稅務行業在建構大資料平台以後，有了海量的資料挖掘需求，但應用方式還集中于業務了解，人工配置規則進行掃描與風險識别的傳統方式上。而基于統計和深度資料挖掘的算法工作，又存在知識門檻高、模組化難度大、流程耗時長等難點，稅務人員難以高效使用。
通過智稅中台的建設，稅務行業客戶能夠搭建自主易用的稅務專用資料智能平台，通過标簽體系，實作自助式資料模組化與分析；通過機器學習等算法模型，可降低資料智能應用的難度，實作一體化的特征管理、資料探查、分析模組化，建立對接業務生産的風險管理引擎，進而達到協助業務流程提升資料智能程度的目的。智稅中台基于阿裡雲大資料平台提供了從資料加工到智能模組化的一整套适配政務行業的機器學習工具鍊。
解決方案
（一）特征中心
将資料特征以标簽形式管理，全圖形化操作，向下屏蔽計算與存儲資源，讓使用者專注業務邏輯，且通過自動化資料脫敏、行列權限控制，實作最靈活和安全的資料取用模式。
（二）名額立方
資料探查、資料探索及名額立方內建了完整的資料名額評測與研判工具集合，可以一鍵式形成對資料名額的效果報告。
（三）模型中心
提供從無标簽資料到有标簽資料的全場景資料模組化支撐，在自動化智能模組化的技術幫助下，使用者無需專業知識即可實作資料模組化。
（四）風險管理引擎
提供了對模型結果的管理與對接上線功能，直接提供API形式的線上模型預測，并實作高并發、高可用的技術名額。
應用價值
（一）圖形化特征管理
針對業務專家的技術能力及使用習慣，提供圖形化資料特征管理，并內建資料脫敏、行/列權限控制等功能，在全程可控的前提下，實作資料“可用不可見”一一即在多源資料融合彙聚的平台上，隻允許程式和算法通路到融合後的資料，而不允許業務人員通路、下載下傳資料，進而在多使用者共存的平台上有效地防止資料洩露事件的發生。
（二）一站式資料探查
針對資料智能模組化的需求，提供圖形化資料探查功能，內建各類統計功能，形成全面的資料名額評估，并支援一鍵生成名額評估報告。
（三）智能化資料模組化
針對稅務行業的業務特點，提供一系列從無監督，到半監督，到有監督的資料模組化工具，并支援優選的資料清洗政策、自動化參數推薦、可視化算法效果等功能，讓業務人員無需深度算法知識，也能實作算法模組化。
最佳實踐
（一）虛開發票企業分類
在稅務總局查找暴力虛開增值稅發票的場景中，需要對有風險的納稅人劃分為以下四個類别中的某一類：1. 虛開企業；2. 變票企業；3. 洗票企業；4. 用票企業。傳統做法是業務專家需要根據納稅人的名額資料對所有的風險納稅人進行标注處理，利用人工的方式實作所有風險企業的分類處理。在協同分類中，業務專家隻需要從這四類企業中各挑選少量的納稅人，協同分類便會自動為剩餘的納稅人實作分類處理。協同分類在少量樣本的基礎上便可實作比較理想的分類結果，有效地提高了業務專家的工作效率。
（二）納稅人分類輔助政策制定
在稅收優惠上，對所有的納稅人使用相同的稅收優惠政策是不科學的；對每一個納稅人使用不同的稅收優惠政策是非常不高效的。首先使用行業分群，對每個行業的企業提取多元特征（與業務相關的特征，如企業規模、注冊資金、營收收入、利潤率、納稅額等），然後将每個行業的企業分成K個群，每一個群使用同一套服務政策。這樣即做到高效與科學，又能在事後對每個群進行的政策進行分析來判斷是否合理與如何優化。
（三）納稅企業疑似“騙稅團夥”識别
在稅務的風險管理中，大量風險企業雖然自身的屬性特征多種多樣，但在關系網絡中通常表現出特定的形态。風險企業很難改變與其相關聯的企業屬性。将風險企業相關的其他企業作為目前企業的特征，可以更可靠地發現風險企業。
（四）稅務虛開發票風險評估
在稅務機關的發票虛開風險應對中，業務專家根據業務經驗加工與發票虛開相關的名額資料，然後業務專家通過挑選所掌握的納稅人集合，人工對這些納稅人的風險大小進行排序，并将排序後的納稅人風險大小作為專家模組化的輸入。專家模組化會計算每個名額的最佳權重、所有納稅人在發票虛開場景中的風險大小。使用者在專家模組化的過程中可以将精力放在業務分析上，降低了業務專家使用大資料算法的學習成本。
加入釘釘群可享有以下權益↓