Содержание к диссертации
Введение
Глава 1. Анализ методов, теоретических основ и проблем управления федеральной налоговой службой 12
1.1 Анализ методов и организационно-структурных моделей управления в налоговой службе 12
1.2 Анализ использования информационных систем и технологий для поддержки управленческой деятельности в налоговой службе 23
1.3 Основные принципы и особенности информационного обеспечения процесса принятия управленческих решений в подразделениях налоговой службы 31
1.4 Постановка задач диссертационного исследования 45
1.5 Выводы по главе 1 46
Глава 2. Интеллектуальные модели и методы поддержки принятия управленческих решений в налоговой службе 48
2.1 Анализ и разработка методов поддержки принятия управленческих решений на основе обработки нечеткой информации 48
2.2 Создание методики распределения налогоплательщиков по категориям внимания 51
2.2.1 Классификация методов кластеризации для распределения налогоплательщиков по категориям внимания 51
2.2.2 Адаптация алгоритмов с-средних и Густафсона-Кесселя для интеллектуальной обработки информации в подразделении налоговой службы – налоговой инспекции 55
2.3 Разработка методики прогнозирования налоговых поступлений 64
2.4 Выводы по главе 2 72
Глава 3. Анализ и разработка информационной модели управления в подразделении налоговой службы – налоговой инспекции 73
3.1 Анализ и разработка информационных моделей для поддержки принятия управленческих решений в налоговой инспекции 73
3.1.1 Изучение и анализ информационных потоков и процессов в налоговой инспекции 73
3.1.2 Формирование требований к разрабатываемой информационной управленческой системе для налоговой инспекции 79
3.2 Разработка модели функционирования системы поддержки принятия управленческих решений 80
3.2.1 Выбор методов модели функционирования и средств ее разработки 80
3.2.2 Разработка модели функционирования 82
3.3 Разработка и реализация информационной управленческой системы для налоговой инспекции 87
3.3.1 Выбор методологии и технологии проектирования и разработки системы 87
3.3.2 Разработка информационной структуры и проектирование информационной управленческой системы для налоговой инспекции 89
3.4 Выводы по главе 3 104
Глава 4 Моделирование и реализация интеллектуальной поддержки управленческой деятельности в налоговой инспекции 106
4.1 Характеристика функциональной деятельности информационной управленческой системы в налоговой инспекции 106
4.2 Разработка алгоритма и программы автоматизации процесса распределения налогоплательщиков по категориям внимания 109
4.3 Разработка нейросетевой компьютерной модели для системы поддержки принятия решений в налоговой инспекции 114
4.4 Реализация процедур поддержки принятия решений с использованием экспертной системы 121
4.5 Выводы по главе 4 136
Заключение 138
Список сокращений 139
Список литературы 140
Приложение А 153
Приложение Б 154
- Анализ использования информационных систем и технологий для поддержки управленческой деятельности в налоговой службе
- Адаптация алгоритмов с-средних и Густафсона-Кесселя для интеллектуальной обработки информации в подразделении налоговой службы – налоговой инспекции
- Разработка информационной структуры и проектирование информационной управленческой системы для налоговой инспекции
- Реализация процедур поддержки принятия решений с использованием экспертной системы
Введение к работе
Актуальность темы исследования. Процесс развития экономики Российской Федерации (РФ) сопряжен с необходимостью финансового обеспечения программ и стратегий, принимаемых в различных сферах, начиная с социально-экономической сферы и завершая научно-технической. Финансовое обеспечение данных программ и стратегий осуществляется за счет средств государственного бюджета, а также бюджетов местных уровней.
На сегодняшний день налоговая система является не только средством пополнения бюджета, но и важнейшим инструментом регулирования рыночных отношений. Очевидно, что развитие экономики государства невозможно без соответствующего развития налоговой системы.
Таким образом, стратегическая цель экономической и налоговой политики государства состоит в создании в РФ стабильной налоговой системы, которая обеспечила бы достаточный объем налоговых поступлений в бюджеты всех уровней. Данный процесс возможен за счет формирования эффективных механизмов управления налогообложением всех категорий налогоплательщиков и принятием мер борьбы с нарушениями налогового законодательства, а также – информационного обеспечения процесса принятия управленческих решений. Развитие рыночных механизмов, появление новых форм налоговых отношений и существенное повышение их сложности, необходимость укрепления и стабилизации финансовой системы страны, обеспечение стабильного уровня налоговых поступлений объективно обусловили повышение актуальности задач, связанных с информатизацией процесса принятия эффективных управленческих решений в сфере налогообложения.
