在税收审计中应用多维数据分析
于飞(江苏省泰州市审计局)
目前，各级税务部门基本都已经建立税收征管信息系统（TIS），经过多年的累积，这些系统中已经形成了大量的有效数据，涉及税务登记、征缴、稽查、减免等诸多方面。对于审计人员来言，如何在税收审计过程中充分利用这些宝贵数据，从大量的事实中迅速地发现最重要的因素，取得所需审计证据，支持自身的专业判断，就显得非常重要。
多维数据分析（OLAP）是以海量数据为基础的计算机复杂分析技术，它支持审计人员从不同的角度，灵活快捷地对被审计单位的电子数据进行挖掘分析，并以直观易懂的形式展示分析结果。相较于传统的SQL查询，多维数据分析所使用的多维概念和表现模式更符合人的思维习惯，更适宜于高效地聚合、检索、观察和分析数据。因此，审计人员对税收数据进行多维分析，可以更好地把握税收征管情况和发展趋势，形成审计重点和疑点，快速实现审计目标，从而提高税收审计的效率和质量。
一、税收审计多维数据分析的主要步骤
一般而言，税收多维数据分析可以分为以下几个步骤：
确定分析主题 通俗一点的来讲，分析主题就是确定要分析的题目，也就是审计中要重点了解的内容。结合税收审计的目标和特点，审计人员可以选择的多维数据分析主题有：纳税人构成、税收入库、税收退库、欠缴税金、减免税金、税收申报、重点纳税大户、所得税、发票管理、税收政策变动影响、新增税源户分析、关联税种异常监控、未申报及零申报监控、行业税负、收入级距、零入库分析、经济指标与税收收入相关性分析等。可以说，明确了分析主题，就为整个的多维数据分析过程确立了方向。
设置数据源 多维数据分析的数据源可以直接设置为税务部门的后台数据库，也可以设置为审计人员自己生成的中间数据库。相对而言，后一种方式更为安全、可靠，即审计人员采集、拷贝被审计单位的备份数据，通过OLEDB或ODBC等连接方式将数据导入，在对数据进行“校验”、“抽取”、“净化”等整理操作后，生成所需的审计中间数据库，并以此作为多维数据分析的数据源。
建立多维数据集 多维数据集也就是常说的数据立方体（Data Cube），它的建立是OLAP分析的关键步骤。多维数据集的两个核心要素是度量值和维度：度量值是审计人员浏览数据集时重点查看的中心指标，一般选用数值型的字段，如入库税额、减免金额等。维度则是审计人员分析指标时所观察的不同角度，如时间维度、地区维度等。维度往往具有多个层次，如时间维可以从年、月、日等不同层次来描述。维度的结构主要有4种，分别是星型、标准型、雪花型和父子型。究竟建立哪种维度模型，要根据具体的需求和事实表、维度表的结构而定，税收审计中比较常用的是星型结构。度量值和维度都对应于所连接数据源的表中字段，确定好度量值和维度之后，就基本上确立了多维数据集的逻辑模型。
浏览分析数据 建立完多维数据集之后，原来需要反复、多次查询和无法查询的数据信息，就可以通过切片、切块、旋转等操作挖掘出来。审计人员就可以根据实际的业务需求，以时间为纵向主线，以地区、行业、税种等为横向主线，对税收数据进行汇总、关联、聚类、分类、预测等分析，寻找其中隐含的模式和知识，来迅速掌握总体情况。当趋势、异常或者错误被确定后，还可以深入到底层数据进行钻取，作进一步的分析和判断。
二、税收审计多维数据分析的应用实例
在对某市政府财政决算审计中，审计人员决定以税款入库情况为主题，进行税收审计多维数据分析，重点要掌握以下情况：全年共入库了多少税款，哪个地区入库金额较大，各税种占的比例有多大，入库的时间集中在什么时候等。审计人员选用的多维数据引擎是SQL Server附带的Analysis Services工具，这是一款具有联机分析处理、决策树和数据挖掘功能的优秀软件。利用Analysis Services，可以快速、简易地实现基于数据仓库的OLAP模型，并方便地进行多维数据集的设计、构建、存储、浏览和分析等操作。
经了解，该市税务机关各分局的电子数据都集中在市局的服务器中，后台数据库为Sybase大型数据库，主要的数据表包括：税票表、纳税人登记表、税种税目表、预算级次表、提退税金表、征管机关表等。审计人员通过ODBC方式从后台数据库系统采集电子数据，进行了格式定义和数据清理，并最终将其转换为SQL Server数据库格式，为多维数据分析设置好了数据源。
