一步包括:
根据所述税务风险指标的监控结果,确定所述税务风险指标的风险级别;
根据至少一个所述税务风险指标的风险级别,确定每个所述税务风险指标的风险指数;
根据每个所述税务风险指标的风险指数,确定该至少一个税务风险指标对应的企业的风险指数。
在本发明实施例中,风险级别可以包括高风险、中风险、低风险。每个风险级别可以对应一个风险指数,例如:高风险对应的风险指数为3,中风险对应的风险指数为2,低风险对应的风险指数为1。税务风险指标的风险指数可以是该税务风险指标的风险级别对应的风险指数。当然,针对不同的税务风险指标也可以设置相应的系数,在该实现方式中,税务风险指标的风险指数是该税务风险指标的风险级别对应的风险指数与系数的积。
在根据税务风险指标的监控结果,确定税务风险指标的风险级别时,可以根据不同的风险监控模型设置不同的实现方式。
针对数值类指标的监控模型,可以根据计算结果偏离阈值的程度来确定风险等级,例如:计算结果大于阈值为存在风险,当计算结果大于阈值的百分比小于1%时,确定为低风险,当计算结果大于阈值的百分比大于或等于1%且小于5%时,确定为中风险,当计算结果大于阈值的百分比大于或等于5%时,确定为高风险。计算结果大于阈值的百分比可以为:计算结果与阈值的差值占阈值的百分比。
针对比对类指标的监控模型,参与比对的两个比对参数不同时为高风险(也可以是低风险或中风险,具体地,可以根据比对参数的重要程度来确定),参与比对的两个比对参数相同是没有风险。
针对筛查类指标的监控模型,可以根据满足筛查条件的表达式的数据的数量来确定风险等级。例如:不存在满足筛查条件的表达式的数据时,没有风险,当满足筛查条件的表达式的数据的数量小于10时,确定为低风险,当满足筛查条件的表达式的数据的数量大于或等于10且小于20时,确定为中风险,当满足筛查条件的表达式的数据的数量大于或等于20时,确定为高风险。
对于企业的风险指数可以通过一个或多个税务风险指标的风险指数来确定。具体地,可以为每个税务风险指标设置一个权重,该权重可以根据税务风险指标的重要性来设置。企业的风险指数可以通过以下式子确定:
其中,Q为企业的风险指数,ki为第i个风险指标的权重,fi为第i个风险指标的风险指数,n为风险指标的总数。
在本发明一实施例中,可以显示风险报告和风险看板。
所述风险报告中包括以下信息:监控的税务风险指标的数量、每个税种的税务风险指标的数量、高风险的税务风险指标的数量、中风险的税务风险指标的数量、低风险的税务风险指标的数量,企业的风险指数。
所述风险看板中包括以下信息:每个月监控的税务风险指标的数量、存在风险的税务风险指标的数量、已经处理的风险的数量、企业的风险指数。
如图2所示,本发明实施例提供了一种税务风险监控装置,该装置包括:至少一个风险监控模型201、确定模块202、第一配置模块203、第二配置模块204和触发模块205;
所述确定模块202,用于从预先设置的至少一个所述风险监控模型201中确定监控税务风险指标所需要的风险监控模型201;
所述第一配置模块203,用于将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述确定模块确定出的所述风险监控模型中;
所述第二配置模块204,用于将监控所述税务风险指标所需要的处理逻辑配置到所述确定模块确定出的所述风险监控模型中;
所述触发模块205,用于向配置后的所述风险监控模型发送运行信号;
所述风险监控模型201,用于当接收到所述触发模块205发来的运行信号时,根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果。
图2中只示出了一个风险监控模块201。
在本发明一实施例中,所述风险监控模型,包括:数值类指标的监控模型;
所述数值类指标的监控模型中包括:至少一个元素和阈值参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述数值类指标的监控模型中预先设置的一个元素进行关联;
所述第二配置模块,用于将计算所述税务风险指标所需要的式子配置到所述数值类指标的监控模型中,将所述税务风险指标的阈值与所述数值类指标的监控模型中预先设置的阈值参数进行关联,其中,所述式子中包括:与所述数据源的地址信息关联的元素;
所述数值类指标的监控模型,用于:
针对所述式子中的每个所述元素,执行:确定当前元素相关联的数据源的地址信息,根据当前元素相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前元素赋值;
配置后的所述数值类指标的监控模型利用所述式子中的所述元素的值对所述式子进行计算,生成所述式子的计算结果;
将所述阈值参数关联的阈值与所述计算结果进行比对,生成所述税务风险指标的监控结果。
在本发明一实施例中,所述风险监控模型,包括:比对类指标的监控模型;
所述比对类指标的监控模型中包括:至少两个比对参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述比对类指标的监控模型中预先设置的一个所述比对参数进行关联;
