عنوان پایان‌نامه
کاربرد داده کاوی در حسابرسی مالیاتی مبتنی بر ریسک
- رشته تحصیلی
- مدیریت فن آوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75209;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75209
- تاریخ دفاع
- ۲۰ بهمن ۱۳۹۴
- دانشجو
- محمودرضا طاری بخش
- استاد راهنما
- محمد موسی خانی
- چکیده
- مهمترین هدف یک سازمان مالیاتی تمکین مالیاتی (اجرای صحیح قوانین مالیاتی مصوب توسط مودیان) می باشد.بدین منظور سازمان مالیاتی به منظور تحقق این هدف و پیشگیری از فرار مالیاتی مودیان، هرساله پس از دریافت اظهارنامه مودیان می بایست اظهارنامه تمامی یا بخشی از مودیان خود را به منظور بررسی احتمالی فرار مالیاتی و حصول اطمینان ازتمکین مالیاتی توسط مودیان بررسی نماید و درصورت اثبات فرار مالیاتی، استراتژی های مختلفی را بمنظور اجبار مودیان به تمکین اجرا نماید.از طرفی فرایند رسیدگی تمامی اظهارنامه های مالیاتی هزینه های گزافی را به سازمان مالیاتی تحمیل می نماید و درعین حال انجام این فرایند برای مودیان نیز خوشایند نمی باشد .بنابراین سازمان مالیاتی به منظور الزام مودیان به رعایت قوانین و مقررات مالیاتی می بایست از منابع محدود خود به نحو احسن استفاده نمود تا با حداقل هزینه درآمد های خود را تحقق ببخشد. ازطرفی سازمان مالیاتی سالیانه حجم عظیمی از داده ها شامل چند ده میلیون رکورد را بر اساس قانون از مودیان خود دریافت می‌کند که این حجم از داده ها می تواند مارا در دستیابی به دانشی که بتوان با آن مودیان پرریسک را شناسایی نمود رهنمون می سازد. لذا سوال اصلی که این تحقیق سعی در پاسخ به آن دارد این است که چگونه با استفاده از روشهای نوین استخراج اطلاعات از داده‌ها همچون داده کاوی می‌توان مودیان پرریسک که احتمال عدم تمکین آنان بیشتر است-و نه تمامی آنها_ را با این روشها شناسایی و اقدام به حسابرسی اظهارنامه های مالیاتی آنان نمود. در این راستا از نمونه های اظهارنامه و برگ مطالبه موجود در معاونت مالیات بر ارزش افزوده کل کشور استفاده گردیده است و از روشهای موجود در شبکه عصبی و درخت تصمیم بدین منظور استفاده گردیده است.
- Abstract
- Tax compliance (the correct implementation of the tax rules by taxpayers) is the most important purpose of a tax administration. therefore, in order to achieve this goal and prevention of tax evasion, tax administration after receive the returnforms every year, must be check the returnform of all or part of their taxpayers in order to ensure for possible tax evasion and the tax compliance by taxpayers.on the other hand tax audit process imposes a heavy cost to tax administration, at the same time doing this process is not so pleasant for taxpayers as well the tax administration. Therefore tax administration must make best use of limited resources to realize its income with minimum cost. Tax administration annualy receive a huge volume of data consists of several ten million records from its taxpayers, on the basis of the law and this data can help to identify risk ranking of taxpayers. Therefore, the main question that this research trying to response is that how can we use new methods of extracting information from this records of data, such as data mining to identify high risk taxpayers and proceed to audit their returnforms _not all returnforms_. In this regard, we have some VAT returnforms records to use neural network and decision tree methods for this records and identifying the taxpayer risk.