Возникает потребность в создании дополнительных управленческих информационных систем для работы в динамически меняющейся ситуации в условиях неполных или неточных данных с использованием экспертных знаний. Для эффективного решения подобных задач управления целесообразно совместное применение современных методов принятия решений и методов искусственного интеллекта.
Степень разработанности темы исследования. Отечественные и зарубежные исследователи осуществили серьезный вклад и достигли значительных успехов в следующих направлениях:
налоги и налогообложение – А.В. Брызгалин, Г.А. Гаджиев, О.Н. Горбунова, Е.Ю. Грачева, М.А. Гуревич, М.Д. Загряцкий, С.В. Запольский, М.В. Карасева, А.Н. Козырин, М.В. Кустова и другие;
нечеткое моделирование и кластеризация – К. Асаи, А.Н. Борисов,
Д.А. Вятченин, М.П. Деменков, Л. Заде, А.А. Крумберг, Н.В. Куркина,
А.В. Леоненков, А.С. Тараскина, С.Д. Штовба и другие;
- системы поддержки принятия управленческих решений – П.Г. Белов,
В.И. Горелов, В.С. Киреев, Б.Г. Литвак, А.В. Тебекин, В.С. Юкаева и другие.
Недостаточная изученность научной проблемы, необходимость развития налоговой системы за счет усовершенствования механизмов налогового управления и администрирования способствует в значительной мере повысить эффективность деятельности налоговой службы, что обусловило выбор темы исследования, его цель и задачи.
Цель и задачи работы. Целью работы является повышение эффективности принимаемых в условиях неопределенности управленческих решений для налоговой службы с использованием методов искусственного интеллекта и интеллектуального анализа данных.
Для достижения указанной цели в работе поставлены и решены следующие задачи:
выполнить анализ процессов деятельности Федеральной налоговой службы (ФНС России) на территориальном уровне;
проанализировать существующие подходы, методы и информационные системы налоговых органов, применяемые для принятия и обоснования управленческих решений;
разработать математическую модель интеллектуальной поддержки принятия эффективных управленческих решений;
создать интеллектуальный механизм распределения налогоплательщиков по категориям внимания;
смоделировать процесс прогнозирования налоговых поступлений налогоплательщиков от каждой выделенной категории внимания;
разработать модель информационной управленческой системы для налоговой службы;
разработать нейросетевую модель для планирования камеральных и выездных проверок в налоговой инспекции;
разработать и реализовать экспертную систему интеллектуальной поддержки принятия управленческих решений для налоговой службы.
Научная новизна работы заключается в том, что:
разработана новая модель информационной управленческой системы для налоговой службы, основанная на результатах объектного анализа и позволившая осуществить реинжиниринг управленческих и деловых процессов, протекающих в системе налогообложения;
получил дальнейшее развитие метод нечеткой кластеризации для
распределения налогоплательщиков по категориям внимания, что позволило повысить эффективность процесса принятия управленческих решений в подразделениях налоговой службы;
разработан программный модуль, осуществляющий интеллектуальную поддержку принятия эффективных управленческих решений в налоговой службе, который основан на объектной, математической и прогнозной модели;
разработана нейросетевая модель для планирования камеральных и выездных проверок в налоговой инспекции, рекомендованная для автономного использования, а также для применения в качестве модуля системы принятия управленческих решений;
создана экспертная система, осуществляющая поддержку принятия решений путем моделирования суждений на основе экспертных знаний и использующая в качестве методов обработки данных процедуры логического вывода и эмпирического поиска решений.
Объектом исследования являются системные связи и закономерности функционирования процессов управления в социально-экономической системе – налоговой службе.
Предметом исследования являются управленческие алгоритмы, методы и модели интеллектуальной поддержки управления в налоговой службе.
Практическая значимость работы заключается в следующем:
программная модель информационной управленческой системы в налоговой службе, позволяющая проводить ведение учета налогоплательщиков, распределяя их при этом на категории внимания с целью выявления группы мероприятий, а также прогнозирования сумм налоговых отчислений;
информационная управленческая система налоговой службы, рекомендуемая для практического использования в качестве универсального инструментария в налоговых организациях любого уровня для повышения эффективности управленческой деятельности;
экспертная система, рекомендуемая в качестве средства обработки данных, применяющая процедуры логического вывода и осуществляющая поддержку принятия управленческих решений руководителями налоговых органов.
