Java軟件報表軟件技術博客

稅收是國家財政收入的主要來源，也是國家實行宏觀調控的一個重要經濟杠桿。隨著電子政務系統的發展以及稅務信息化程度的不斷提高，在稅務決策支持方面不斷吸納新的信息處理技術、提高決策的科學性和規范性，成為提高行政辦公效率、促進經濟發展的關鍵所在。這幾年稅收信息化取得了長足發展，成績卓著，很多省市都上了稅收征管應用系統。但是，但隨著稅務數據的日益龐大，改革政策的下發，管理的相關因素顯得更加錯綜復雜。原有的信息系統針對性較強，容易造成信息的條狀分布，給信息系統帶來了新的挑戰，因此，急需一個新平臺系統建設來梳理信息資源，提高綜合管理信息的應用決策能力。

Gartner Group提出，商業智能描述的是一系列的概念和方法，通過應用基于事實的支持系統來輔助商業決策的制定。商業智能技術能夠提供企業迅速分析數據的技術和方法，包括收集、管理和分析數據，將這些數據轉化為有用的信息，然后分發到企業各處。FineBI商業智能產品經理Julie認為，對于稅務這種數據量龐大，數據安全性要求高的行業，具備百億級大數據處理能力，擁有良好的穩定性，和不錯的交互體驗，對稅務的智能信息化發展至關重要。可以從以下幾方面來討論：

1、整合信息孤島，發揮數據的最大價值

國稅局在平時日常工作中，需要用到的系統有幾十個。每當要查一些數據，需要先進入一個頁面，列出幾十多個系統的鏈接，再從鏈接到相應的系統去查詢數據。各個系統都是外包給不同開發商制作，操作方式和風格上無法統一。而且，每個系統都只是針對某一塊業務，查詢數據就要從多個業務系統中拿數據，常常是Excel和業務系統依次打開，一旦涉及業務再多一些，這種方式就根本拿不到數據，需要向上級申請。

       如今的商業智能系統可連接各種數據源，將各種數據通過ETL和數據清洗后放入數據倉庫，各業務可在一個平臺內分主題呈現，決策者基于此可以了解關于企業業務的全面的視圖，輕松地進行即時商業智能分析。

2、業務人員做分析，需求快速響應

對于業務人員來說，對于業務數據和報表他們是懂的，但是不懂系統，不知道系統數據庫中存放的什么數據以及怎樣組合。以往的解決方案就需要技術人員幫忙取，一個個分發，工作進度都堵在技術人員取數環節，工作效率影響很大。

如果通過商業智能系統來解決，對于業務人員來說，數據源或數據模型的概念都會被淡化，取而代之的是一個個被管理員封裝、發布的BI分析主題。主題下涵蓋所有所需數據，數據被業務化，甚至和Excel表樣綁定。數據分析的操作也簡化成為簡單的拖拽。

3、自定義分析，事先事前預警

以往征管數據的預警受限于上級系統已經設定好的預警指標和時間，各個部門的業務人員無法根據自己的管業特點來處理數據，難以做到早發現早處置。比如發票驗舊預警，對于普票和專票的預警時間是不相同的，系統中沒有辦法自定義預警時間，對于增票，預警時間統一都是90天，對于哪些納稅人的驗舊時間在預警等級最高的61-90天，這是沒辦法區分的，那么對于去發現存在的問題就比較困難。而傳統的定期將數據放到Excel中，再發給業務人員自行處理的方式已無法滿足業務的及時性。

對此，商業智能系統中的自定義數據預警功能，對某個數據區間的數據可以進行紅綠燈預警或者數據前景預警；更可以使用計算指標添加平均線的功能動態的反應數據的整體水平，實現個體數據與數據總體水平的直觀對比。

4、及時響應新的業務需求，縮短項目周期

隨著國家的營業稅改征增值稅試點方案的發布。“營改增”范圍已推廣到全國試行。某市國稅局從2013年8月1日起，屬于營改增的企業納稅人信息已經完全從地稅局轉移到國稅局。這就帶來了新的統計需求，數據需要重新整合，項目工作量增大，給業務人員帶來不小壓力。

該國稅局就借機改變傳統模式，采用商業智能系統，利用其自動建模技術，減少了數據構建聯系的流程。由于其自主性，大大減少了項目實施中需求溝通的時間，縮短了項目周期。

5、大數據量及時響應，展示更豐富

國稅局的數據量動輒千萬上億，傳統的分析工具很容易就卡死或是內存溢出，系統無法響應。如果采用商業智能并行計算的數據處理模式，使用NIO內存映射文件存儲模式，同時采用高效的智能位圖索引，以及智能避免重復計算的緩存機制，使得在前端頁面展示數據時，運行速度高效快速。

6、重大指標精確監控，科學預測

針對稅務行業的重大指標如稅收宏觀分析、稅收收入分析、稅收征管分析、出口退稅分析、專用發票分析、納稅人分析、納稅人審計分析等，商業智能的使用可以在分析中揭示稅收收入和稅收負擔等重大指標的長期增長趨勢、波動規律、發展速度、地區分布、行業分布、所有制分布和月度時序特征；運用對比分析方法揭示事物之間的關系、強度及均衡性；對稅收收入、出口及出口退稅等重大稅收指標進行精確監控和科學預測；根據納稅人的生產經營情況和納稅情況對其申報的真實性進行量化評測和科學分類。