所述第二配置模块,用于将包括至少两个所述比对参数的比对逻辑配置到所述比对类指标的监控模型中;
所述比对类指标的监控模型,用于:
针对所述比对逻辑中每个所述比对参数,执行:确定当前比对参数相关联的数据源的地址信息,根据当前比对参数相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前比对参数赋值;
根据所述比对逻辑,对所述比对逻辑中的至少两个所述比对参数的值进行比对,生成所述税务风险指标的监控结果。
在本发明一实施例中,所述风险监控模型,包括:筛查类指标的监控模型;
所述筛查类指标的监控模型中包括:至少一个筛查参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述筛查类指标的监控模型中预先设置的一个所述筛查参数进行关联;
所述第二配置模块,用于将筛查条件的表达式配置到所述筛查类指标的监控模型中;
所述筛查类指标的监控模型,用于根据所述筛查参数关联的所述数据源的地址信息,确定所述数据源,在所述数据源的数据中查找满足所述筛查条件的表达式的数据,生成所述税务风险指标的监控结果。
在本发明一实施例中,该装置进一步包括:
风险指数确定模块,用于根据所述税务风险指标的监控结果,确定所述税务风险指标的风险级别,根据至少一个所述税务风险指标的风险级别,确定每个所述税务风险指标的风险指数,根据每个所述税务风险指标的风险指数,确定该至少一个税务风险指标对应的企业的风险指数。
本发明实施例提供了一种电子设备,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行本发明实施例中任一所述的税务风险监控方法。
本发明实施例提供了一种计算机可读介质,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行本发明实施例中任一所述的税务风险监控方法。
可以理解的是,本发明实施例示意的结构并不构成对税务风险监控装置的具体限定。在本发明的另一些实施例中,税务风险监控装置可以包括比图示更多或者更少的部件,或者组合某些部件,或者拆分某些部件,或者不同的部件布置。图示的部件可以以硬件、软件或者软件和硬件的组合来实现。
上述装置内的各单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,具体内容可参见本发明方法实施例中的叙述,此处不再赘述。
本发明还提供了一种计算机可读介质,存储用于使一计算机执行如本文所述的税务风险监控方法的指令。具体地,可以提供配有存储介质的系统或者装置,在该存储介质上存储着实现上述实施例中任一实施例的功能的软件程序代码,且使该系统或者装置的计算机(或CPU或MPU)读出并执行存储在存储介质中的程序代码。
在这种情况下,从存储介质读取的程序代码本身可实现上述实施例中任何一项实施例的功能,因此程序代码和存储程序代码的存储介质构成了本发明的一部分。
用于提供程序代码的存储介质实施例包括软盘、硬盘、磁光盘、光盘(如CD-ROM、CD-R、CD-RW、DVD-ROM、DVD-RAM、DVD-RW、DVD+RW)、磁带、非易失性存储卡和ROM。可选择地,可以由通信网络从服务器计算机上下载程序代码。
此外,应该清楚的是,不仅可以通过执行计算机所读出的程序代码,而且可以通过基于程序代码的指令使计算机上操作的操作系统等来完成部分或者全部的实际操作,从而实现上述实施例中任意一项实施例的功能。
此外,可以理解的是,将由存储介质读出的程序代码写到插入计算机内的扩展板中所设置的存储器中或者写到与计算机相连接的扩展单元中设置的存储器中,随后基于程序代码的指令使安装在扩展板或者扩展单元上的CPU等来执行部分和全部实际操作,从而实现上述实施例中任一实施例的功能。
需要说明的是,上述各流程和各系统结构图中不是所有的步骤和模块都是必须的,可以根据实际的需要忽略某些步骤或模块。各步骤的执行顺序不是固定的,可以根据需要进行调整。上述各实施例中描述的系统结构可以是物理结构,也可以是逻辑结构,即,有些模块可能由同一物理实体实现,或者,有些模块可能分由多个物理实体实现,或者,可以由多个独立设备中的某些部件共同实现。
以上各实施例中,硬件单元可以通过机械方式或电气方式实现。例如,一个硬件单元可以包括永久性专用的电路或逻辑(如专门的处理器,FPGA或ASIC)来完成相应操作。硬件单元还可以包括可编程逻辑或电路(如通用处理器或其它可编程处理器),可以由软件进行临时的设置以完成相应操作。具体的实现方式(机械方式、或专用的永久性电路、或者临时设置的电路)可以基于成本和时间上的考虑来确定。
上文通过附图和优选实施例对本发明进行了详细展示和说明,然而本发明不限于这些已揭示的实施例,基与上述多个实施例本领域技术人员可以知晓,可以组合上述不同实施例中的代码审核手段得到本发明更多的实施例,这些实施例也在本发明的保护范围之内。
Claims (10)
1.税务风险监控方法,其特征在于,该方法包括:
从预先设置的至少一个风险监控模型中确定监控税务风险指标所需要的风险监控模型;