Практическое использование. Практическое использование полученных научных результатов в коммерческих организациях подтверждается актами о внедрении. Результаты работы использованы при организации и реализации учебного процесса на кафедре прикладной информатики Государственного автономного образовательного учреждения высшего образования города Москвы «Московский городской педагогический университет» (ГАОУ ВО
МГПУ).
Получено свидетельство о государственной регистрации программы для ЭВМ №2017661766 на разработанную программу для ЭВМ «Программа для интеллектуальной поддержки принятия эффективных управленческих решений в налоговой службе».
Методология и методы исследований. В диссертационной работе для проведения исследований и практических разработок были использованы: разработки отечественных и зарубежных ученых в сфере управления процессами в налоговой службе, методы объектного анализа, нечеткой кластеризации, прогнозирования, проектирования информационных систем и нечеткого моделирования.
Положения, выносимые на защиту.
-
Информационные модели управленческих процессов и модели базы данных информационной управленческой системы для налоговой инспекции.
-
Математическая модель распределения налогоплательщиков по категориям внимания, полученная в результате применения нечеткой кластеризации, а также адаптированные алгоритмы кластеризации, с-средних и Густафсона-Кесселя, которые носят универсальный характер и позволяют упростить обработку данных в ФНС России территориального уровня.
-
Функциональная модель информационной управленческой системы для налоговой службы.
-
Нейросетевая модель для планирования камеральных и выездных проверок в налоговой инспекции.
-
Экспертная система, осуществляющая интеллектуальную поддержку принятия управленческих решений, и в качестве методов обработки данных применяющая процедуры нечеткого логического вывода.
Степень достоверности и апробация результатов. Уровень
обоснованности и достоверности результатов, полученных в ходе
диссертационного исследования, обеспечивается высокой степенью совпадений теоретических выводов с результатами экспериментов, соотнесением их с полученными другими авторами результатами, а также апробацией на научных конференциях и практическим внедрением разработанных алгоритмов, моделей и методов управления.
Основные научные положения, полученные в результате проведения диссертационного исследования, опубликованы, докладывались и обсуждались на 11 международных научно-практических конференциях в 2009-2017 годах (позиции 5-12, 17, 19, 20 списка публикаций автора), а также на научных семинарах и заседаниях кафедры прикладной информатики ГАОУ ВО МГПУ.
Публикации. Основные положения диссертационного исследования отражены в 21 печатной работе. Из них 3 статьи представлены в изданиях, которые включены в перечень научных журналов, рекомендованных ВАК.
Личный вклад. Все основные идеи, положения, теоретические и практические разработки, иные результаты диссертационной работы, выносимые на защиту, получены автором самостоятельно.
Соответствие паспорту специальности. Содержание диссертационной
работы соответствует паспорту специальности 05.13.10 – «Управление в
социальных и экономических системах»: п. 6 «Разработка и совершенствование
методов получения и обработки информации для задач управления социальными
и экономическими системами»; п. 10 «Разработка методов и алгоритмов
интеллектуальной поддержки принятия управленческих решений в
экономических и социальных системах»; п. 11 «Разработка методов и алгоритмов прогнозирования оценок эффективности, качества и надежности организационных систем».
Структура работы. Диссертационная работа состоит из введения, четырех глав, заключения, списка литературы и приложений. Основной текст диссертации изложен на 152 страницах и содержит 49 рисунков, 23 таблицы. Список библиографических документов, использованных при работе над темой, содержит 119 наименований отечественной и зарубежной литературы.
Анализ использования информационных систем и технологий для поддержки управленческой деятельности в налоговой службе
Первостепенной задачей ФНС является информатизация налоговых подразделений. Для ее решения необходимо применение современных информационных технологий, предполагается разработка информационных систем, эффективно автоматизирующих деятельность налоговых инспекций и поддерживающих принятие управленческих решений.
