CN112633998B - 税务大数据决策分析方法及系统 - Google Patents
税务大数据决策分析方法及系统 Download PDFInfo
- Publication number
- CN112633998B CN112633998B CN202011545717.6A CN202011545717A CN112633998B CN 112633998 B CN112633998 B CN 112633998B CN 202011545717 A CN202011545717 A CN 202011545717A CN 112633998 B CN112633998 B CN 112633998B
- Authority
- CN
- China
- Prior art keywords
- decision
- tax
- analysis
- result data
- analysis result
- 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.)
- Active
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 192
- 238000000034 method Methods 0.000 claims abstract description 7
- 238000004422 calculation algorithm Methods 0.000 claims description 38
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000012545 processing Methods 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 230000001149 cognitive effect Effects 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 4
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000007405 data analysis Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q40/12—Accounting
- G06Q40/123—Tax preparation or submission
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Finance (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Medical Informatics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种税务大数据决策分析方法及系统。该方法可以包括:针对不同类型的税务业务,设置决策参数与决策参数阈值;根据税务业务类型,将税务大数据的分析结果数据进行分类存储;根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中;根据决策分析模型计算决策参数,将决策参数与决策参数阈值进行对比,确定决策方案。本发明通过对税务大数据的分析结果再次进行智能模型分析,根据参数等级阈值,生成自动化决策结果,为税局的自动化决策或人工决策提供数据支撑,同时提升税务服务效率,降低系统运维成本。
Description
技术领域
本发明涉及数据分析处理领域,更具体地,涉及一种税务大数据决策分析方法及系统。
背景技术
随着各国税务业务的发展,纳税人数量越来越多,对开票,申报,缴税等业务的需求增加,税局对纳税人的智能管理和决策需求也越来越高。早期的决策大多以“经验型决策”为主,随着数据发展,开始由“经验型决策”向“科学性决策”转变,“科学性决策”开始运用数理统计、搜索查询等信息技术,但数据量小,很难从整体上解决智能决策问题。
例如在税务申报业务中,通常情况下,纳税人在一个属期内要完成申报业务。大量的纳税人在同一个属期内去办理业务,会造成业务处理的拥堵,导致纳税人长时间等待,甚至多次往返税局,业务效率低,而且服务质量差。又例如在系统运维期,纳税人在系统处理不同的税务业务,比如开票时,会有开票高峰期,在高峰期时,可能造成业务处理缓慢,系统的性能受到影响,甚至会出现故障。这些重复性复杂的业务不仅影响税局的服务质量及纳税人的满意度,也对税务业务的发展产生了制约。
