1. 研究目的与意义
近几年随着国家对于科技的高度重视和大力投入，带来科技水平的不断提高，在信息化网络的背景下，“互联网 ” 的模式应运而生，社会的各个领域开始重视大数据思维并不断努力尝试运用大数据促进自身更好的发展。而我国税收征管方式由'分人盯户'转向以风险管理为导向的转变，可以从中窥出大数据在税收风险管理工作中的作用日益重要，现在的税收管理不可能回到管户制的征管方式，更何况党的十八届三种全会也提出要建立起全社会发展以及信用等基础数据的统一平台，推进部门信息共享的模式，所以未来的方向是风险管理模式，而税收风险管理要拥有大数据思维，用数据推动税收风险管理工作展开，顺应时代发展的同时，促进工作职能方式更新与转型。但同时也不能忽视大数据时代为税收风险管理带来的挑战。目前,仍有部分税务工作人员的在税收风险管理观念上较为落后，无法做到有效整合并利用海量数据信息做好税收风险管理工作, 而第三方数据采集又缺乏制度和先进技术的保障,数据接口标准不统一,数据分析的深入性和系统性不足等问题增加税收工作中的涉税风险。因此，本文从分析我国大数据税收风险管理的必要性、紧迫性、可操作性出发, 结合欧洲委员会发布的税务机关风险管理指引、美国国内收入局大企业税收风险管理的业务体系以及世界各国政府及其税务部门运用大数据技术创新政府公共管理和服务的成功经验，从而通过分析各种因素进而思考在大数据背景下推进我国税收风险管理的路径和方式的相关建议。本文具有如下的理论意义和现实意义：
1.本文的理论意义
（1）关注大数据在税收风险管理机制中的发展过程，丰富相关领域的研究。目前，多数学者关注税收风险管理中大数据的浪费以及人员专业度不高的现实问题，缺乏对于税收风险运用大数据的现状以及发展进程问题的研究。本文将从大数据运用的开始到现在的过程进行在税收风险管理中运用大数据的必要性的分析，找到相关问题产生节点并联系实际，论证税收风险管理的可操作性，丰富目前对于该领域的研究。（2）通过分析现在大数据在社会各领域的运用，尤其在企业大数据的利用上，拓宽相关领域的文献。现有研究主要集中税务部门对于大数据的低效率运用已经专业人员的缺乏等问题上，忽略了大数据的源头-企业，缺乏辩证性看待问题眼光。本文将探究企业与税务部门之间数据的供给效率，以及企业和税务部门对于大数据的接口标准统一效率提高问题，丰富相关领域的文献。
2. 研究内容和预期目标
本文的研究内容包括三个方面：（1）大数据在税收风险管理上运用的必要性；第一，本文将利用社会各领域以及较为典型的运用大数据的案例进行剖析大数据运用带来的好处，以及运用大数据经验的可迁移性；第二，结合我国以往税收风险管理的机制，分析大数据的在税务风险管理上的运用基础和可利用之处；第三，借助国外成功运用大数据并取得较好成效的例子，进一步分析我国大数据在税收风险管理中的必然性。（2）大数据在税收风险管理上运用的紧迫性，结合当下我国税收风险管理的大数据运用情况，对比其他国家或地区发展进程，分析我国当下提高大数据在税收风险管理中效率的紧迫性，为提高税收风险管理中大数据运用效率的路径和方式提供建议。（3）大数据在税收风险管理上运用的可操作性，进行成功经验的迁移，提出具有可操作的建议。
本文拟解决的关键问题是提高大数据在税收风险管理上的应用效率：第一，明确大数据在税收征收管理上的必要性和紧迫性；第二，探索行之有效的提高大数据运用的效率的路径和方式。
本文共分为五部分，写作提纲：第一部分：引言和文献综述（1）背景分析以及研究意义（2）国外研究综述、国内研究综述（3）研究方法、研究思路和结构安排；第二部分：现状分析（1）大数据在各行业的成功运用，重点分析企业与税务部门数据对接的运用。（2）大数据在税收风险管理中的运用的探索以及现状。（3）国外大数据在税收管理方面的运用和成功经验；第三部分：大数据的供给效率分析（1）企业供给效率指标构建（2）税收风险管理大数据利用效率的构建；第四部分：实证分析（1）企业与税务部门大数据供给效率的实证分析（2）大数据供给效率低下的原因分析；第五部分：促进我国税收风险管理中大数据有效供给的政策建议。3. 国内外研究现状