Информационные системы используют весь набор показателей, документов, классификаторов, кодов, методов их применения в налоговых инспекциях. Информационная система должна использовать актуальную и полную информацию для реализации своих функций, иметь современные системы кодирования, применять общие классификаторы и качественно организованные базы данных, формировать выходную отчетность в виде, удобном для восприятия сотрудниками ФНС.
При создании современных структурных подразделений ФНС им была передана технология деятельности финансовых организаций, имеющая следующие показатели:
- сбор информации о налогоплательщиках при личном контакте налогового инспектора с ними;
- ручная обработка информации и хранение ее только на бумажных носителях;
- отсутствие регламентов для большинства процедур по сбору налогов;
- стихийно развивающаяся информационная система.
Долгое время автоматизация деятельности ФНС реализовывалась через оснащение персональными компьютерами и принтерами, применение стандартных офисных программ, разрозненных СУБД, не способных обрабатывать значительные объемы информации. Такая автоматизация была возможна лишь в условиях незначительного числа налогоплательщиков. С развитием ФНС возникла необходимость создания концептуальных решений разработки информационных систем для региональных и муниципальных налоговых подразделений со специальным составом технических средств, и прикладного программного обеспечения [23].
Создание и реализация автоматизированных информационных систем (АИС) на нижних уровнях ФНС долгое время выполнялись в соответствии с местными регламентирующими документами и нормативными актами, что затрудняло создание единого информационного пространства и интеграцию между собой и с АИС «Налог».
Внедрение интегрированных информационных систем для налоговых инспекций территориального уровня предполагает:
- автоматизацию деятельности по учету налогоплательщиков и налоговых поступлений;
- информационное взаимодействие всех инспекций между собой и с внешними информационными системами;
- оптимизация человеческих ресурсов, занятых рутинной и бумажной работой;
- рост производительности труда;
- быстрота и качество учета, анализа и прогнозирования налоговых поступлений.
Повышение эффективности сбора налогов и платежей реализуется за счет внедрения безбумажных информационных технологий и средств автоматизации, направленных на:
- снижение общей численности персонала налоговой инспекции, занятых вводом и обработкой данных;
- ориентация деятельности персонала на аспектах налогового администрирования, которые требуют личных встреч с налогоплательщиками;
- уменьшение влияния пиковых нагрузок на качество деятельности налоговых инспекций; - повышение качества и эффективности камеральных и выездных налоговых проверок.
В настоящее время в нашей стране осуществляется широкомасштабный перенос основного объема функций сбора и обработки электронных документов в Многофункциональные центры «Мои документы», где преимущественно используют сканерные технологии ввода данных с бумажных носителей, что повышает эффективность деятельности налоговых инспекций.
Для автоматизации деятельности подразделений ФНС некоторое время применялась АИС «Налог» для решения задач сбора и преобразования данных в налоговых инспекциях. Заметим, что задачи автоматизации управленческих процессов и процессов принятия решений налоговой службы перед системами, подобными АИС «Налог», не ставились.
Недостаточный уровень инфокоммуникационных технологий, отсутствие единых систем информационной безопасности, слабость алгоритмов и методов информационного обмена как внутри АИС для ФНС, так и с внешними АИС, невозможность комплексной обработки данных, хранящейся в различных базах, растущие требования к деятельности по учету налогоплательщиков и оперативности сбора налогов и платежей привели к резкому росту нагрузки на сотрудников налоговых подразделений, и сделали существующую АИС «Налог» неспособной в полном объеме выполнять свои функции.
На уровне субъектов РФ создаются различные функциональные подсистемы АИС подразделений ФНС. Наиболее полезными для управления можно считать подсистемы:
- ввода, хранения и вывода показателей;
- управления;
- определения обобщенного показателя эффективности деятельности инспекции;
- прогнозирования поступлений налогов и платежей;
- макро- и микроэкономического анализа;
- поддержки методической деятельности;
- юридического информирования [22-23].
На смену различным программным комплексам с позадачным принципом построения для налоговой системы необходима комплексная автоматизированная система, которая представляет собой интеллектуальную систему в однородном информационном пространстве с единой политикой, с централизованными на федеральном уровне информационными ресурсами и стратегией развития информационной безопасности и информационной инфраструктуры.
Начиная с 2013 г. ФНС России разрабатывает и поэтапно внедряет новую автоматизированную информационную систему «Налог-3» [28].