将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中;
将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中;
运行配置后的所述所需要的风险监控模型,配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,对所述税务风险指标进行监控,并生成所述税务风险指标的监控结果。
2.根据权利要求1所述的方法,其特征在于,
所述风险监控模型,包括:数值类指标的监控模型;
所述数值类指标的监控模型中包括:至少一个元素和阈值参数;
当所述所需要的风险监控模型为所述数值类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述数值类指标的监控模型中预先设置的一个元素进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将计算所述税务风险指标所需要的式子配置到所述数值类指标的监控模型中,其中,所述式子中包括:与所述数据源的地址信息关联的元素;
将所述税务风险指标的阈值与所述数值类指标的监控模型中预先设置的阈值参数进行关联;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述数值类指标的监控模型针对所述式子中的每个所述元素,执行:确定当前元素相关联的数据源的地址信息,根据当前元素相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前元素赋值;
配置后的所述数值类指标的监控模型利用所述式子中的所述元素的值对所述式子进行计算,生成所述式子的计算结果;
将所述阈值参数关联的阈值与所述计算结果进行比对,生成所述税务风险指标的监控结果。
3.根据权利要求1所述的方法,其特征在于,
所述风险监控模型,包括:比对类指标的监控模型;
所述比对类指标的监控模型中包括:至少两个比对参数;
当所述所需要的风险监控模型为所述比对类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述比对类指标的监控模型中预先设置的一个所述比对参数进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将包括至少两个所述比对参数的比对逻辑配置到所述比对类指标的监控模型中;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述比对类指标的监控模型针对所述比对逻辑中每个所述比对参数,执行:确定当前比对参数相关联的数据源的地址信息,根据当前比对参数相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前比对参数赋值;
配置后的所述比对类指标的监控模型根据所述比对逻辑,对所述比对逻辑中的至少两个所述比对参数的值进行比对,生成所述税务风险指标的监控结果。
4.根据权利要求1所述的方法,其特征在于,
所述风险监控模型,包括:筛查类指标的监控模型;
所述筛查类指标的监控模型中包括:至少一个筛查参数;
当所述所需要的风险监控模型为所述筛查类指标的监控模型时,
所述将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述所需要的风险监控模型中,包括:
将每个所述数据源的地址信息与所述筛查类指标的监控模型中预先设置的一个所述筛查参数进行关联;
所述将监控所述税务风险指标所需要的处理逻辑配置到所述所需要的风险监控模型中,包括:
将筛查条件的表达式配置到所述筛查类指标的监控模型中;
所述配置后的所述所需要的风险监控模型根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果,包括:
配置后的所述所需要的风险监控模型根据所述筛查参数关联的所述数据源的地址信息,确定所述数据源,在所述数据源的数据中查找满足所述筛查条件的表达式的数据,生成所述税务风险指标的监控结果。
5.根据权利要求1-4中任一所述的方法,其特征在于,
在所述生成所述税务风险指标的监控结果之后,进一步包括:
根据所述税务风险指标的监控结果,确定所述税务风险指标的风险级别;
根据至少一个所述税务风险指标的风险级别,确定每个所述税务风险指标的风险指数;
根据每个所述税务风险指标的风险指数,确定该至少一个税务风险指标对应的企业的风险指数。
6.税务风险监控装置,其特征在于,该装置包括:至少一个风险监控模型、确定模块、第一配置模块、第二配置模块和触发模块;
所述确定模块,用于从预先设置的至少一个所述风险监控模型中确定监控税务风险指标所需要的风险监控模型;
所述第一配置模块,用于将监控所述税务风险指标所需要的至少一个数据源的地址信息配置到所述确定模块确定出的所述风险监控模型中;
所述第二配置模块,用于将监控所述税务风险指标所需要的处理逻辑配置到所述确定模块确定出的所述风险监控模型中;
所述触发模块,用于向配置后的所述风险监控模型发送运行信号;