国外研究现状：国外的大数据运用已经进入平稳期。谷歌公司率先于 2004 年提出一套分布式数据处理的技术体系，即谷歌分布式文件系统（Googlefilesystem，GFS）、分布式计算系统 MapReduce和分布式数据库 Big-Table，以较低成本很好地解决了大数据面临的困境，奠定了大数据技术的基础。受谷歌公司的启发，ApacheHa-doop 推出了分布式文件系统 HDFS、分布式计算系统MapReduce 和分布式数据库 HBase，并将其进行开源，这成为大数据技术开源生态体系的起点。2008年左右，雅虎最早在实际环境中搭建了大规模的 Hadoop 集群，这是Hadoop 在互联网公司使用最早的案例，后来 Hadoop 生态的技术渗透到互联网、电信、金融乃至更多的行业。2009年，加利福尼亚大学伯克利分校AMPLab 研发出Spark。Spark 经过 5 年的发展，正式替代了 Hadoop 生态中 MapReduce 的地位，成为新一代计算引擎。不过，2013 年纯计算的 Flink 诞生，对 Spark 发起了挑战。2014 年之后大数据技术生态的发展就进入了平稳期。
欧洲委员会于2006年2月发布了《税务机关风险管理指引》，为各国税务机关开展风险管理提供了一个标准范本。而美国国内收入局（IRS）总体上是参照标准范本设计风险管理体系，并对组织机构、业务体系等进行了较为全面的改革。1998年，IRS按照纳税人类别对组织机构进行了重组，分设了工薪和个人投资管理局、中小企业管理局、大企业和国际税务管理局。各局按照风险管理的技术方法，结合工作经验和管理实践建立了较为适宜的业务模式和体系。其中，大企业管理局将风险管理的技术方法与传统的税务审计相结合，建立了风险识别、风险分析、风险评估、风险应对、反馈提高的业务流程。超过 80%的联邦税收收入通过计算机系统实现电子申报和缴纳。美国国内收入局（IRS）的分析师运用数据分析系统（DAS），可以同时选取并分析数百万甚至上亿个申报数据。通过观察数据走势、模拟环境和优化数据模型等方式选取审计案例。在英国，皇家税务与海关总署（HMRC）的分析师使用高端软件程序 Connect 来识别和显示风险。数据收集和分析功能能够排除地方差异的影响，揭示出全国性的趋势和规律，使分析师轻松进行风险识别和排序。澳大利亚国家税务局（ATO）的税源监控平台与银行、保险、海关等部门可自动进行信息交换、实现交叉稽核，并自动使用风险过滤器对所有大企业进行一年两次的筛选。一旦风险过滤器筛选出风险目标，这些潜在高风险纳税人就会进入选案程序，由高级技术专家进行分析，运用他们的专业知识来预测潜在风险发生的可能性以及产生的后果。
我国研究现状：目前国内研究大多聚焦于税收风险管理的大数据无法有效整合以及专业人员的缺乏上，忽视大数据的起源分析以及税收风险管理的大数据运用的探索过程，而
4. 计划与进度安排
019-11-10至2022-11-28 查找资料，寻求并汇总数据。思考论文大致提纲，整理完成开题报告的撰写，总结成文，上交导师等待指导意见；
2022-02-10至2022-03-10 完成初稿，并交与导师审核；
2022-04-01至2022-04-15 完成论文修改、定稿、外文文献翻译工作；
5. 参考文献
[1] 肖玉峰.大数据在税收风险管理中的实践探析[J].税务研究,2018(05): 123-127.
[2] 刘碧玲.大数据时代下的税收风险管理[J].纳税,2018(09):27.
[3] 刘磊,钟山.试析大数据时代的税收管理[J].税务研究,2015(1).
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