随着大数据分析技术的日趋成熟,其应用日益广泛。大数据分析成果多采用饼图、线段图、柱状图、离散图等多种数据图形相互组合进行展现,给人们一个直观的分析结果,帮助决策者能够从纷杂的数据中更直观的获取有价值的信息,为决策提供及时有效的数据支撑。但是,在实际操作中往往由于决策者对数据关联关系并不熟悉,需要根据大数据分析结果再组织业务专家进行深入分析判断,导致决策滞后甚至由于实效问题造成决策失误。
因此,有必要开发一种税务大数据决策分析方法及系统。
公开于本发明背景技术部分的信息仅仅旨在加深对本发明的一般背景技术的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域技术人员所公知的现有技术。
发明内容
本发明提出了一种税务大数据决策分析方法及系统,其能够通过对税务大数据的分析结果再次进行智能模型分析,根据参数等级阈值,生成自动化决策结果,为税局的自动化决策或人工决策提供数据支撑,同时提升税务服务效率,降低系统运维成本。
第一方面,本发明实施例提供了一种税务大数据决策分析方法,包括:
针对不同类型的税务业务,设置决策参数与决策参数阈值;
根据税务业务类型,将税务大数据的分析结果数据进行分类存储;
根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中;
根据所述决策分析模型计算决策参数,将所述决策参数与所述决策参数阈值进行对比,确定决策方案。
优选地,针对不同类型的税务业务,设置决策参数类型与决策参数阈值包括:
针对税务业务的类型,确定决策对象;
确定至少一个决策参数及其对应的阈值;
确定所述决策参数阈值对应的决策方案。
优选地,将分析结果数据根据税务业务类型进行分类存储还包括:
针对所述分析结果数据进行过滤、转换、清洗,剔除脏数据之后进行分类存储。
优选地,通过接口对其他平台数据进行主动抓取所述分析结果数据,或接收其他平台通过接口主动推送的所述分析结果数据。
优选地,根据目标税务业务,建立决策分析模型,提取对应的分析结果数据包括:
根据所述目标税务业务,确定对应的决策参数的类型;
根据所述决策参数的类型,建立决策分析模型,并确定对应的分析结果数据。
优选地,建立决策分析模型包括:
根据所述决策参数的类型,确定算法类型,进而建立初始计算模型;
将所述分析结果数据代入所述初始计算模型中,获得初始结果;
根据所述初始结果调整所述初始计算模型,获得所述决策分析模型。
优选地,根据所述初始结果调整所述初始计算模型,获得所述决策分析模型包括:
根据所述初始结果和实际业务的偏差,不断调整选择的分析结果数据与所述初始计算模型,直至符合业务的实际情况,即确定所述目标税务业务对应的决策分析模型与分析结果数据。
优选地,所述算法类型包括神经网络算法、深度学习算法、机器学习算法、高级认知分析算法。
优选地,还包括:
根据所述决策方案直接进行自动化决策或指导人工决策。
第二方面,本发明实施例提供了一种税务大数据决策分析系统,其特征在于,该系统包括:
存储器,存储有计算机可执行指令;
处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
针对不同类型的税务业务,设置决策参数与决策参数阈值;
根据税务业务类型,将税务大数据的分析结果数据进行分类存储;
根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中;
根据所述决策分析模型计算决策参数,将所述决策参数与所述决策参数阈值进行对比,确定决策方案。
优选地,针对不同类型的税务业务,设置决策参数类型与决策参数阈值包括:
针对税务业务的类型,确定决策对象;
确定至少一个决策参数及其对应的阈值;
确定所述决策参数阈值对应的决策方案。
优选地,将分析结果数据根据税务业务类型进行分类存储还包括:
针对所述分析结果数据进行过滤、转换、清洗,剔除脏数据之后进行分类存储。
优选地,通过接口对其他平台数据进行主动抓取所述分析结果数据,或接收其他平台通过接口主动推送的所述分析结果数据。
优选地,根据目标税务业务,建立决策分析模型,提取对应的分析结果数据包括:
根据所述目标税务业务,确定对应的决策参数的类型;
根据所述决策参数的类型,建立决策分析模型,并确定对应的分析结果数据。
优选地,建立决策分析模型包括:
根据所述决策参数的类型,确定算法类型,进而建立初始计算模型;
将所述分析结果数据代入所述初始计算模型中,获得初始结果;
根据所述初始结果调整所述初始计算模型,获得所述决策分析模型。
优选地,根据所述初始结果调整所述初始计算模型,获得所述决策分析模型包括:
根据所述初始结果和实际业务的偏差,不断调整选择的分析结果数据与所述初始计算模型,直至符合业务的实际情况,即确定所述目标税务业务对应的决策分析模型与分析结果数据。
优选地,所述算法类型包括神经网络算法、深度学习算法、机器学习算法、高级认知分析算法。
优选地,还包括:
根据所述决策方案直接进行自动化决策或指导人工决策。
其有益效果在于:
1、对重复性复杂的税务业务进行智能决策,提升了税务业务处理效率,提高了纳税人的满意度;
2、根据智能决策结果进行自动化决策,可以有效降低税局的运维成本;
3、大数据的智能决策模型为税局官员的人工决策提供了直接的决策建议和全局数据支撑,提高了决策的科学性,降低了经验型人工决策的有限性。
本发明的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的一个实施例的税务大数据决策分析方法的步骤的流程图。
图2示出了根据本发明的一个实施例的纳税人申报数量正态分布的示意图。
具体实施方式
下面将更详细地描述本发明的优选实施方式。虽然以下描述了本发明的优选实施方式,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施方式所限制。
图1示出了根据本发明的一个实施例的税务大数据决策分析方法的步骤的流程图。
本发明提供一种税务大数据决策分析方法,包括:
步骤101,针对不同类型的税务业务,设置决策参数与决策参数阈值;
步骤102,根据税务业务类型,将税务大数据的分析结果数据进行分类存储;
步骤103,根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中;
步骤104,根据决策分析模型计算决策参数,将决策参数与决策参数阈值进行对比,确定决策方案。
在一个示例中,针对不同类型的税务业务,设置决策参数类型与决策参数阈值包括:
针对税务业务的类型,确定决策对象;
确定至少一个决策参数及其对应的阈值;
确定决策参数阈值对应的决策方案。
在一个示例中,将分析结果数据根据税务业务类型进行分类存储还包括:
针对分析结果数据进行过滤、转换、清洗,剔除脏数据之后进行分类存储。
在一个示例中,通过接口对其他平台数据进行主动抓取分析结果数据,或接收其他平台通过接口主动推送的分析结果数据。
在一个示例中,根据目标税务业务,建立决策分析模型,提取对应的分析结果数据包括:
根据目标税务业务,确定对应的决策参数的类型;
根据决策参数的类型,建立决策分析模型,并确定对应的分析结果数据。
在一个示例中,建立决策分析模型包括:
根据决策参数的类型,确定算法类型,进而建立初始计算模型;
将分析结果数据代入初始计算模型中,获得初始结果;
根据初始结果调整初始计算模型,获得决策分析模型。
在一个示例中,根据初始结果调整初始计算模型,获得决策分析模型包括:
根据初始结果和实际业务的偏差,不断调整选择的分析结果数据与初始计算模型,直至符合业务的实际情况,即确定目标税务业务对应的决策分析模型与分析结果数据。
在一个示例中,算法类型包括神经网络算法、深度学习算法、机器学习算法、高级认知分析算法。
在一个示例中,还包括:
根据决策方案直接进行自动化决策或指导人工决策。
具体地,根据实际税务业务需求,基于税务大数据分析结果的智能决策模型,对多维度的大数据分析结果,进行智能分析判断,通过恰当的数学模型进行数学训练,进而向决策者提供最佳的决策建议,提高决策的科学性和有效性,降低了经验决策的局限性。
根据本发明的一种税务大数据决策分析方法,包括:
针对不同类型的税务业务,确定决策对象,即决策后需调整的对象,比如网络带宽、开放窗口个数等;确定至少一个能够影响该决策对象的决策参数及其对应的阈值;确定决策参数阈值对应的决策方案,若计算得到的决策参数值达到该阈值,即运行该决策方案。
系统后台对多种来源的大数据可视化的分析结果数据进行采集,整合,包括发票大数据分析结果、征管大数据分析结果等。
系统根据数据类型从不同来源对分析结果数据进行抓取或接收,可以通过接口对其他平台数据进行主动抓取分析结果数据,或接收其他平台通过接口主动推送的分析结果数据。获取后,根据一定的规则,例如格式的规范性、内容的完整性等,针对分析结果数据进行过滤、转换、清洗,剔除脏数据;根据税务业务类型,将清洗后的分析结果数据进行分类存储,比如税务类数据、政务类数据等。
根据目标税务业务,确定对应的决策参数的类型,进而确定算法类型,可以包括神经网络算法、深度学习算法、机器学习算法、高级认知分析算法等;提取计算该决策参数需应用的分析结果数据,提取时根据数据属性、技术要求进行筛选;建立初始计算模型,将分析结果数据代入初始计算模型中,获得初始结果;根据初始结果和实际业务的偏差,不断调整选择的分析结果数据与初始计算模型,直至符合业务的实际情况,即确定目标税务业务对应的决策分析模型与分析结果数据。
根据决策分析模型计算决策参数,将决策参数与决策参数阈值进行对比,确定决策方案,根据决策方案直接进行自动化决策或指导人工决策,例如根据纳税人线上开票业务的高峰期,自动触发系统带宽调节机制,自动调整带宽,高峰期增加带宽,低谷期减少带宽,降低故障发生率,节省运维成本,让系统平缓的度过整个属期。
