BigData时代，预测分析技术可应用于哪些税收工作

    预测人类行为，听起来更像一本科幻小说的主题，然而随着计算机技术的发展及大数据时代的到来，这一切已经、正在或即将成为现实。

　　2012年奥巴马竞选时，运用预测分析技术预测哪些选民可以通过竞选活动加以改变，哪些选民如果接触可能会起到反作用，取得了惊人的成效。目前，预测分析技术广泛应用于营销、广告、金融风险、保险、医疗、员工管理、安全故障、打击犯罪和预防诈骗等众多领域。美国国内收入局通过预测分析技术排序虚假退税，在调查人员不增加工作量的情况下将发现的逃税额提高了25倍！

　　同美国国内收入局一样，我国税务机关也拥有多年积累的海量数据。如何把这些数据利用起来，从枯燥无味的代码组合中发现规律，进而指导我们的工作？预测分析无疑是其中最具价值的应用。

　　那么，预测分析技术可以应用于哪些税收工作？

　　大部分的人类行为具有惯常性和可预测性，因此，预测分析技术普遍适用于与人类行为有关的领域，从这个角度看，预测分析可以应用于几乎所有税收工作。在《大数据预测》列举的147项案例中，与税务工作相关的仅有1项，其主要原因在于这门科学是伴随着互联网技术普及而兴起的新兴科学，目前还没有广泛推广。但这同时意味着，它在税收工作中的应用具有无限的前景和可能性。在阅读本书的过程中，笔者经常脑洞大开、浮想联翩，在此写出几个不成熟的设想，供抛砖引玉之用。

　　在税收政策出台前，可通过预测企业或个人行为预先调整政策。例如，有些人对香烟价格敏感，烟瘾不大，提高香烟的消费税会使他们少买香烟或改买更便宜的香烟，这对于税收属于调减因素；有些人对香烟价格不敏感，提高香烟的消费税不会影响他们的购买选择，这对于税收属于调增因素。如果可以预测不同的税率变化对香烟消费者行为的不同影响，进而找到均衡点，就可以将其作为税率调整的依据，更好地达到政策目的。

　　在纳税服务工作中，可以通过预测分析实现个性化的精准服务。例如，在税收宣传中，政策宣传册应该推送给真正需要它们的纳税人。如果可以预先判断纳税人的业务现状和走向，评估其对税收政策的重视程度，就可以有针对性地发放资料，用更低的成本达到更好的宣传效果。

　　在税务稽查工作中，可以通过预测分析提高税收违法的识别率。例如，个别企业在提供服务时通过个人开立的账户收取业务款项，以达到少计收入、偷逃税款的目的。如果可以预测个人财务状况并与其银行往来账目比较，用有限的稽查力量对风险较高的账户定向稽查，就可以更为精准地打击税收违法行为，起到更强的震慑作用。

　　除此之外，还可以通过信息搜索记录预测涉税舆情并采取应对措施；可以通过多重指标预测员工的离职可能性并降低离职率；可以预测各种文体活动对员工工作状态的影响，有的放矢地开展活动；可以通过预测分析技术来判断互联网技术问题，防范网络流量的骤然增加，等等。

下一个重要的问题是，这些美好的愿望可以通过什么方式实现？

　　和预测未来这一神奇的目标相比，其实现方式并非高不可攀。预测分析的基础是计算机科学和统计学，可通过预测建模实现。其核心在于通过某种方法赋予计算机自主学习的能力，由决策树达成。使用决策树预测某人行为时，只需从根源处开始，然后不断回答“是”或“否”，就能达到顶端决策“叶”，这些“叶”就是预测的输出，树的不断生长也就相当于计算机在自主编程。

　　解决了计算机自主学习的问题后，如何建立具体的预测模型？《大数据预测》给出了一个最为有效的途径是“众包”，这也是我们推动自主创新的一条可行之路。“众包”是运用大众智慧的完美方法，开放式的竞赛是“众包”的绝佳表现形式。在决定用预测分析解决某个特定的税收问题后，可以将主题及相关数据开放，如果涉及信息保密，可以对数据做一定处理或在税务系统内部一定范围内公开，然后通过竞赛的方式以高额奖项汇集最优秀的数据分析人员，集思广益，以弥补人才的稀缺和单兵作战中可能的疏漏。一个已经证明的结论是，用大量模型的平均值进行预测，准确程度高于单个模型。“众包”可以解决大量模型的来源问题。