所述风险监控模型,用于当接收到所述触发模块发来的运行信号时,根据所述数据源的地址信息和所述处理逻辑,生成所述税务风险指标的监控结果。
7.根据权利要求6所述的装置,其特征在于,
所述风险监控模型,包括:数值类指标的监控模型;
所述数值类指标的监控模型中包括:至少一个元素和阈值参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述数值类指标的监控模型中预先设置的一个元素进行关联;
所述第二配置模块,用于将计算所述税务风险指标所需要的式子配置到所述数值类指标的监控模型中,将所述税务风险指标的阈值与所述数值类指标的监控模型中预先设置的阈值参数进行关联,其中,所述式子中包括:与所述数据源的地址信息关联的元素;
所述数值类指标的监控模型,用于:
针对所述式子中的每个所述元素,执行:确定当前元素相关联的数据源的地址信息,根据当前元素相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前元素赋值;
配置后的所述数值类指标的监控模型利用所述式子中的所述元素的值对所述式子进行计算,生成所述式子的计算结果;
将所述阈值参数关联的阈值与所述计算结果进行比对,生成所述税务风险指标的监控结果;
和/或,
所述风险监控模型,包括:比对类指标的监控模型;
所述比对类指标的监控模型中包括:至少两个比对参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述比对类指标的监控模型中预先设置的一个所述比对参数进行关联;
所述第二配置模块,用于将包括至少两个所述比对参数的比对逻辑配置到所述比对类指标的监控模型中;
所述比对类指标的监控模型,用于:
针对所述比对逻辑中每个所述比对参数,执行:确定当前比对参数相关联的数据源的地址信息,根据当前比对参数相关联的数据源的地址信息确定当前数据源,从当前数据源中获取数据,利用从当前数据源中获取数据为当前比对参数赋值;
根据所述比对逻辑,对所述比对逻辑中的至少两个所述比对参数的值进行比对,生成所述税务风险指标的监控结果;
和/或,
所述风险监控模型,包括:筛查类指标的监控模型;
所述筛查类指标的监控模型中包括:至少一个筛查参数;
所述第一配置模块,用于将每个所述数据源的地址信息与所述筛查类指标的监控模型中预先设置的一个所述筛查参数进行关联;
所述第二配置模块,用于将筛查条件的表达式配置到所述筛查类指标的监控模型中;
所述筛查类指标的监控模型,用于根据所述筛查参数关联的所述数据源的地址信息,确定所述数据源,在所述数据源的数据中查找满足所述筛查条件的表达式的数据,生成所述税务风险指标的监控结果。
8.根据权利要求6所述的装置,其特征在于,
该装置进一步包括:
风险指数确定模块,用于根据所述税务风险指标的监控结果,确定所述税务风险指标的风险级别,根据至少一个所述税务风险指标的风险级别,确定每个所述税务风险指标的风险指数,根据每个所述税务风险指标的风险指数,确定该至少一个税务风险指标对应的企业的风险指数。
9.电子设备,其特征在于,包括:至少一个存储器和至少一个处理器;
所述至少一个存储器,用于存储机器可读程序;
所述至少一个处理器,用于调用所述机器可读程序,执行权利要求1至5中任一所述的方法。
10.计算机可读介质,其特征在于,所述计算机可读介质上存储有计算机指令,所述计算机指令在被处理器执行时,使所述处理器执行权利要求1至5中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010611040.5A CN111598488A (zh) | 2020-06-30 | 2020-06-30 | 税务风险监控的方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010611040.5A CN111598488A (zh) | 2020-06-30 | 2020-06-30 | 税务风险监控的方法、装置及计算机存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111598488A true CN111598488A (zh) | 2020-08-28 |
Family
ID=72192523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010611040.5A Pending CN111598488A (zh) | 2020-06-30 | 2020-06-30 | 税务风险监控的方法、装置及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111598488A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377050A (zh) * | 2018-10-24 | 2019-02-22 | 江苏税软软件科技有限公司 | 一种基于风险分析及ai人工智能模型风险分析方法 |
CN109785100A (zh) * | 2018-12-27 | 2019-05-21 | 大象慧云信息技术有限公司 | 一种用于对税务风险进行预警的方法及系统 |
CN111143339A (zh) * | 2019-12-20 | 2020-05-12 | 东方微银科技(北京)有限公司 | 一种业务资源的分配方法、装置、设备及存储介质 |
CN111210323A (zh) * | 2019-12-26 | 2020-05-29 | 大象慧云信息技术有限公司 | 一种企业税务风险监控方法及系统 |
-
2020
- 2020-06-30 CN CN202010611040.5A patent/CN111598488A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109377050A (zh) * | 2018-10-24 | 2019-02-22 | 江苏税软软件科技有限公司 | 一种基于风险分析及ai人工智能模型风险分析方法 |
CN109785100A (zh) * | 2018-12-27 | 2019-05-21 | 大象慧云信息技术有限公司 | 一种用于对税务风险进行预警的方法及系统 |
CN111143339A (zh) * | 2019-12-20 | 2020-05-12 | 东方微银科技(北京)有限公司 | 一种业务资源的分配方法、装置、设备及存储介质 |
CN111210323A (zh) * | 2019-12-26 | 2020-05-29 | 大象慧云信息技术有限公司 | 一种企业税务风险监控方法及系统 |
Non-Patent Citations (1)
Title |
---|
唐海燕 主编: ""中国经济运行风险研究报告 2007"", 立信会计出版社, pages: 261 - 263 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7669180B2 (en) | Method and apparatus for automated risk assessment in software projects | |
CN110162526B (zh) | 一种块链式账本中数据记录的查询方法、装置及设备 | |
US20130282739A1 (en) | Generating a log parser by automatically identifying regular expressions matching a sample log | |
US10701213B2 (en) | Dynamically generating an aggregation routine | |
CN111046069B (zh) | 一种块链式账本中的聚合计算方法、装置及设备 | |
CN107016115B (zh) | 数据导出方法、装置、计算机可读存储介质及电子设备 | |
CN109299913B (zh) | 员工薪资方案生成方法及装置 | |
CN111309586A (zh) | 一种命令测试方法、装置及其存储介质 | |
CN107330709B (zh) | 确定目标对象的方法及装置 | |
US10679163B2 (en) | Workflow management | |
CN111598488A (zh) | 税务风险监控的方法、装置及计算机存储介质 | |
CN112001774A (zh) | 基于神经网络的烟草投放量研判方法及系统 | |
CN114493515A (zh) | 电网资产的稽核方法、装置、存储介质及计算机设备 | |
CN115391343A (zh) | 账单数据处理方法、装置、电子设备和存储介质 | |
CN111143325B (zh) | 一种数据采集的监测方法、监测装置及可读存储介质 | |
CN109840213B (zh) | 一种gui测试的测试数据创建方法、装置、终端及存储介质 | |
CN112183969A (zh) | 针对供货单的支付设备操作控制方法、装置、电子设备 | |
JP5900212B2 (ja) | テストデータ生成装置、該プログラム、及び該方法 | |
CN116955504B (zh) | 一种数据处理方法、装置、电子设备和存储介质 | |
CN114881546B (zh) | 一种确定资源消耗的方法和装置 | |
CN112035425B (zh) | 一种日志的存储方法、装置及计算机系统 | |
JP2008192006A (ja) | 適正入力支援装置及び適正入力支援プログラム | |
CN114331653A (zh) | 一种往来台账数据的处理方法及装置 | |
CN116051222A (zh) | 一种数据处理的方法、装置及电子设备 | |
CN109584029B (zh) | 一种电子发票的稽核方法、装置、介质及电子设备 |
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 |