本方法根据不同的税务业务,以税务大数据可视化分析结果为数据来源,构建不同的智能决策模型,生成智能决策结果;根据智能决策结果进行自动化决策或人工决策,提升税局决策的科学性和有效性。
实施例1
为便于理解本发明实施例的方案及其效果,以下给出一个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
以纳税人提交申报业务为例,确定决策对象为开放窗口数量,确定决策参数为纳税人数量,进而确定决策参数阈值及其对应的决策方案。
系统后台对多种来源的大数据可视化的分析结果数据进行采集,整合,包括发票大数据分析结果、征管大数据分析结果等。
系统根据数据类型从不同来源对分析结果数据进行抓取或接收,可以通过接口对其他平台数据进行主动抓取分析结果数据,或接收其他平台通过接口主动推送的分析结果数据。获取后,根据一定的规则,例如格式的规范性、内容的完整性等,针对分析结果数据进行过滤、转换、清洗,剔除脏数据;根据税务业务类型,将清洗后的分析结果数据进行分类存储,比如税务类数据、政务类数据等。
根据目标税务业务,确定对应的决策参数的类型,进而确定算法类型为概率分布模型,具体为:
其中,是时间,/>是纳税人数量。
图2示出了根据本发明的一个实施例的纳税人申报数量正态分布的示意图。
提取计算该决策参数需应用的分析结果数据,提取时根据数据属性、技术要求进行筛选;建立初始计算模型,将分析结果数据代入初始计算模型中,获得初始结果;根据初始结果和实际业务的偏差,不断调整选择的分析结果数据与初始计算模型,直至符合业务的实际情况,即确定目标税务业务对应的决策分析模型与分析结果数据。纳税人在同一个属期内提交申报业务时,会生成业务高峰期,同一个属期的纳税人申报数量呈正态分布,如图2所示。
根据决策分析模型计算决策参数,将决策参数与决策参数阈值进行对比,确定决策方案,根据决策方案指导人工决策,即根据申报的纳税人数量,确定增减申报处理窗口的数量,提升业务处理效率。
本发明提供一种税务大数据决策分析系统,其特征在于,该系统包括:
存储器,存储有计算机可执行指令;
处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
针对不同类型的税务业务,设置决策参数与决策参数阈值;
根据税务业务类型,将税务大数据的分析结果数据进行分类存储;
根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中;
根据决策分析模型计算决策参数,将决策参数与决策参数阈值进行对比,确定决策方案。
在一个示例中,针对不同类型的税务业务,设置决策参数类型与决策参数阈值包括:
针对税务业务的类型,确定决策对象;
确定至少一个决策参数及其对应的阈值;
确定决策参数阈值对应的决策方案。
在一个示例中,将分析结果数据根据税务业务类型进行分类存储还包括:
针对分析结果数据进行过滤、转换、清洗,剔除脏数据之后进行分类存储。
在一个示例中,通过接口对其他平台数据进行主动抓取分析结果数据,或接收其他平台通过接口主动推送的分析结果数据。
在一个示例中,根据目标税务业务,建立决策分析模型,提取对应的分析结果数据包括:
根据目标税务业务,确定对应的决策参数的类型;
根据决策参数的类型,建立决策分析模型,并确定对应的分析结果数据。
在一个示例中,建立决策分析模型包括:
根据决策参数的类型,确定算法类型,进而建立初始计算模型;
将分析结果数据代入初始计算模型中,获得初始结果;
根据初始结果调整初始计算模型,获得决策分析模型。
在一个示例中,根据初始结果调整初始计算模型,获得决策分析模型包括:
根据初始结果和实际业务的偏差,不断调整选择的分析结果数据与初始计算模型,直至符合业务的实际情况,即确定目标税务业务对应的决策分析模型与分析结果数据。
在一个示例中,算法类型包括神经网络算法、深度学习算法、机器学习算法、高级认知分析算法。
在一个示例中,还包括:
根据决策方案直接进行自动化决策或指导人工决策。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (5)
1.一种税务大数据决策分析方法,其特征在于,包括:
针对不同类型的税务业务,设置决策参数与决策参数阈值;
根据税务业务类型,将税务大数据的分析结果数据进行分类存储;
根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中;
根据所述决策分析模型计算决策参数,将所述决策参数与所述决策参数阈值进行对比,确定决策方案;
其中,针对不同类型的税务业务,设置决策参数类型与决策参数阈值包括:
针对税务业务的类型,确定决策对象,决策对象为网络带宽或开放窗口个数;
确定至少一个决策参数及其对应的阈值;
确定所述决策参数阈值对应的决策方案;
其中,根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中包括:
根据所述目标税务业务,确定对应的决策参数的类型;
根据所述决策参数的类型,建立决策分析模型,并确定对应的分析结果数据;
其中,建立决策分析模型包括:
根据所述决策参数的类型,确定算法类型,进而建立初始计算模型;
将所述分析结果数据代入所述初始计算模型中,获得初始结果;
根据所述初始结果调整所述初始计算模型,获得所述决策分析模型;
其中,根据所述初始结果调整所述初始计算模型,获得所述决策分析模型包括:
根据所述初始结果和实际业务的偏差,不断调整选择的分析结果数据与所述初始计算模型,直至符合业务的实际情况,即确定所述目标税务业务对应的决策分析模型与分析结果数据;
根据所述决策方案直接进行自动化决策或指导人工决策,包括:
根据纳税人线上开票业务的高峰期,自动触发系统带宽调节机制,自动调整带宽,高峰期增加带宽,低谷期减少带宽;或
根据申报的纳税人数量,确定增减申报处理窗口的数量。
2.根据权利要求1所述的税务大数据决策分析方法,其中,将分析结果数据根据税务业务类型进行分类存储还包括:
针对所述分析结果数据进行过滤、转换、清洗,剔除脏数据之后进行分类存储。
3.根据权利要求1所述的税务大数据决策分析方法,其中,通过接口对其他平台数据进行主动抓取所述分析结果数据,或接收其他平台通过接口主动推送的所述分析结果数据。
4.根据权利要求1所述的税务大数据决策分析方法,其中,所述算法类型包括神经网络算法、深度学习算法、机器学习算法、高级认知分析算法。
5.一种税务大数据决策分析系统,其特征在于,该系统包括:
存储器,存储有计算机可执行指令;
处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
针对不同类型的税务业务,设置决策参数与决策参数阈值;
根据税务业务类型,将税务大数据的分析结果数据进行分类存储;
根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中;
根据所述决策分析模型计算决策参数,将所述决策参数与所述决策参数阈值进行对比,确定决策方案;
其中,针对不同类型的税务业务,设置决策参数类型与决策参数阈值包括:
针对税务业务的类型,确定决策对象,决策对象为网络带宽或开放窗口个数;
确定至少一个决策参数及其对应的阈值;
确定所述决策参数阈值对应的决策方案;
其中,根据目标税务业务,建立决策分析模型,提取对应的分析结果数据,并导入决策分析模型中包括:
根据所述目标税务业务,确定对应的决策参数的类型;
根据所述决策参数的类型,建立决策分析模型,并确定对应的分析结果数据;
其中,建立决策分析模型包括:
根据所述决策参数的类型,确定算法类型,进而建立初始计算模型;
将所述分析结果数据代入所述初始计算模型中,获得初始结果;
根据所述初始结果调整所述初始计算模型,获得所述决策分析模型;
其中,根据所述初始结果调整所述初始计算模型,获得所述决策分析模型包括:
根据所述初始结果和实际业务的偏差,不断调整选择的分析结果数据与所述初始计算模型,直至符合业务的实际情况,即确定所述目标税务业务对应的决策分析模型与分析结果数据;
根据所述决策方案直接进行自动化决策或指导人工决策,包括:
根据纳税人线上开票业务的高峰期,自动触发系统带宽调节机制,自动调整带宽,高峰期增加带宽,低谷期减少带宽;或
根据申报的纳税人数量,确定增减申报处理窗口的数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011545717.6A CN112633998B (zh) | 2020-12-23 | 2020-12-23 | 税务大数据决策分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011545717.6A CN112633998B (zh) | 2020-12-23 | 2020-12-23 | 税务大数据决策分析方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112633998A CN112633998A (zh) | 2021-04-09 |
CN112633998B true CN112633998B (zh) | 2024-03-22 |
Family
ID=75324264
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011545717.6A Active CN112633998B (zh) | 2020-12-23 | 2020-12-23 | 税务大数据决策分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112633998B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113283972A (zh) * | 2021-05-06 | 2021-08-20 | 胡立禄 | 一种税务大数据模型的构建系统及方法 |