在多维数据集的设计中，审计人员采用了星型架构，将税票表作为事实表，将纳税人登记表、税种税目表、征管机关表等作为维度表，以入库金额为度量值。之所以采用星型架构，是因为在地税信息系统中，事实数据比较集中，有数百万条记录，而维度数据比事实数据要少得多，高效、易读、清晰，变换维度也不会造成系统太大的工作量，便于建立和分析多维表格。
多维数据集建立后，审计人员再根据已设计好的维度对数据进行分析。首先是从税种的维度浏览OLAP立方体，汇总计算分税种的入库分布情况。通过观察我们发现，该市的入库税额大部分是由营业税、企业所得税、个人所得税这三个税种贡献的。根据往年的审计经验，营业税、企业所得税是地方税收的主要税种，税额较大是比较正常的，而个人所得税当年入库税额如此之高，甚至比营业税还略有超过，就有点不太正常。根据这一情况，审计人员决定将个人所得税作为下一步的审计重点。
考虑该市地税局下辖有15个分局，对这么多的分局逐一进行审计是不现实的。为了确定重点审计地区，审计人员又将征管机关维度引入分析区，观察是哪些分局征收的个人所得税出现了异常。结果发现，F分局、N分局的入库个税税额远远高于其他地区。特别是F分局，它所征收的个人所得税几乎占全市总份额的一半。因此，毫无疑问地应将其作为重点核查对象。
为了更快更准确地挖掘出有用信息，审计人员决定再将入库日期维度纳入分析框架，查看F分局1至12月份的个税入库税额的趋势变化。毕竟，个人所得税的税票记录既多又分散，有时一张税票上的缴税金额才几角钱。即使只有单个分局的税票记录，也足已让人眼花缭乱了。而通过月份维度进行观察，明显看出有几个月的入库税额偏大，12月份尤其值得重视。
经过多角度的分析，审计人员已经逐步明确了重点，将范围缩小到了F分局12月份征收入库的个人所得税上，接下来的工作就是利用多维数据集的钻取功能，有针对性地调阅具体的税票记录。结果显示，该市地税局F分局在2007年底的12月份，为了完成政府年底突击追加的财政收入任务，将数家重点税源户应在下年征收的个人所得税1000多万元，提前进行了征收。到此，我们便可以得出审计结论，确认地税部门人为调节税收入库进度的违规问题了。
在这个税收审计案例中，审计人员通过多维数据分析，把握整体，观察趋势，有针对性的延伸取证，使审计实施的过程更加全面和深入。借助这个简单的案例，我们也可以看到多维数据分析在计算机审计上的作用和潜力。实际上，在日常的审计项目中，特别是有着海量数据的大中型审计项目中，多维数据分析还有着更加广阔的应用空间。如果能够很好地掌握这一技术，必将使我们的审计工作如虎添翼，更进一步。
多维数据分析（OLAP）是以海量数据为基础的计算机复杂分析技术，它支持审计人员从不同的角度，灵活快捷地对被审计单位的电子数据进行挖掘分析，并以直观易懂的形式展示分析结果。相较于传统的SQL查询，多维数据分析所使用的多维概念和表现模式更符合人的思维习惯，更适宜于高效地聚合、检索、观察和分析数据。因此，审计人员对税收数据进行多维分析，可以更好地把握税收征管情况和发展趋势，形成审计重点和疑点，快速实现审计目标，从而提高税收审计的效率和质量。
一、税收审计多维数据分析的主要步骤
一般而言，税收多维数据分析可以分为以下几个步骤：
确定分析主题 通俗一点的来讲，分析主题就是确定要分析的题目，也就是审计中要重点了解的内容。结合税收审计的目标和特点，审计人员可以选择的多维数据分析主题有：纳税人构成、税收入库、税收退库、欠缴税金、减免税金、税收申报、重点纳税大户、所得税、发票管理、税收政策变动影响、新增税源户分析、关联税种异常监控、未申报及零申报监控、行业税负、收入级距、零入库分析、经济指标与税收收入相关性分析等。可以说，明确了分析主题，就为整个的多维数据分析过程确立了方向。
设置数据源 多维数据分析的数据源可以直接设置为税务部门的后台数据库，也可以设置为审计人员自己生成的中间数据库。相对而言，后一种方式更为安全、可靠，即审计人员采集、拷贝被审计单位的备份数据，通过OLEDB或ODBC等连接方式将数据导入，在对数据进行“校验”、“抽取”、“净化”等整理操作后，生成所需的审计中间数据库，并以此作为多维数据分析的数据源。
建立多维数据集 多维数据集也就是常说的数据立方体（Data Cube），它的建立是OLAP分析的关键步骤。多维数据集的两个核心要素是度量值和维度：度量值是审计人员浏览数据集时重点查看的中心指标，一般选用数值型的字段，如入库税额、减免金额等。维度则是审计人员分析指标时所观察的不同角度，如时间维度、地区维度等。维度往往具有多个层次，如时间维可以从年、月、日等不同层次来描述。维度的结构主要有4种，分别是星型、标准型、雪花型和父子型。究竟建立哪种维度模型，要根据具体的需求和事实表、维度表的结构而定，税收审计中比较常用的是星型结构。度量值和维度都对应于所连接数据源的表中字段，确定好度量值和维度之后，就基本上确立了多维数据集的逻辑模型。
