کاربرد داده‌کاوی در بهبود فرایندهای مالیاتی: مرور ادبیات سیستماتیک و دسته‌بندی

نویسندگان

1 دانشجوی دکتری، گروه حسابداری، دانشکده مدیریت و حسابداری، واحد تهران مرکز، دانشگاه آزاد اسلامی تهران، ایران

2 استادیار، گروه حسابداری، دانشکده مدیریت و حسابداری، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران.

3 استادیار، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران

doi
10.22059/acctgrev.2022.331897.1008602
چکیده

هدف: با توجه به اهمیت استخراج دانش مفید از داده‌های مالیاتی و نقش مؤثر داده‌کاوی در این زمینه، هدف این پژوهش، مرور ادبیات جامع و نظام‌مند و ارائه گزارشی از وضعیت تحقیقات حوزه داده‌کاوی و مالیات، دسته‌بندی پژوهش‌های انجام‌شده و معرفی شکاف‌های تحقیقاتی و ارائه نقشه راهی برای محققان و علاقه‌مندان در این زمینه است.روش: جامعه آماری پژوهش، تحقیقات انجام‌شده در زمینه داده‌کاوی و مالیات، طی سال‌های 2000 تا 2021 بوده است. با مرور ادبیات جامع و نظام‌مندِ تحقیقات، از دیدگاه فرایندی، 4 فرایند و از دیدگاه حوزه‌های کاربردی مختلف، 7 زمینه مطالعه و بررسی شد. دسته‌بندی تحقیقات بر اساس چارچوب پیشنهادی انجام گرفت و تحلیل‌های مختلفی از منظر فرایندها، حوزه‌های کاربردی و روش‌های داده‌کاوی ارائه شد.یافته‌ها: نتایج این تحقیق نشان می‌دهد که فرایند بازرسی (آزمون) و حوزه کاربردی «انتخاب مبتنی بر ریسک برای حسابرسی مالیاتی» بیشترین حجم از تحقیقات را به خود اختصاص داده‌‌اند. محبوب‌ترین و پرکاربردترین تکنیک استفاده شده، «رده‌بندی و پیش‌بینی» بوده و الگوریتم‌های شبکه عصبی، درخت تصمیم و ماشین بردار پشتیبان نیز به‌ترتیب بیشترین کاربرد را داشته‌اند.نتیجه‌گیری: در زمینه‌های کاربردی هفت‌گانه، پتانسیل‌ خوبی برای پیاده‌سازی تکنیک‌های داده‌کاوی وجود دارد. رویکردهای مبتنی بر یادگیری انتقالی، یادگیری عمیق، تحلیل گراف و تحلیل کلان‌داده برای تحقیقات آتی پیشنهاد می‌شود. ارائه چارچوب‌های کاربردی بومی‌سازی شده برای سیستم‌ها و اداره‌های امور مالیاتی کشورهای مختلف و یکپارچه‌سازی منابع داده داخلی و خارجی اداره‌های امور مالیاتی و تحلیل آن، از خلأهای اصلی این حوزه است که می‌تواند اثربخشی ویژه‌ای ایجاد کند.