کاربرد داده کاوی در بهبود فرایندهای مالیاتی: مرور ادبیات سیستماتیک و دسته بندی

هدف :

با توجه به اهمیت استخراج دانش مفید از داده های مالیاتی و نقش موثر داده کاوی در این زمینه، هدف این پژوهش، مرور ادبیات جامع و نظام مند و ارایه گزارشی از وضعیت تحقیقات حوزه داده کاوی و مالیات، دسته بندی پژوهش های انجام شده و معرفی شکاف های تحقیقاتی و ارایه نقشه راهی برای محققان و علاقه مندان در این زمینه است.

روش :

جامعه آماری پژوهش، تحقیقات انجام شده در زمینه داده کاوی و مالیات، طی سال های 2000 تا 2021 بوده است. با مرور ادبیات جامع و نظام مند تحقیقات، از دیدگاه فرایندی، 4 فرایند و از دیدگاه حوزه های کاربردی مختلف، 7 زمینه مطالعه و بررسی شد. دسته بندی تحقیقات بر اساس چارچوب پیشنهادی انجام گرفت و تحلیل های مختلفی از منظر فرایندها، حوزه های کاربردی و روش های داده کاوی ارایه شد.

نتایج این تحقیق نشان می دهد که فرایند بازرسی (آزمون) و حوزه کاربردی «انتخاب مبتنی بر ریسک برای حسابرسی مالیاتی» بیشترین حجم از تحقیقات را به خود اختصاص داده اند. محبوب ترین و پرکاربردترین تکنیک استفاده شده، «رده بندی و پیش بینی» بوده و الگوریتم های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان نیز به ترتیب بیشترین کاربرد را داشته اند.

در زمینه های کاربردی هفت گانه، پتانسیل خوبی برای پیاده سازی تکنیک های داده کاوی وجود دارد. رویکردهای مبتنی بر یادگیری انتقالی، یادگیری عمیق، تحلیل گراف و تحلیل کلان داده برای تحقیقات آتی پیشنهاد می شود. ارایه چارچوب های کاربردی بومی سازی شده برای سیستم ها و اداره های امور مالیاتی کشورهای مختلف و یکپارچه سازی منابع داده داخلی و خارجی اداره های امور مالیاتی و تحلیل آن، از خلاهای اصلی این حوزه است که می تواند اثربخشی ویژه ای ایجاد کند.