浏览分析数据 建立完多维数据集之后，原来需要反复、多次查询和无法查询的数据信息，就可以通过切片、切块、旋转等操作挖掘出来。审计人员就可以根据实际的业务需求，以时间为纵向主线，以地区、行业、税种等为横向主线，对税收数据进行汇总、关联、聚类、分类、预测等分析，寻找其中隐含的模式和知识，来迅速掌握总体情况。当趋势、异常或者错误被确定后，还可以深入到底层数据进行钻取，作进一步的分析和判断。
二、税收审计多维数据分析的应用实例
在对某市政府财政决算审计中，审计人员决定以税款入库情况为主题，进行税收审计多维数据分析，重点要掌握以下情况：全年共入库了多少税款，哪个地区入库金额较大，各税种占的比例有多大，入库的时间集中在什么时候等。审计人员选用的多维数据引擎是SQL Server附带的Analysis Services工具，这是一款具有联机分析处理、决策树和数据挖掘功能的优秀软件。利用Analysis Services，可以快速、简易地实现基于数据仓库的OLAP模型，并方便地进行多维数据集的设计、构建、存储、浏览和分析等操作。
经了解，该市税务机关各分局的电子数据都集中在市局的服务器中，后台数据库为Sybase大型数据库，主要的数据表包括：税票表、纳税人登记表、税种税目表、预算级次表、提退税金表、征管机关表等。审计人员通过ODBC方式从后台数据库系统采集电子数据，进行了格式定义和数据清理，并最终将其转换为SQL Server数据库格式，为多维数据分析设置好了数据源。
在多维数据集的设计中，审计人员采用了星型架构，将税票表作为事实表，将纳税人登记表、税种税目表、征管机关表等作为维度表，以入库金额为度量值。之所以采用星型架构，是因为在地税信息系统中，事实数据比较集中，有数百万条记录，而维度数据比事实数据要少得多，高效、易读、清晰，变换维度也不会造成系统太大的工作量，便于建立和分析多维表格。
多维数据集建立后，审计人员再根据已设计好的维度对数据进行分析。首先是从税种的维度浏览OLAP立方体，汇总计算分税种的入库分布情况。通过观察我们发现，该市的入库税额大部分是由营业税、企业所得税、个人所得税这三个税种贡献的。根据往年的审计经验，营业税、企业所得税是地方税收的主要税种，税额较大是比较正常的，而个人所得税当年入库税额如此之高，甚至比营业税还略有超过，就有点不太正常。根据这一情况，审计人员决定将个人所得税作为下一步的审计重点。
考虑该市地税局下辖有15个分局，对这么多的分局逐一进行审计是不现实的。为了确定重点审计地区，审计人员又将征管机关维度引入分析区，观察是哪些分局征收的个人所得税出现了异常。结果发现，F分局、N分局的入库个税税额远远高于其他地区。特别是F分局，它所征收的个人所得税几乎占全市总份额的一半。因此，毫无疑问地应将其作为重点核查对象。
为了更快更准确地挖掘出有用信息，审计人员决定再将入库日期维度纳入分析框架，查看F分局1至12月份的个税入库税额的趋势变化。毕竟，个人所得税的税票记录既多又分散，有时一张税票上的缴税金额才几角钱。即使只有单个分局的税票记录，也足已让人眼花缭乱了。而通过月份维度进行观察，明显看出有几个月的入库税额偏大，12月份尤其值得重视。
经过多角度的分析，审计人员已经逐步明确了重点，将范围缩小到了F分局12月份征收入库的个人所得税上，接下来的工作就是利用多维数据集的钻取功能，有针对性地调阅具体的税票记录。结果显示，该市地税局F分局在2007年底的12月份，为了完成政府年底突击追加的财政收入任务，将数家重点税源户应在下年征收的个人所得税1000多万元，提前进行了征收。到此，我们便可以得出审计结论，确认地税部门人为调节税收入库进度的违规问题了。
在这个税收审计案例中，审计人员通过多维数据分析，把握整体，观察趋势，有针对性的延伸取证，使审计实施的过程更加全面和深入。借助这个简单的案例，我们也可以看到多维数据分析在计算机审计上的作用和潜力。实际上，在日常的审计项目中，特别是有着海量数据的大中型审计项目中，多维数据分析还有着更加广阔的应用空间。如果能够很好地掌握这一技术，必将使我们的审计工作如虎添翼，更进一步。
| 【关闭】 【打印】 |