CN113706280B (zh) * | 2021-08-31 | 2023-12-26 | 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系统及方法 |
CN116029571B (zh) * | 2023-03-29 | 2023-06-16 | 肯特智能技术(深圳)股份有限公司 | 基于元宇宙的数据处理方法及相关装置 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020003759A (ko) * | 2000-07-03 | 2002-01-15 | 김효철 | 통신 네트워크를 이용한 인증처리 방법 |
JP2014178813A (ja) * | 2013-03-14 | 2014-09-25 | Nippon Software Management Kk | 窓口の巡回経路を算出する装置、業務端末および複数窓口連携システム |
CN105868840A (zh) * | 2016-03-12 | 2016-08-17 | 丽水学院 | 可实时调整窗口开放数目的弹性服务制排班系统和方法 |
CN106204257A (zh) * | 2016-07-14 | 2016-12-07 | 浪潮软件集团有限公司 | 一种实现金税盘自助发行的方法 |
CN106453531A (zh) * | 2016-09-28 | 2017-02-22 | 山东浪潮商用系统有限公司 | 一种自助办税的方法、自助办税终端和自助办税系统 |
CN107248018A (zh) * | 2017-01-16 | 2017-10-13 | 国网山东省电力公司龙口市供电公司 | 供电营业厅排队与评价在线处理方法、装置和系统 |
CN110147915A (zh) * | 2018-02-11 | 2019-08-20 | 陕西爱尚物联科技有限公司 | 一种资源配置的方法及其系统 |
CN110163621A (zh) * | 2018-02-10 | 2019-08-23 | 广州供电局有限公司 | 一种电力客服大数据决策支持系统 |
CN110264343A (zh) * | 2019-06-21 | 2019-09-20 | 山东浪潮商用系统有限公司 | 一种基于税务大数据分析的信用评估方法 |
CN110392426A (zh) * | 2019-06-24 | 2019-10-29 | 全球能源互联网研究院有限公司 | 电力无线专网组播业务的传输策略、带宽选择方法及系统 |
CN110839023A (zh) * | 2019-11-05 | 2020-02-25 | 北京中电普华信息技术有限公司 | 一种电力营销多渠道客户服务系统 |
CN111200855A (zh) * | 2020-01-07 | 2020-05-26 | 重庆邮电大学 | 自适应多准则模糊逻辑的5g异构网络切换决策方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130226669A1 (en) * | 2012-02-29 | 2013-08-29 | The Trustees Of Princeton University | System and Methods for Time Dependent Internet Pricing |
-
2020
- 2020-12-23 CN CN202011545717.6A patent/CN112633998B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020003759A (ko) * | 2000-07-03 | 2002-01-15 | 김효철 | 통신 네트워크를 이용한 인증처리 방법 |
JP2014178813A (ja) * | 2013-03-14 | 2014-09-25 | Nippon Software Management Kk | 窓口の巡回経路を算出する装置、業務端末および複数窓口連携システム |
CN105868840A (zh) * | 2016-03-12 | 2016-08-17 | 丽水学院 | 可实时调整窗口开放数目的弹性服务制排班系统和方法 |
CN106204257A (zh) * | 2016-07-14 | 2016-12-07 | 浪潮软件集团有限公司 | 一种实现金税盘自助发行的方法 |
CN106453531A (zh) * | 2016-09-28 | 2017-02-22 | 山东浪潮商用系统有限公司 | 一种自助办税的方法、自助办税终端和自助办税系统 |