АИС «Налог-3» - единая информационная система ФНС России, автоматизирующая основные функции ФНС в соответствии с Положением о Федеральной налоговой службе, утвержденным постановлением Правительства Российской Федерации от 30.09.2004 № 506. В частности, автоматизированы ввод, обработка, вывод данных и анализ информации, формирование и обработка статистических сведений и данных, которые необходимы для поддержки принятия управленческих решений в сфере полномочий ФНС России и передачи информации внешним потребителям.
АИС «Налог-3» реализует решение следующих задач:
- прозрачность отчетности налоговых подразделений для налогоплательщика за счет упрощения процедуры его взаимодействия с ФНС и перевода сопутствующей документации в электронную форму;
- создание единого информационного хранилища, и подключение ФНС к новым внешним базам данных;
- гарантированное выполнение регламентированных функций налогового администрирования, соблюдение качества и сроков их реализации;
- уменьшение издержек налогового администрирования за счет реализации и внедрения единой информационной системы обработки данных, поступающих в налоговые инспекции;
- развитие средств и систем информационного взаимодействия ФНС с ФОИВ и органами местного самоуправления;
- выполнение контроля над налоговой деятельностью налогоплательщика путем применения единого и надежного ресурса, содержащего все данные о конкретном субъекте, в том числе информацию, позволяющую оперативно выявлять признаки ухода от уплаты налогов;
- возможность автоматизированного мониторинга деятельности подразделений ФНС со стороны руководства;
- рост качества и эффективности принятия управленческих решений, выполнение анализа и прогнозирования налоговых поступлений с учетом макроэкономических показателей и внешних факторов;
- снижение трудозатрат сотрудников налоговых инспекций на сбор, ввод, обработку и контроль формирования налоговой отчетности;
- переход от количественного к качественному анализу деятельности налоговых инспекций и налоговой базы;
- возможность внутреннего аудита результатов деятельности сотрудников ФНС России [22].
Адаптация алгоритмов с-средних и Густафсона-Кесселя для интеллектуальной обработки информации в подразделении налоговой службы – налоговой инспекции
Задача кластерного анализа заключается в распределении множества налогоплательщиков А по кластерам (категориям) с «схожих» между собой объектов. Метод нечеткой кластеризации позволяет каждому объекту одновременно принадлежать нескольким или всем кластерам, но с разной степенью принадлежности. Число кластеров с считается заранее известным.
Множество объектов кластеризации представляет собой конечное множество элементов A={ci], ci2, ..., а„}, где зг налогоплательщик, и конечное множество признаков P={pi, Р2, , Pq}, каждый из которых представляет характеристику элементов количественно исследуемой области. При этом общее количество налогоплательщиков определяет натуральное «, а общее количество измеряемых признаков налогоплательщиков - натуральное q.
Для каждого налогоплательщика все признаки Р измерены в некоторой количественной шкале. Тем самым некоторый вектор xi={x\,x12, ...,xq) поставлен в соответствие каждому из элементов а. є А, где х количественное значение признака pt є Р для объекта данных at є А.
Допускаем, что все х) имеют некоторые действительные значения, т.е. х) є R
Векторы значений признаков х1={х\,х12, ..„х1 представим в виде матрицы данных X размерностью (nxq), каждая строка которой равна значению вектора xt.
Кластерная структура задана матрицей принадлежности // размерностью схп, цА(а{) - степень принадлежности а, -го элемента &-му кластеру, с количество кластеров.
Причем матрица принадлежности для условий управления налоговой службой должна удовлетворять следующим ограничениям: а) \іАк(аі)є[0,і\к = Тс,і = Тп; б) X \іАк(аі) = 1, - каждый налогоплательщик должен быть к = 1 распределен между всеми кластерами; в) 0 X \iA(a{) \ - ни один кластер не должен быть пустым или i = l содержать всех налогоплательщиков.
Далее введем в рассмотрение центры Vk для каждого искомого нечеткого кластера, которые рассчитываются по каждому из признаков для каждого из нечетких кластеров и по следующей формуле где те(1, оо) -экспоненциальный вес, равный действительному числу (ти 1).
Для оценки качества разбиения налогоплательщика по категориям влияния используем критерий разброса, который показывает сумму расстояний от объектов до центров кластеров с соответствующими степенями принадлежности
С целью определения количества кластеров проведем кластеризацию другими методами, не требующими на входе определения количества кластеров и позволяющими определить их количество. На основании исходных данных о деятельности налогоплательщиков выполнена кластеризация методом -средних, выполненном в пакете Statistica, результаты которой представлены на рисунке 2.4 и свидетельствуют о том, что для данной выборки существует только три кластера, категории внимания, на которые будут распределены налогоплательщики.
Для реализации алгоритма с-средних воспользуемся специальной компьютерной программой, представляющая собой интегрированную программную среду для выполнения численных расчетов и предназначенную для нечеткого моделирования, охватывающую классическую и современную области математики – Matlab [55,69-83].
Выполненная реализация представлена рисунке 2.5, на которой отображены исходные данные, программный код нечеткой кластеризации и визуализация полученных результатов.
Алгоритмы кластеризации принуждают данные приобретать несвойственную им структура, что может в дальнейшем привести к неоптимальным результатам [58]. Для преодоления этого недостатка выделим алгоритм Густафсона-Кесселя, использующий для каждого кластера адаптивную норму, в итоге у каждого /-го кластера есть своя норм-порождающая матрица.
Результатом является оптимизация матриц нечеткого разбиения и координат центров кластеров и, а также норм-порождающие матрицы всех кластеров, что позволяет получать кластеры разной геометрической формы [59].
Алгоритм Густафсона-Кесселя состоит из следующих итеративных шагов.
Шаг 1. Генерирование матрицы нечеткого разбиения.
Задаем следующие значения:
- количество искомых нечетких кластеров, или - количество категорий внимания с = 3;
- максимальное количество итераций алгоритма s = 100;
- параметр сходимости алгоритма є = 0,00001;
- экспонентный вес расчета целевой функции и центров кластеров /77 = 2.
Эксперт задает матрицу данных Х в зависимости от нечеткого разбиения на с нечетких кластеров, описывающихся совокупностью функций принадлежности \xk (аі).
Для определения экспертом того, к какой категории внимания относится налогоплательщик, существует семнадцать признаков. Выделяем из них восемь основных, которые в наибольшей мере характеризуют деятельность налогоплательщика (таблица 2.2).
Анализируя полученные результаты, можно сделать вывод о том, что оба алгоритма адекватны и кластеризация проведена успешно для задачи распределения налогоплательщиков по категориям внимания.
Алгоритм Густафсона-Кесселя получил дальнейшее развитие в программной его реализации, которая представлена в 4 главе диссертации.
Следует отметить, что результаты кластеризации являются промежуточными, выполняющие структурирование информации в множестве исходных данных. Описанных выше алгоритмы легли в основу программного модуля по распределению налогоплательщиков по категориям внимания для осуществления поддержки принятия управленческих решений в налоговой инспекции.
Разработка информационной структуры и проектирование информационной управленческой системы для налоговой инспекции
CA ERwin Data Modeler позволяет представить модель как на логическом, так и на физическом уровне. На логическом уровне данные представлены таким же образом, как и в действительности, и могут иметь такие же имена. Объекты модели называются сущностями и атрибутами на этом уровне моделирования. Логическая модель данных является универсальной и не имеет ничего общего с конкретной СУБД. Основными элементами модели в CA ERwin Data Modeler являются сущности, атрибуты и связи. Для облегчения процесса создания моделей данных в CA ERwin Data Modeler реализованы подмножества модели (Subject Area), позволяющие объединять сущности с общей тематикой. Данные о разработанных предметных областях (Subject Area) и их определения представлены в таблице 3.1.
В диссертационной работе для предметной области «Деятельность налоговой инспекции по учету и контролю налогоплательщиков» реализованы и представлены четыре модели базы данных, а для предметных областей «Организация камеральных и выездных проверок» и «Анализ и прогнозирование деятельности налоговой инспекции» представлены только полная атрибутивная и трансформационная модели базы данных.
Данные о сущностях, входящих в предметную область «Деятельность налоговой инспекции по учету и контролю налогоплательщиков», и их определения отражены в таблице 3.2.
Данные о выявленных связях между сущностями для предметной области «Деятельность налоговой инспекции по учету и контролю налогоплательщиков» представлены в таблице 3.3.
Диаграмма сущность-связь (ER-диаграмма) отражает взаимосвязи основных сущностей без какой-либо детализации. Используется обычно, когда требуется обсудить структуру данных экспертами в этой предметной области. Модель данных, основанная на ключах (KB-модель), описывает все созданные сущности, их первичные и внешние ключи.
В ходе анализа предметной области для выбора первичных и внешних ключей сущностей были определены следующие закономерности:
- Каждый налогоплательщик обладает уникальным кодом;
- Каждый налогоплательщик имеет ВЭД налогоплательщика;
- Каждый ВЭД налогоплательщика имеется у налогоплательщика;
- Каждый ВЭД налогоплательщика обладает уникальным кодом;
- Каждый ВЭД налогоплательщика содержится в классификаторе ОКВЭД;
- Каждый классификатор ОКВЭД содержит ВЭД налогоплательщика;
- Каждый классификатор ОКВЭД обладает уникальным кодом;
- Каждому налогоплательщику соответствует отчисления налоговому агенту;
- Каждое отчисление налоговому агенту соответствует налогоплательщику;
- Каждое отчисление налоговому агенту выполняется налоговым агентом;
- Каждый налоговый агент выполняет отчисления налогового агента;
- Каждое отчисление налогового агента обладает уникальным кодом;
- Каждый налоговый агент обладает уникальным кодом;
- Каждый налогоплательщик обслуживается в налоговой инспекции;
- Каждая налоговая инспекция обслуживает налогоплательщика;
- Каждая налоговая инспекция обладает уникальным кодом;
- Каждый налогоплательщик осуществляет лицензионные отчисления;
- Каждые лицензионные отчисления осуществляются налогоплательщиком;
- Каждые лицензионные отчисления обладает уникальным кодом;
- Каждый налогоплательщик осуществляет таможенные отчисления;
- Каждые таможенные отчисления осуществляются налогоплательщиком;
- Каждые таможенные отчисления обладают уникальным кодом;
- Каждый налогоплательщик осуществляет движение по банковскому счету;
- Каждое движение по банковскому счету осуществляется налогоплательщиком;
- Каждое движение по банковскому счету обладает уникальным кодом;
- Каждое движение по банковскому счету осуществляется на банковском счете налогоплательщика;
- Каждый банковский счет налогоплательщика осуществляет движению по банковскому счету;
- Каждый банковский счет налогоплательщика обладает уникальным кодом;
- Каждый налогоплательщик имеет объект налогообложения недвижимого имущества;
- Каждый объект налогообложения недвижимого имущества имеется у налогоплательщика;
- Каждый объект недвижимого имущества обладает уникальным кодом;
- Каждый объект недвижимого имущества регистрирует в недвижимом имуществе;
- Каждое недвижимое имущество регистрирует объект недвижимого имущества;
- Каждое недвижимое имущество обладает уникальным кодом;
- Каждый налогоплательщик имеет объект налогообложения движимого имущества;
- Каждый объект налогообложения движимого имущества имеется у налогоплательщика;
- Каждый объект движимого имущества обладает уникальным кодом;
- Каждый объект движимого имущества регистрирует в движимом имуществе;
- Каждое движимое имущество регистрирует объект движимого имущества;
- Каждый объект движимого имущества обладает уникальным кодом.
Существуют следующие требования к выбору первичных ключей сущностей:
- не могут принимать неопределенных значений атрибуты первичного ключа;
- должны однозначно идентифицировать атрибуты первичного ключа экземпляр сущности;
- должно быть минимальным количество атрибутов в первичном ключе.
Далее была сформирована KB-модель, представленная на рисунке 3.10.
Реализация процедур поддержки принятия решений с использованием экспертной системы
Процесс управления представляет целенаправленное воздействие субъекта управления на объект управления посредством последовательной реализации функций управления, которые направлены на достижение поставленных целей организации и может в целом рассматриваться как процесс принятия управленческих решений. Таким образом, имеет место взаимосвязь функций управления и процедур принятия решений, являющиеся трудноотделимыми друг от друга видами управленческой деятельности.
Степень неопределенности в проблеме управления системой в налоговой инспекции существенна, так как многие факторы носят нечеткий характер. Именно по этой причине для получения эффективных управленческих решений в работе предложено построение экспертной системы, применяющую в качестве методов обработки данных применяющая процедуры логического вывода.
Модель процесса разработки и принятия управленческих решений в налоговой инспекции, которая основана на применении теории нечеткого вывода, позволяющая своевременно реагировать на изменяющиеся условия внутренней и внешней среды представлена на рисунке 4.16.
Методологический подход к формированию методики поддержки управленческих решений в налоговой инспекции, в основу которого положен инструментарий нечеткой логики, может быть представлен состоящим из шести основных этапов [113-119].
I этап. Заключается в определении набора показателей, достоверно отражающих уровень эффективного управления в налоговой инспекции. На основе анализа деятельности налоговой инспекции можно выделить 3 группы основных процессов, каждый из которых в свою очередь характеризуется своим набором показателей и оценивается качественно и количественно. В таблице 4.2 отображены наиболее важные из них.
II этап. Выполняется определение лингвистических переменных. При моделировании системы управления деятельностью в налоговой инспекции для формирования базы знаний на основе методов нечеткой логики могут быть использованы оценки всех показателей и два терма для каждой переменной: Н – низкий уровень развития показателя, В – высокий уровень развития показателя (таблица 4.3).
III этап. Заключается в определении функций принадлежности. С целью снижения неопределенности необходимо построить функции принадлежности всех нечетких термов входящих и выходящих переменных, чтобы осуществлять адекватную классификацию уровней всех показателей.
Предварительно необходимо задать возможный диапазон входных факторов и результирующего показателя, в дальнейшем определяется общий вид функций принадлежностей нечетких термов всех переменных. Каждый терм лингвистической переменной, имеющей некоторое количество соответствующих термов, имеет свою функцию принадлежности, следовательно, необходимо выполнить детальную их интерпретацию. В таблице 4.3 представлены разбиения на термы входящих переменных.
V этап. Выполняется настройка параметров модели. Данную настройку необходимо осуществить, основываясь данных налоговой инспекции, имеющих низкий и высокий уровни важности. Эффективность управленческого решения существенно повышается в случае использования имеющегося статистического материала для оптимизации модели.
VI этап. Происходит генерирование управленческого решения. После того, как модель построена и ее параметры настроены, модель используют для поддержки принятия управленческих решений в налоговой инспекции, на основе рассчитанных входных показателей и экспертных суждений. Этот этап считается законченным, когда для исходной нечеткой переменной определены конечные количественные значения в форме некоторого действительного числа, для расчетов которого использован метод центра тяжести.
Это означает, что в этом случае (UKD = 0,5) показатель управление учетно-контрольной деятельностью не требует принятия управленческих решений. Применение данной экспертной системы позволяет получать эффективные управленческие решения, сформированное с использованием нечеткого вывода, непосредственно оказывающие влияние на систему управления налоговой инспекцией.
Функциональный алгоритм системы поддержки принятия управленческих решений состоит из последовательности действий и начинается от выбора и расчета входящих показателей и до получения управленческого решения в налоговой инспекции.
Реализация методики нечеткого вывода экспертной системы проведена с помощью инструментального средства MATLAB пакетом Fuzzy Logic Toolbox.
Постановка задачи сформулирована следующим образом: необходимо оценить уровень управления системой с выявлением обеспеченности ее возможностей для получения управленческих решений (рисунок 4.17). На первом этапе выполнения методики происходит формирование системы показателей, определяющих ее развитие и характеризующих состояние ситуации в зависимости от факторов. Для этого в работе было выделено 10 входящих показателей, отражающие управленческие процессы в налоговой инспекции.
Для каждого представленного входного показателя X1 (состояние бухгалтерского учета и отчетности в налоговом органе) на этапе определения функций принадлежностей процесс соотнесения данных и соответствующих областей допустимых значений представлен на рисунке 4.18, при этом он отражает создание двух нечетких термов «Низкий уровень развития» (Low), «Высокий уровень развития» (High) в диапазоне от 0 до 1 для каждой переменной. В качестве типа распределения в функциях принадлежности выбрана трапециевидная кривая согласно произведенной формализации.
Семантические пространства для остальных девяти входящих переменных (X2 – X10) формируются в той же форме.
На следующем шаге функционального алгоритма происходит определение выходящих переменных, в представленной модели их четыре, первые три соответствуют показателям системы: управление учетно-контрольной деятельностью (UKD), управление деятельностью камеральных и выездных проверок (KVP), управление аналитической и прогнозной деятельностью (APD), а четвертая формирует единое управленческое решение относительно уровня системы поддержки принятия управленческих решений (UPR).