CN107248018A (zh) * | 2017-01-16 | 2017-10-13 | 国网山东省电力公司龙口市供电公司 | 供电营业厅排队与评价在线处理方法、装置和系统 |
CN110163621A (zh) * | 2018-02-10 | 2019-08-23 | 广州供电局有限公司 | 一种电力客服大数据决策支持系统 |
CN110147915A (zh) * | 2018-02-11 | 2019-08-20 | 陕西爱尚物联科技有限公司 | 一种资源配置的方法及其系统 |
CN110264343A (zh) * | 2019-06-21 | 2019-09-20 | 山东浪潮商用系统有限公司 | 一种基于税务大数据分析的信用评估方法 |
CN110392426A (zh) * | 2019-06-24 | 2019-10-29 | 全球能源互联网研究院有限公司 | 电力无线专网组播业务的传输策略、带宽选择方法及系统 |
CN110839023A (zh) * | 2019-11-05 | 2020-02-25 | 北京中电普华信息技术有限公司 | 一种电力营销多渠道客户服务系统 |
CN111200855A (zh) * | 2020-01-07 | 2020-05-26 | 重庆邮电大学 | 自适应多准则模糊逻辑的5g异构网络切换决策方法 |
Non-Patent Citations (1)
Title |
---|
航次决策支持系统分析与设计;胡正华;世界海运(第02期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112633998A (zh) | 2021-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112633998B (zh) | 税务大数据决策分析方法及系统 | |
US20200125465A1 (en) | Automatic prediction system for server failure and method of automatically predicting server failure | |
CN109740721B (zh) | 麦穗计数方法及装置 | |
CN110443350B (zh) | 基于数据分析的模型质量检测方法、装置、终端及介质 | |
CN110942248B (zh) | 交易风控网络的训练方法及装置、交易风险检测方法 | |
CN110912737A (zh) | 一种基于混合模型的动态感知性能预告警方法 | |
CN107341508B (zh) | 一种快速美食图片识别方法及系统 | |
CN111581508B (zh) | 业务监控方法、装置、设备及存储介质 | |
CN110445939B (zh) | 容量资源的预测方法及装置 | |
CN110083803A (zh) | 基于时间序列arima模型取水异常检测方法与系统 | |
CN110334775B (zh) | 一种基于宽度学习的无人机线路故障识别方法和装置 | |
CN116819352A (zh) | 电池阈值的自适应设定方法、装置、设备及存储介质 | |
CN113450207A (zh) | 一种智能催收方法、装置、设备及存储介质 | |
CN114566964B (zh) | 一种配电网馈线自动化控制方法、装置、设备及存储介质 | |
CN115952465A (zh) | 一种传感器数据异常检测的方法、装置及计算机存储介质 | |
CN113807541B (zh) | 决策系统的公平性修复方法、系统、设备及存储介质 | |
CN115564276A (zh) | 项目统计储备管理系统、方法及存储介质 | |
CN113947249A (zh) | 加油加气站用能策略分析控制装置 | |
CN114386980A (zh) | 基于时序数据驱动的欺诈识别方法及装置 | |
CN116363542A (zh) | 到离岗事件检测方法、装置、设备及计算机可读存储介质 | |
CN114202110A (zh) | 一种基于rf-xgboost的业务故障预测方法及装置 | |
CN112598068A (zh) | 一种贷款用途的验证方法、装置及设备 | |
CN112565275A (zh) | 一种网络安全场景的异常检测方法、装置、设备及介质 | |
CN112185575B (zh) | 一种确定待比对医疗数据的方法和装置 | |
CN115346307B (zh) | 一种现钞清点方法和装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |