На правах рукописи

КОСАРЕВ ИЛЬЯ МИХАЙЛОВИЧ

РАЗРАБОТКА ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ АНАЛИЗА НАЛОГОВЫХ ПОСТУПЛЕНИЙ В РЕГИОНАЛЬНЫЕ И МЕСТНЫЕ БЮДЖЕТЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

Москва – 2015

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙАНАЛИЗ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ОБЛАСТИ ОБРАБОТКИ СТАТИСТИЧЕСКОЙ ИНФОРМАЦИИ О НАЛОГОВОЙ БАЗЕ СУБЪЕКТОВ РОССИЙСКОЙ ФЕДЕРАЦИИ И МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ

1.1. Современные инструменты и методы для анализа больших объемов данных

1.2. Анализ предметной области

Выводы

ГЛАВА 2. РАЗРАБОТКА МЕТОДОЛОГИЧЕСКИХ ПОДХОДОВ К ПРОЕКТИРОВАНИЮ ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ АНАЛИЗА НАЛОГОВОЙ БАЗЫ СУБЪЕКТОВ РОССИЙСКОЙ ФЕДЕРАЦИИ И МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ

2.1. Источники и инструменты обработки исходных статистических данных

2.2. Организация структуры учета сведений на основе технологий OLAP и хранилищ данных

2.3. Описание информационно-аналитической системы

Выводы

ГЛАВА 3. ИССЛЕДОВАНИЕ НАЛОГОВОЙ БАЗЫ СУБЪЕКТОВ РОССИЙСКОЙ ФЕДЕРАЦИИ И МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ С ИСПОЛЬЗОВАНИЕМ ИАС «НАЛОГИ РФ»

3.1. Анализ динамики совокупных налоговых поступлений субъектов Дальневосточного федерального округа

3.2. Исследование налоговой нагрузки субъектов Российской Федерации

3.3. Анализ метода прогнозирования совокупных налоговых поступлений по цепным темпам роста

3.4. Рейтинговая оценка субъектов Российской Федерации по степени активности в наращивании собственных налоговых доходов бюджетов

3.5. Выявление предполагаемых зависимостей между налоговыми поступлениями и социально-экономическими показателями

Выводы

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ А

ПРИЛОЖЕНИЕ Б

 

ВВЕДЕНИЕ

Актуальность темы диссертации. При анализе налоговых поступлений в бюджеты субъектов Российской Федерации и местные бюджеты используются данные форм статистической налоговой отчётности № 1-НМ «Начисление и поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет Российской Федерации», № 1-НОМ «Начисление и поступление налоговых платежей в бюджетную систему Российской Федерации по основным видам экономической деятельности» и № 4-НМ «Отчёт о задолженности по налогам и сборам, пеням и налоговым санкциям в бюджетную систему Российской Федерации». Однако на основании этих статистических данных нельзя получить полную картину о налоговой базе регионов и муниципальных образований, характеризующей состояние экономики и качество проводимой налоговой политики на региональном уровне. Для выявления причинно-следственных связей используются социально-экономические показатели развития регионов, сведения о которых содержатся в базе данных Федеральной службы государственной статистики.

В то же время, различия в содержании и структуре статистической информации, предоставляемой разными ведомствами, негативно влияют на скорость обработки, качество и достоверность получаемых результатов. Проблемы возникают при выявлении взаимосвязи налоговых поступлений и социально-экономических показателей развития регионов, определении степени неравномерности налоговых поступлений в разрезе регионов и величины вклада вида экономической деятельности в формирование налоговых доходов бюджетов субъекта Российской Федерации и местных бюджетов и т.д. Кроме того, при проведении расчётов в исходных формах статистической налоговой отчётности могут частично или полностью отсутствовать необходимые данные, что негативно сказывается на достоверности анализа.

Современные информационные системы позволяют предоставлять актуальную и достоверную статистическую и аналитическую информацию пользователям с учётом их потребностей. Для проведения статистических и аналитических расчётов по статистическим данным из двух и более разных источников используются такие программные инструменты, как Microsoft Excel, Statistica, SPSS, и другие пакеты для обработки статистических данных. Однако далеко не все инструменты предоставляют возможность оперативной обработки и анализа исходных статистических данных в случае обновления или актуализации информации, особенно, если речь идёт о расчётах с использованием данных «Налоговая статистика»[1] и их объединении с данными из «Центральной базы статистических данных» (ЦБСД)[2]. В связи с большим объёмом исходных статистических данных такие операции, как сбор, обработка и анализ статистических данных об экономике и налоговой базе 85 субъектов Российской Федерации, включая муниципальные образования, сопряжены с необходимостью исключения человеческого фактора из-за вероятности возникновения ошибок и увеличения временных затрат на сбор и обработку данных.

С учётом выше изложенного, проблема разработки специализированной информационной системы, позволяющей агрегировать и оперативно обрабатывать различные по структуре и составу исходные статистические данные об экономике субъектов Российской Федерации и муниципальных образований и налоговых поступлениях в их бюджеты, является актуальной.

Степень научной разработанности темы. Институциональный анализ взаимодействия государства и экономических агентов, включая особенности налоговых отношений, проделан в работах таких зарубежных и отечественных учёных, как А.А. Аузан, И. Бентам, Дж. Бреннан, Г.Б. Клейнер, Г.В. Колесник, Р.М. Нуреев, Д. Норт, А.Н. Олейник, Дж. Ролз, Д.Е. Сорокин, В. Оутс и др. Однако в их работах упор делается на особенности функционирования экономики на макро- и микроуровнях без акцентирования внимания на совершенствовании статистических методов анализа процессов и явлений, протекающих на мезоуровне. Вопросы применения статистических методов для анализа социально-экономических показателей развития регионов поднимались в работах Л.М. Григорьева, Н.В. Зубаревич, Г.Р. Хасаева, в то же время, в их трудах налоговым проблемам развития территорий уделено недостаточно внимания. Исследование налоговой базы субъектов Российской Федерации и муниципальных образований широко представлено в работах Е.В. Бушмина, Е.С. Вылковой, В.В. Гусева, Л.Л. Игониной, Е.Е. Ермаковой, В.Н. Кашина, А.П. Киреенко, В.А. Красницкого, Л.Н. Лыковой, В.Г. Панскова, А.Б. Паскачева, И.А. Перонко, М.Р. Пинской, А.Б. Починка, Н.Н. Тюпаковой, Е.Б. Шуваловой Указанные авторы исследуют статистическую налоговую отчетность, не углубляясь в проблемы обработки и агрегирования данных об исполнении региональных и местных бюджетов.

Применение информационных технологий для анализа налоговых поступлений в региональные и местные бюджеты представлено в работах Е.В. Астафьевой, С.А. Баканова, А.Г. Казьмина, М.В. Мишустина, В.В. Морозова, И.В. Оробинской, М.М. Подлесных, Н.Ф. Полякова, Г.Л. Поповой, О.А. Родионовой, А.В. Скляра, Д.А. Смирнова, Я.А. Филипсон, Д.Г. Черника, А.М. Шифмана. В своих расчётах они используют различные программные решения, в частности SPSS, Statistica, Stat Graph Plus, MDX Эксперт, Microsoft Excel и др., хотя эти инструменты не оптимизированы для работы с различными по составу и структуре статистическими данными.

Е.В. Астафьева, С.А. Баканов, Г.Л. Попова в своих исследованиях базируются на статистической информации, полученной в ходе использования информационных систем, построенных на OLAP-технологиях: ЦБСД, ЕМИСС[3], «Налоговая статистика». Тем не менее, при структуризации информации они используют эти технологии совместно с программными инструментами (Microsoft Excel, Statistica, SPSS и др.), и при применении данного подхода к структуризации и анализу информации проблемы устранения различий в размерности и структурах получаемой информации, приводящие к образованию дополнительных трудностей при выполнении расчётов, остаются.

Целью работы является решение научной задачи разработки и реализации новых методик и алгоритмов повышения оперативности обработки и агрегирования статистических данных о социально-экономических показателях регионов и налоговых поступлениях в региональные и местные бюджеты, которые формируются из разных источников, различны по составу и структуре, и обеспечивают поддержку принятия решений при выработке региональной налоговой политики.

         Для достижения поставленной цели должны быть решены следующие задачи:

1. Проанализировать информационные технологии обработки статистических данных, поддерживающие работу с данными о социально-экономических показателях и о налоговых поступлениях, а также выявить недостатки существующих подходов к реструктурированию исходных статистических данных.
2. Разработать перечень принципов, удовлетворяющих требованиям системного анализа налоговых поступлений региональных и местных бюджетов, и перечень требований для проектирования комплекса программных средств, необходимых для анализа экономики субъектов Российской Федерации и муниципальных образований.
3. Разработать информационную модель хранилища статистических данных о социально-экономических показателях и налоговых поступлениях в региональные и местные бюджеты, позволяющую оперативно производить статистические и аналитические вычисления над исходными данными о социально-экономических показателях и о налоговых поступлениях.
4. Определить перечень кубов оперативной аналитики (On-Line Analytical Processing – OLAP) и их параметры для анализа социально-экономических показателей регионов и налоговых поступлений, способные оперативно предоставить статистическую и аналитическую информацию, обеспечивающую поддержку принятия решений при выработке региональной налоговой политики.
5. Разработать методики и алгоритмы для обработки и реструктурирования исходных статистических данных, поддерживающих работу с данными о социально-экономических показателях и о налоговых поступлениях, с целью повышения репрезентативности выборки, оперативности и достоверности вычислений, интерактивности реализованной программы, и обеспечивающей эффективное преобразование количественной информации в качественную, способствующую поддержке принятия решений.
6. Разработать и реализовать модель базы данных для хранения и оперативной обработки данных, разработать алгоритмы, методики в виде программного средства для реструктурирования, обработки и ввода статистических данных в базу данных.
7. Разработать и реализовать методики и алгоритмы для интерактивного анализа социально-экономических показателей и налоговых поступлений в разрезе регионов России в виде специализированной программы.
8. Проанализировать экономику субъектов Российской Федерации и муниципальных образований и налоговые поступления в их бюджеты путём практической реализации разработанных методик и программных средств на реальных статистических данных, и сформулировать предложения, обеспечивающие поддержку принятия решений при выработке региональной налоговой политики.

Объектом исследования выступает экономика субъектов Российской Федерации и муниципальных образований.

Предметом являются социально-экономические процессы и явления, способствующие формированию налоговых поступлений в бюджеты субъектов Российской Федерации и муниципальных образований.

Область исследования. Работа выполнена в соответствии со следующими пунктами паспорта специальности 08.00.13: п. 1.5; п. 2.3; п. 2.5; п. 2.6.

Теоретическую и методологическую основу исследования составили труды ведущих отечественных и зарубежных учёных в области системного анализа, эконометрики, математического моделирования и прогнозирования, налогов и налогообложения, включая статистический анализ и прогнозирование налоговых поступлений в региональные и местные бюджеты.

         Методология диссертационной работы основана на философских и общенаучных принципах (объективности, системности, всесторонности, единства теории и практики). При проведении исследования и изложения материала применялись общие и частные методы познания: индукция и дедукция, анализ и синтез, аналогия, наблюдение, описание и обобщение, факторный анализ, корреляционно-регрессионный анализ и др.

         Информационно-эмпирической базой исследования являются материалы и официальные статистические данные Федеральной государственной статистики Российской Федерации, Министерства финансов Российской Федерации, Федеральной налоговой службы, информация, опубликованная иными государственными органами власти Российской Федерации и органами местного самоуправления, в открытых источниках, материалы монографий, научных статей и ресурсов глобальной информационной сети Интернет по исследуемой тематике. Также для подготовки материала использовались системы профессионального анализа рынка такие, как Bloomberg Terminal - база данных финансовой информации, Bureau van Dijk Electronic Publishing (BvDEP, RUSLANA), система Профессионального Анализа Рынка и Компаний (СПАРК) и Thomson Reuters - Web of Science.

Инструментально-методологический аппарат исследования базируется на положениях и принципах экономической теории, методах и средствах системного анализа, теории реляционных баз данных, теории построения автоматизированных информационных систем, теории построения хранилищ данных, на методах статистического анализа и технологии оперативной аналитической обработки OLAP, на разработанных автором методах анализа статистических данных с использованием кубов OLAP. Расчёты проводились с использованием созданного автором комплекса программных средств. Разработка программных средств проводилась в среде Microsoft Visual Studio 2010 на языке C#, а база данных проектировалась с использованием CASE-средств ERwin.

         Степень обоснованности научных положений и достоверности результатов исследования. Достоверность и обоснованность научных положений и результатов исследования подтверждается использованием значительного числа исследований отечественных и зарубежных авторов, занимающихся проблемами совершенствования региональной налоговой политики и применения информационных технологий для анализа налоговых поступлений в региональные и местные бюджеты, современных методов экономического и системного анализа, экономико-математических методов, моделирования сложных систем, официальной статистической отчётности, и подтверждаются апробацией полученных результатов на российских и международных и научно-практических конференциях и их внедрением в научно-исследовательский и учебный процесс. Достоверность исследования обеспечивается адекватностью выбранной методологии поставленным задачам, наличием логических аргументов и доказательств, подтверждением теоретических положений фактическими данными с привлечением большого массива статистических материалов.  

Научная новизна результатов диссертационной работы заключается в использовании нового подхода к решению научной задачи анализа налоговых поступлений в бюджеты субъектов Российской Федерации и муниципальных образований, основанного на применении разработанной информационной системы, обеспечивающей поддержку принятия решений при выработке региональной налоговой политики.

В работе получены следующие результаты, определяющие научную новизну и выносимые на защиту:

1. Определён состав исходных статистических данных, необходимых для анализа налоговых поступлений в региональные и местные бюджеты, предложены методики, алгоритмы автоматизированного восполнения полностью или частично отсутствующих данных методом средних величин [c. 36-44, 69-74, 88-93].
2. Предложены принципы построения информационно-аналитической системы для автоматизации процессов сбора, обработки, хранения и анализа статистических данных с целью повышения репрезентативности выборки [I1] и достоверности оценки, уменьшения доверительного интервала и снижения рисков принятия неправильных решений при выработке региональной налоговой политики [c. 64 – 70].
3. Систематизированы существующие подходы к реструктурированию исходных статистических данных и разработаны методики и алгоритмы автоматизации процесса ввода статистических данных в базу данных и их обработки с применением OLAP-технологий, предложены принципы построения информационной системыс целью сбора, обработки, хранения, анализа, агрегирования статистических данных, приведения их в одинаковый формат и размерность для снижения рисков принятия неправильных решений при выработке региональной налоговой политики [c. 26-36, 64-70, 74-83, 88-93].
4. Определена группа показателей для комплекса OLAP-моделей построения сводов (агрегации) данных, содержащих статистическую и аналитическую информацию о социально-экономических показателях и налоговых поступлениях субъектов Российской Федерации и муниципальных образований [с. 36-43].
5. Разработаны и реализованы новые методики и алгоритмы оперативной обработки и агрегирования статистических данных о социально-экономических показателях и налоговых поступлениях в региональные и местные бюджеты, позволяющие автоматизировать процесс преобразования в графический вид большого объёма исходных данных, которые различны по составу и структуре [с. 87-101].
6. На основе использования технологий OLAP реализована выходная структура информации для поддержки принятия решений при разработке региональной налоговой политики, обеспечивающая оптимальное преобразование и представление информации, включая привязку данных к географической карте России [c. 84, 106-151].

Теоретическая значимость заключается в развитии методологии и инструментария для разработки информационных систем, программных средств, баз данных, хранилищ данных, построения интегральных социально-экономических индикаторов для средств поддержки принятия решений при выработке региональной налоговой политики.

Практическая значимость работы заключается в ориентации на широкое использование положений диссертации при автоматизированном сборе, хранении и обработке больших объёмов статистических данных о налоговой базе и социально-экономическом развитии субъектов Российской Федерации и муниципальных образований. В диссертационной работе содержится решение задачи, имеющей значение для развития существующих подходов к оценке экономики субъектов Российской Федерации и муниципальных образований и налоговой политики, проводимой на мезоуровне.

Практическое значение имеют следующие основные положения работы:

1. Разработана действующая программа, в которой реализованы методики и алгоритмы восполнения частично или полностью отсутствующих исходных данных по формам статистических налоговых отчётностей, реструктурирования и оперативной обработки большого объёма статистических данных [c. 87-94][4].
2. Разработана программа для интерактивного анализа налоговых поступлений и социально-экономических показателей развития регионов России, позволяющая решать задачи поддержки принятия решения в области региональной налоговой политики [c. 95-101][5]. При помощи данного программного средства проведён анализ эластичности налоговых поступлений, проанализирован показатель налоговой нагрузки в субъектах Российской Федерации, построена кривая концентрации в отношении налоговой нагрузки в субъектах Российской Федерации, рассчитаны индикаторы налоговых рисков регионов, произведён анализ индекса налоговых рисков и финансовых ресурсов субъектов Российской Федерации [с. 106-151].

         Информационная система «Налоги РФ» может быть интегрирована в глобальную систему государственной автоматизированной информационной системы «Управление»[6] (ГАС «Управление»). Это следует из целей и задач концепции[7] «Развития государственной автоматизированной информационной системы «Управление»[8], которая является частью государственной программы Российской Федерации «Информационное общество (2011-2020 годы)»[9].

         Разработанная в диссертационной работе информационно-аналитическая система региональных налоговых поступлений позволяет осуществлять:

1)    сбор, обработку и анализ исходных данных по формам статистической налоговой отчётностей № 1-НМ, № 1-НОМ, 4-НМ и др.;

2)    сопоставление статистических данных из разных ведомств (Росстат, Минфин и ФНС России);

3)    формировать агрегированные отчёты с различными статистическими и аналитическими показателями;

4)     предоставлять информацию в удобном для пользователя виде (таблицы, графики и диаграммы);

5)    представлять информацию по субъектам Российской Федерации на интерактивной карте;

6)    рассчитывать коэффициенты линейной и нелинейной корреляций;

7)    рассчитывать для регионов России интегральные показатели: индекс финансовых ресурсов, включающий индекс налоговых доходов бюджетов, индекс налоговых рисков, индекс налогового потенциала, а также индекс налоговой нагрузки;

8)    производить частотное распределение;

9)    производить кластеризацию регионов, строить кривые концентрации (индекс Джини).

Апробация и внедрение результатов. Диссертация выполнена в соответствии с планом научно-исследовательских работ ФГОБУВО «Финансовый университет при Правительстве Российской Федерации», проводимых по комплексной теме «Устойчивое развитие России в условиях глобальных изменений». На основе результатов диссертационного исследования были подготовлены теоретические и практические материалы, которые использовались при выполнении прикладных исследований по Государственному заданию в 2014г. в составе авторского коллектива АК-ГЗ-4-14 «Резервы роста налоговых доходов бюджетов субъектов Российской Федерации и местных бюджетов», а также используются в 2015г. при выполнении НИР в рамках совместного проекта  проведения научных исследований №15-22-01004, выполняемого международным научным коллективом в рамках гранта РГНФ (номер государственной регистрации: №115041070105). Основные положения и результаты работы были доложены и получили одобрение на научно-теоретических конференциях: «Актуальные проблемы экономики, управления, права» (Москва, НОУ «ИНЭП», 2010 г.), III научно-практической конференции «Проблемы совершенствования качества образования» (Орехово-Зуево, НОУ «ИНЭП», 2011 г.), «Актуальные проблемы экономики, управления, права» (Москва, НОУ «ИНЭП», 2011 г.), XVI Международной научно-практической конференции и Российской школы молодых учёных и специалистов «Системные проблемы надежности, качества, информационно телекоммуникационных и электронных технологий в инновационных проектах (Москва-Сочи, «Инноватика – 2011», 2011 г.), XVI Международной научно-технической конференции и Российской школы молодых ученых и специалистов «Системные проблемы надежности, качества, математического моделирования и инфотелекоммуникационных технологий в инновационных проектах» (Москва-Сочи, «Инноватика – 2012», 2012 г.), «Актуальные проблемы экономики, управления, права» (Москва, НОУ «ИНЭП», 2013 г.), Межвузовская студенческая научно-практическая конференция, «Экономика, менеджмент, маркетинг, инновации на современном этапе развития» (Москва, РАНХиГС, 2014), III Международная научно-практическая конференция «Системный анализ в экономике – 2014» (Москва, Финансовый университет при правительстве Российской Федерации, 2014).

Положения диссертации о применении информационных систем при анализе экономики регионов используются кафедрой прикладной информатики НОУ «Институт экономики и предпринимательства» (г. Москва) в преподавании учебных дисциплин «Информационные технологии в налогообложении» и «Информационные системы в экономике», что подтверждено справкой о внедрении результатов исследования в учебный процесс.

Публикации. По материалам диссертации опубликовано 13 работ, в том числе пять статей в журналах, входящих в список рекомендованных изданий ВАК для публикации основных результатов диссертационных исследований [1-5] общим объёмом 3,23 п.л., в том числе авторский – 1,88 п.л. Получены 3 свидетельства РОСПАТЕНТ об официальной регистрации базы данных и программ для ЭВМ.

Структура и объем работы. Диссертационная работа состоит из введения, трех глав, 10 параграфов, заключения, библиографического списка литературы и приложений. Исследование включает 146 страниц текста, 74 рисунка, 27 таблиц, список литературы из 205 наименований, 41 приложение. 

 

ГЛАВА 1.  АНАЛИЗ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ОБЛАСТИ ОБРАБОТКИ СТАТИСТИЧЕСКОЙ ИНФОРМАЦИИ О НАЛОГОВОЙ БАЗЕ СУБЪЕКТОВ РОССИЙСКОЙ ФЕДЕРАЦИИ И МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ

В данной главе рассматриваются актуальные проблемы анализа и обработки данных по статистическим налоговым отчётностям о поступлениях в региональные и местные бюджеты и данные социально-экономического развития регионов России. Исследованы современные инструменты и методы позволяющие анализировать большие объёмы данных. Рассматривается специфика исследуемой области, приводится обзор существующих систем обработки и анализа налоговой и социально-экономической информации, даётся сравнительный обзор их функциональных возможностей в соответствии с насущными задачами эффективного использования больших объёмов данных.

1.1.  Современные инструменты и методы для анализа больших объёмов данных

         Рассмотрим ряд методов, ориентированных на информационную поддержку специалистов и лица принимающего решения (ЛПР) в процессе формирования выводов и принятия решения. Рассмотренные подходы базируются на  современных информационных технологиях статистической и аналитической обработки данных. В отличие от подходов теории принятия решений, имеющих в основном аксиоматический и эвристический характер, эти подходы дают возможность обеспечить автоматизацию хранения, обработки, интеллектуального анализа и представления информации.

Технология оперативной аналитической обработки данных

Э. Коддом была предложена общая методология многомерного анализа данных [100], дающая возможность группировки, просмотра и анализа сведений с позиции множественности измерений - наиболее понятным для пользователей способом. Тем самым устранялся недостаток реляционного подхода, основанного на множестве связей между данными. Кодд выработал ряд ключевых требований к средствам реализации многомерного анализа - тест FASMI (Fast Analysis of Shared Multidimensional Information - быстрый анализ разделяемой многомерной информации) [98], основными достоинствами которого являются: возможность одновременной многопользовательской работы с информацией, минимальное время доступа к аналитическим данным, многомерное представление данных в OLAP-кубах (On-line Analytical Processing - аналитическая обработка в реальном времени), числовой и статистический анализ сведений, возможность получить пользователю нужную информацию из любой части электронного хранилища данных [35, 36, 62, 100].

Хотелось бы отметить, что внешнее представление OLAP скрывает от пользователя механизм реализации многомерной модели. Различают три схемы построения: многомерная (MOLAP), реляционная (ROLAP) и гибридная (HOLAP). Первая направлена на совместное хранение детализированных и агрегированных данных. Достоинством реализации такой схемы является быстрый поиск и выборка данных. Недостатком этой схемы – невозможность изменения схемы измерений, огромный объем базы данных (БД) и высокая избыточность данных. При использовании ROLAP-подхода агрегированные данные расположены в специальных служебных таблицах реляционной БД, благодаря этому имеется доступ к детализированным данным. Отрицательным моментом этой схемы, по сравнению с MOLAP, является относительно низкая производительность. Положительными сторонами ROLAP являются: защита сведений и разграничение прав доступа, доступность схемы для изменения в случае необходимости, сравнительно низкий рост БД за счёт агрегации данных и относительно низкая трудоёмкость её реализации. Использование гибридного подхода (HOLAP) подразумевает использование сразу двух БД:

1. первая – реляционная БД для хранения исходных статистических данных,
2. вторая – многомерная БД для агрегирования данных.

         Положительная стороной данного подхода является универсальность анализа данных, а отрицательной – сложность практической реализации и администрирования системы. Стоит отметить, что реализация того или иного подхода OLAP на практике определяется не только конкретными задачами и областью анализируемых данных, но и аппаратными, техническими и финансовыми возможностями организации. Так, выбирая ROLAP-технологию для реализации, она заведомо имеет преимущество по финансовым затратам перед MOLAP и HOLAP [72, 191, 199, 202]. Исходя из вышесказанного, в образовательных учреждениях или научно-исследовательских центрах целесообразно использовать ROLAP-технологию.

Таблица 1.1  

Сравнительный анализ механизмов реализации многомерной модели OLAP

Источник: составлено автором на основе работы Целикова А. В. [96]

В основе многомерного представления данных лежит понятие гиперкуба, которому можно дать формальное описание [35]: совокупность ячеек , где  есть множество предопределенных измерений, а  множество значений измерений. В свою очередь,  есть множество значений измерения . Пусть  - множество данных (мер), соответствующих ячейкам гиперкуба. Для каждой ячейки гиперкуба  существует соответствующий единственно возможный набор значений измерений.

Процесс формирования подмножества ячеек данных есть не что иное, как результат использования многомерных кубов и технологии OLAP. Ячейки данных в данном случае соответствуют значениям одного или нескольких элементов измерений, не входящих в это подмножество это называется операцией среза гиперкуба. Таким образом, указывая множество измерений  (например, Федеральный округ, субъект Российской Федерации, вид бюджета, вид налога и др.) значений измерений  (например, валовый региональный продукт, численность занятого населения, величина налогового дохода и др.), можно получить доступ к указанным данным. Множество ячеек, соответствующее фиксированным меткам и измерениям, обозначим как срез . Элемент гиперкуба может представлять собой n-элементный кортеж. В этом случае в базе данных должна быть дополнительная информация, соответствующая указанной комбинации [35].

Важным аспектом OLAP-технологии является высокая гибкость и наглядное представление анализируемых данных, и их интерактивное изменение. В данном случае специалист получает не жёстко регламентированный отчёт, а набор инструментов для проведения дальнейшего исследования задачи. Процесс получения необходимых наборов данных упрощает свободная манипуляция сведениями и оперирование знакомыми терминами предметной области, что является преимуществом OLAP.

Рис. 1.1. Пример трёхмерного гиперкуба

На рисунке 1.1. изображён гиперкуб, где по его осям расположены параметры агрегирования, а в ячейках (мерах) содержатся сгруппированный данные. База данных, содержащая множество гиперкубов, называется многомерной. Ячейки гиперкубов могут содержать пустые ячейки. При большом количестве таких ячеек куб называют разряженным. Многомерная база данных может включать один или несколько гиперкубов данных [62, 191].

Вдоль каждой оси могут быть организованы иерархии, отвечающие за различные уровни детализации данных. Вследствие этого предоставляется возможность формулировать различные запросы, получать подмножества данных, создавать разнообразные отчёты [35, 62]. В качестве измерений гиперкуба, содержащего статистическую и аналитическую информацию, наиболее востребованными могут быть: динамика налоговых поступлений по видам экономической деятельности или видам налогов (рис. 1.2-1.3), численность населения, занятое население, безработное население, экономически активное население, валовый региональный продукт, индексы потребительских цен,  стоимость основных фондов, инвестиции в основной капитал, фактическое конечное потребление домашних хозяйств на территории субъектов РФ,  муниципальных образований и др. Как правило, при организации структуры хранения статистических данных используют временную характеристику для отражения момента времени (время, день, неделя, месяц, квартал и год), к которому относятся статистические данные.

Рис. 1.2. Динамика изменения налоговых поступлений по видам налогов

Рис. 1.3. Динамика изменения налоговых поступлений по видам экономической деятельности

Отметим, что специалисты в области анализа и прогнозирования налоговых поступлений, а также моделирования налоговых поступлений [64, 74, 73, 55, 51, 54] используют различные инструменты – от простых (MSExcel) до сложных и дорогостоящих – с использованием OLAP технологий (MDX эксперт) [207]. Однако в данных работах нет комплексного анализа налоговых поступлений с использованием социально-экономических показателей по всем регионам одновременно. Помимо этого, различия в содержании и структуре статистической информации, предоставляемой разными ведомствами, негативно влияют на скорость обработки, качество и достоверность получаемых результатов. Проблемы возникают при выявлении взаимосвязи налоговых поступлений и социально-экономических показателей развития регионов и муниципалитетов, определении степени неравномерности налоговых поступлений в разрезе регионов (кривая концентрации), определении величины вклада вида экономической деятельности в формирование налоговой базы субъекта Российской Федерации (РФ) и муниципального образования и т.д. Кроме того, при проведении расчётов в исходных формах статистической налоговой отчётности могут частично или полностью отсутствовать необходимые данные, что негативно отражается на достоверности анализа.

Возьмём во внимание то, что информационная система, реализуемая в рамках имеющихся исходных статистических данных по налоговым поступлениям, может быть дополнена другими данными из статистических сборников, например, площадь территории, среднедушевые денежные доходы, потребительские расходы в среднем на душу населения, уровень безработицы, число собственных легковых автомобилей на тысячу человек, уровень образования населения, ставка рефинансирования и др. При этом проблема разнородности исходных данных может быть решена с помощью гибких настроек проектируемых OLAP-моделей.

В настоящей работе некоторые реализуемые в OLAP-моделях элементы множества измерений «А» являются некоторыми множествами, содержащими дополнительные измерения.  Например, измерение населения может происходить в разрезе численности занятого, безработного или экономически активного населения, измерение налоговых поступлений может производиться по видам налогов, видам экономической деятельности, по уровню зачисления налоговых доходов в бюджеты бюджетной системы и др. Данное обстоятельство по увеличению количества измерений обусловила необходимость разработки алгоритмов и их программной реализации с целью произведения корректного импорта исходных статистических данных в хранилище данных.

Агрегированные данные по налоговым поступлениям и социально-экономическим показателям становятся доступнее специалистам в данной области благодаря механизму OLAP-технологии представлять сведения в удобном формате.

Решение конкретной задачи может быть связано с применением современных аналитически алгоритмов, что может не укладываться в рамки одного многомерного куба. В таблице 1.2 представлены инструкции для формирования агрегированных данных.

Таблица 1.2  

Примеры запросов к БД

Запрос	Соответствующий SQL-запрос
Объем совокупных налоговых поступлений по Московской области в 2014 году	SELECT total_ti_tax_subject FROM         Data_warehouse_subject WHERE     (id_year = <идентификаторинтервалавремени>) AND (id_subject = <идентификаторсубъекта>)
Объем совокупных налоговых поступлений по виду экономической деятельности – строительство, для Московской области в 2014 году	SELECT     ti_eea_subject FROM Data_warehouse_subject_eea_gks WHERE     (id_time = <идентификаторинтервалавремени>) AND (id_eea = ‘1270’) AND (id_subject = <идентификаторсубъекта>))
Величина средних налоговых поступлений по видам экономической деятельности – транспорт и связь, в Центральном федеральном округе за 2014 год	SELECT     AVG(ti_eea_subject) FROM Data_warehouse_subject_eea_gks WHERE     (id_time = <идентификатор интервала времени>) AND (id_eea = ‘1315’)

Источник: составлено автором

В связи с вышесказанным, качественный анализ статистических данных по налоговым поступлениям и социально-экономическим показателям с использованием технологии OLAP будет в достаточной степени эффективен только в комплексе с использованием современных аналитических методов и алгоритмов. Например, для определения степени неравномерности налоговых поступлений и построения кривой концентрации понадобятся данные, как об  объёме налоговых поступлений, так и о численности занятого населения субъектов РФ и муниципальный образований. При решении задач прогнозирования или выявления взаимосвязей между налоговыми поступлениями и социально-экономическими показателями проектирование кубов не позволяет обеспечить поэтапную обработку данных без применения математических моделей [210, 78].

Методы интеллектуального анализа данных

Можно выделить следующие этапы интеллектуального анализа данных:

1. Проектирование процессов функционирования и описание предметно-ориентированного хранилища данных с использованием OLAP-кубов.
2. Обработка и анализ исходных статистических данных относится ко второму этапу, где используются ряд различных математических и статистических методов, процедуры для анализа, математические модели для работы с информацией.
3. Поиск закономерностей в данных, которые осуществляемые внутренним алгоритмическим аппаратом системы, а не самим пользователем.

         Наряду с оперативной аналитической обработкой, такая методология интеллектуального анализа данных (ИАД) является составной частью процесса поддержки принятия решений. Большинство существующих OLAP-систем уделяет основное внимание вопросам обеспечения доступа к многомерным сведениям, в то время как средства ИАД имеют дело преимущественно с одномерной информацией. Тем не менее, совместное использование этих двух видов анализа позволяет существенно повысить качество и глубину обработки данных при анализе налоговых поступлений.

Технология интеллектуального анализа или «добыча» информации (Data Mining) помогает в обнаружении ранее неизвестных фактов взаимосвязей или тенденций в накопленных данных [48]. Этот процесс исследует исходные статистические данные с целью определения в них скрытых знаний. Выявленные новые знания могут быть полезны и использованы на практике, а также доступны для интерпретации пользователем [62, 70, 53, 65, 104, 103, 100].

Таким образом, одним из способов поддержки принятия решений стал интеллектуальный анализ данных, основанный на выявлении скрытых взаимосвязей в исследуемых статистических данных. Основная цель такого анализа в статистике по налоговым поступлениям и социально-экономическим показателям – это получение необходимой информации в области налогов и налогообложения [62].

В настоящей работе особое внимание уделено очистке сведений, кластеризации данных, выравниванию размерности исходных статистических данных, предоставлению возможности интерактивного анализа данных на основе методов интеллектуального анализа, а также поиску устойчивых связей (закономерностей) между объектами анализа (налоговые поступления и социально-экономические показатели).

Инструменты для анализа больших объёмов данных

На российской рынке программных продуктов отсутствует система, которая бы соответствовала всем современным требованиям и объединяла в себе  данные о налоговых поступлениях и о социально-экономических показателях развития регионов с возможностью их совместного использования для цели анализа.

Рассмотрим возможности наиболее распространённых систем обработки данных налоговых статистических отчётностей и социально-экономических показателей (таблица 1.3).

Таблица 1.3  

Сравнительный анализ информационно-статистических и аналитических систем

Продолжение таблицы 1.3

Примечание: * - информация о наличии или присутствии функциональных возможностей неизвестна.

Источник: составлено автором

Пояснения к таблице:

1. Налоговая статистика, Федеральная налоговая служба [194]. Раздел «Налоговая статистика» на Интернет-ресурсе ФНС содержит достаточно подробную статистическую информацию по основным видам налогов: налоговые поступления (субъект, год, вид налога), задолженности (субъекта, год, вид налога); также для иллюстрации статистической информации используется инфо-графика и гео-привязка данных (только текущие налоговые поступления). Раздел «Налоговая статистика» был открыт 12 марта 2013 года [200] и действует в тестовом режиме.
2. Центральная база статистических данных (ЦБСД) - Федеральная служба государственной статистики [12, 204]. ЦБСД была создана для: 1) информационно-справочного обслуживания федеральных, региональных и районных органов власти и управлений, а также других потребителей статистической информацией; 2) автоматизации статистических работ на основе использования информационных фондов и программно-технологических средств ЦБСД, актуализации и накопления интегрированных информационных ресурсов Росстата.Таким образом, ЦБСД - интегрированный информационный ресурс, содержащий информацию по основным разделам статистики. Система введена в эксплуатацию 1 ноября 1998 года [12], применяется технология
3. Единая межведомственная информационно – статистическая система (ЕМИСС) [194]. Единая межведомственная информационно-статистическая система (ЕМИСС) разрабатывалась в рамках реализации федеральной целевой программы «Развитие государственной статистики России в 2007-2011 годах» [5]. ЕМИСС имеет статус государственного интегрированного статистического ресурса. Государственный интегрированный статистический ресурс - это информация, полученная органами Федеральной службы государственной статистики, федеральными органами государственной власти, органами государственной власти субъектов Российской Федерации, органами местного самоуправления и государственными организациями, формирующими статистические данные. Система ЕМИСС является государственным источником актуальных и достоверных статистических данных, получаемых из ведомственных хранилищ данных. Ведомства, участвующие в обмене статистическими данными, образуют узлы ЕМИСС (ВС ЕМИСС). Их взаимодействие производится через центральный узел ЕМИСС (ЦУ ЕМИСС). Система введена в эксплуатацию 16 ноября 2011 года [192, 8], применяется технология
4. IМониторинг – информационно-аналитическая система разработанная в рамках проекта «Аналитический центр» [209, 207], предназначенная для информационной поддержки процессов подготовки и принятия управленческих решений в органах государственной власти и местного самоуправления [205].
5. ИАС Мониторинг по Ярославской области – информационно-аналитическая система, построенная на платформе «IМониторинг» [205] при департаменте финансов Ярославской области.
6. «Электронный бюджет» (бета версия по состоянию на 10.11.2013 гг.) – государственный портал, разработанный для обеспечения прозрачности и открытости бюджета и бюджетного процесса для общества [211]. Портал предоставляет статистическую и аналитическую информацию в режиме реального времени о бюджете и бюджетном процессе Российской Федерации, а также позволяет принимать участие всем заинтересованным гражданам в управлении бюджетным процессом. Данный портал разработан и создан в рамках выполнения работ по созданию и развитию государственной интегрированной системы управления общественными финансами «Электронный бюджет», в соответствии с Концепцией, одобренной распоряжением Правительства Российской Федерации от 20.07.2011 №1275-р [9].
7. «Prognoz Data Portal» – это онлайн-ресурс, содержащий обширные данные национальной и мировой экономики, которые автоматически приведены к единообразному виду и структурированы по отраслям и рынкам. Данные из 200 авторитетных российских и международных источников обновляются постоянно – с частотой от 1 дня до 1 месяца [206]. Данный проект реализован на основе «Prognoz Platform» — это BI-платформа нового поколения для создания высокотехнологичных бизнес-приложений «под ключ». Она позволяет разрабатывать настольные, мобильные и веб-приложения для визуализации и оперативного анализа данных, формирования отчётности, моделирования и прогнозирования бизнес-процессов [208].

         Исходя из анализа информационно-аналитических систем (таблица 1.3) и систем по обработке информации можно сделать вывод о том, какие именно системы можно использовать для первичной математической обработки и для анализа статистической и аналитической информации.

Рассмотрим требования к современным системам более подробно:

         Наличие подробной документации. Вопрос наличия подробной документации по функционалу программы – информационно-аналитической системы особенно важен, так как напрямую связан с эффективностью использования данного программного продукта специалистами в прикладной области. Не менее важная особенность поставляемой документации –  это наличие инструкции по её установке.

         Генератор отчётов. Наличие в системе генератора отчётов – важная особенность, которая позволяет специалисту самостоятельно производить конфигурацию отчёта под свои нужды без изменения программного кода. Учитывая, что статистическая и аналитическая информация может быть представлена в разных разрезах и использованием различных аналитических функций, эта опция, безусловно, упростит работу по представлению результатов расчётов.

         Вывод информации в распространённые форматы данных. Условие вывода результирующей информации в такие форматы данных, как Excel-файл, PDF-файл или Word-файл является достаточно важным тре­бованием. Соблюдение этого требования позволит проводить дополнительную проверку данных визуально и с применением различных средств. Это даёт возможность редактировать полученную информацию непосредственно перед печатью, а также повышает наглядность представления результатов.

         Учёт данных по населению. Хранение сведений по составу и численности населения в системе позволит иметь источник информации, используемой при расчёте такого относительного показателя, как уровень налоговой нагрузки на одного занятого в регионе [102, 105, 98].

         Учёт данных по налоговым поступлениям. Хранение сведений в системе по налоговым поступлениям позволит иметь источник информации, используемой при анализе структуры налоговых поступлений по видам налогов и видам экономической деятельности, а также для построения прогнозов [82].

         Учёт данных по основным социально-экономическим показателям. Наличие этих статистических данных в системе позволит иметь источник информации, используемой при анализе социально-экономического развития того или иного субъекта и построении прогнозов [64, 35].

         Наличие методов анализа информации необходимо для выявления причин изменения уровня того или иного показателя, например, как сильно повлияли разные виды налогов или виды экономической деятельности на совокупные налоговые поступления субъекта РФ; какой вклад вносит субъект РФ в формирование  совокупных налоговых поступлений федерального округа.  Аналогично и с социально-экономическими показателями: общее население, занятое или безработное население, внутренний региональный продукт и др.

Наличие средств поддержки принятия решений позволяет осуществлять представление системой аналитически подтверждённых рекомендаций лицу,  принимающему решения.

Построение прогнозов по налоговым поступлениям на основе данных за предыдущие периоды. Данная функциональность позволяет строить прогноз для оценки предполагаемый уровня налоговых поступлений на бедующем периоде

         Использование методов математической обработки и интеллектуально­го анализа данных. Разработанные на текущий момент аналитические методы широко используются в обработке хранимой информации. Более подробно такие методы и их преимущества описываются в разделе 1.2. «Анализ предметной области» настоящей диссертации.

         Графическое представление исходных статистических данных и результирующей аналитической информации. Од­ной из основных задач обработки налоговой и социально-экономической статистической информации явля­ется возможность представления результатов анализа в понятном виде лицу, принимающему решения и способствующему процессу выработки управлен­ческих решений.

         Графическое представление исходных статистических данных и результирующей аналитической информации на географической карте. Возможность отображения результирующих данных в разрезе субъектов на географической карте, является несомненным плюсом для увеличения наглядности предоставляемой информации.

Построение кривой распределения и её анализ. Данная функция позволяет оценивать равномерность полученных статистических данных.

         Как правило, при проведении ряда аналитических процедур в неавтоматизированном режиме с использованием серьёзных математических обработок, требуются дополнительное программное обеспечение и соответствующая техническая квалификация специалиста.

         Стоит отметить, что, использование MS Excel для анализа исходных статистических данных не требует проведения предварительной математической обработки, что не скажешь о рассмотренных программных продуктах. У перечисленных в таблице систем (таблица 1.3) отсутствует такая специфика и формат исходных статистических данных, как одновременное наличие сведений о налоговых поступлениях и социально-экономических показателях, что затрудняет сбор и обработку данных. С учётом того, что, объем сведений по налоговым отчётностям и социально-экономическим показателям, предназначенным для анализа, с каждым новым отчётным периодом увеличивается, то специалисту становится все сложнее производить первоначальную математическую обработку в неавтоматизированном режиме. Данное обстоятельство подталкивает к необходимости в разработке новой информационной системы снимающей подобные проблемы.

         Наиболее популярные системы обработки статистической информации в данной области, их достоинства и недостатки [65, 45, 61, 37, 192] представлены в таблице 1.4.

Таблица 1.4  

Наиболее распространённые системы обработки статистической информации

Продолжение таблицы 1.4

Окончание таблицы 1.4

Источник: доработано автором на основе работы Целикова А. В. [96]

Несмотря на то, что некоторые из перечисленных программных продуктов (SPSS, STATISTICA) предоставляют широкий программный инструментарий для математической обработки и анализ исходных статистических данных, их высокая стоимость не позволяет компаниям делать свой выбор в пользу программного продукта исходя только лишь из технических предпочтений.

1.2.  Анализ предметной области

Проблемы анализа статистических данных о налоговых поступлениях и социально-экономических показателях

Одной из наиболее актуальных проблем в области исследования налоговых поступле­ний в бюджеты бюджетной системы РФ в настоящее время продолжает оставаться необходимость совершенствования инструментальных средств для хранения, накопления, обработки и анализа данных о налоговых поступлениях. Это обусловлено трудоёмкостью обработки исходных данных по каждому региону с целью проведения детального анализа, а также отсутствием структурированных статистических данных о налоговых поступлениях по видам налогов и видам экономической деятельности в откры­том доступе, где бы отражалась их динамика за определённый интервал времени (начиная с 2006 года)[194]. Одновременно с этим увеличивает сложность проведения вычисле­ний такое обстоятельство, как совмещение статистических налоговых данных с социально-экономическими показателями. Помимо этого, одновременное структурирование данных в разрезе субъектов РФ и муниципальных образований по статистическим данным, которые предоставляются Федеральной налоговой службой и Федеральной службой государственной статистики, осложняется различной их структурой. Соответственно, возникает сложность в сопоставлении исходных данных.

Использование современных компьютерных технологий по сбору, обработке и анализу информации для детального изучения того или иного региона с использованием интерактивных средств обучения особенно актуально в сфере образования для подготовки квалифицированных специалистов и научных сотрудников в области налогов и налогообложения. Именно в использовании современных автоматизированных компьютерных технологий видится создание специального программного решения для сбора, обработки и анализа исходных статистических данных с целью повышения обоснования выводов и принятия решения в области социально-экономического развития регионов. Использование в анализе непрерывно увеличивающихся статистических данных с применением методов, обладающих комплексным подходом и гибкостью, порождает необходимость внедрения новых информационных технологий. Одной из наиболее важных областей применения информационно системы в сфере экономики, науки и образования, которой и посвящена настоящая работа, является анализ налоговых статистических данных и социально-экономических показателей с помощью специализированных программных средств.[I2] 

В настоящее время Федеральная налоговая служба (ФНС) использует автоматизированные информационные системы «Налог 2.5» и «Налог 3» (АИС «Налог») [201], разработанные в рамках модернизации ФНС и её территориальных органов. «Налог 2.5» позволяет автоматизировать и оптимизировать рабочие процессы, освобождает сотрудников налоговых органов от трудоёмких работ, комплексно и эффективно использует накопленную в ФНС информацию и, как следствие, повышать уровень внутреннего контроля над деятельностью Инспекций. С помощью данной системы сотрудники ФНС и Управления Федеральной налоговой службы (УФНС) могут формировать формы статистической отчётности, например, такие, как: форма статистической отчётности №1-НМ «Начисление и поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет Российской Федерации» и форма статистической отчётности № 1-НОМ «Начисление и поступление налоговых платежей в бюджетную систему российской федерации по основным видам экономической деятельности». Помимо формирования отчётностей ФНС и УФНС обязаны предоставить населению страны беспрепятственный доступ к ним (Федеральный закон от 27.07.2006 № 149-ФЗ, ст. 3 [15

]), например, через Интернет ресурсы [195, 106-189]. С 2015 года начала внедрятся АИС «Налог 3», которая постепенно заменит предыдущую версию.

Одним из источников получения экономической информации, отражающей функционирование субъектов РФ и экономики страны в целом является использование данных, предоставляемых Федеральной налоговой службой. С другой стороны, эффективное функционирование налоговой системы, одной из задач которой является сбор экономической информации на микроэкономическом уровне, её анализ, обобщение и представление на макроэкономическом уровне, возможно только при использовании передовых информационных технологий.

Таблица 1.5  

Статистические данные и выходная информация для анализа налоговой составляющей региона

Источник: составлено автором

Помимо данных о налоговых поступлениях по видам налогов и видам экономической деятельности для проведения комплексного анализа регионов и страны в целом, необходимо учитывать важные социально-экономические показатели: среднегодовую численность населения, среднегодовую численность занятых в экономике, численность безработных, численность экономически-активного населения, валовый региональный продукт, индексы потребительских цен, стоимость основных фондов, инвестиции в основной капитал, фактическое конечное потребление домашних хозяйств на территории субъектов и др.

         Анализируемые статистические данные выкладываются на сайте Федеральной службой государственной статистики [195] в разделе «Публикации» в виде статистических сборников в формате Microsoft Office Word«Регионы России. Социально-экономические показатели» [20-42, 23]. Такие сборники публикуются один раз в год и включают в себя:  данные о демографической и экологической ситуации в регионах, о занятости и безработице, о денежных доходах и потребительских расходах населения; охране здоровья, образовании и культуре, жилищном фонде, криминогенной обстановке; инвестициях, индексах цен (тарифов) на товары и услуги, статистика, освещающая положение в организациях отдельных видов экономической деятельности и сведения о доходах бюджетов субъектов Российской Федерации, кредитных вложениях и финансовом состоянии организаций. Далее приводится более подробное описание рассматриваемых социально-экономических показателей.

Среднегодовая численность населения

         Таблица расположена в разделе сборника «Население», параграф 3.2 «Среднегодовая численность населения», рис. 12 (п. Б). Данные приводятся в тыс. чел. Структура:

• строки – субъекты РФ;
• столбцы – год;
• ячейка – среднегодовая численность населения;
• промежуточные итоги по федеральным округам и в целом по стране.

Среднегодовая численность занятых в экономике

Таблица расположена в разделе сборника «ТРУД. Занятость и безработица», параграф 4.2 «Среднегодовая численность занятых в экономике» рис. 12 (п. Б). Данные приводятся в тыс. чел. Структура:

• строки – субъекты РФ;
• столбцы – год;
• ячейка – среднегодовая численность населения;
• промежуточные итоги по федеральным округам и в целом по стране.

Численность безработных

Таблица расположена в разделе сборника «ТРУД. Занятость и безработица», параграф 4.10 «Численность безработных» рис. 13 (п. Б). Данные приводятся в тыс. чел. Структура:

• строки – субъекты РФ;
• столбцы – год;
• ячейка – среднегодовая численность населения;
• промежуточные итоги по федеральным округам и в целом по стране.

Численность экономически-активного населения

Таблица расположена в разделе сборника «ТРУД. Занятость и безработица», параграф 4.1 «Численность экономически активного населения» рис. 14 (п. Б). Данные приводятся в тыс. чел. Структура:

• строки – субъекты РФ;
• столбцы – год;
• ячейка – среднегодовая численность населения;
• промежуточные итоги по федеральным округам и в целом по стране.

Валовый региональный продукт

Таблица расположена в разделе сборника «Валовой региональный продукт», параграф 11.1 «Валовой региональный продукт» рис. 15 (п. Б). Данные приводятся в миллионах рублей. Структура:

• строки – субъекты РФ;
• столбцы – год;
• ячейка – среднегодовая численность населения;
• промежуточные итоги по федеральным округам и в целом по стране.

Индексы потребительских цен

Таблица расположена в разделе сборника «Цены и тарифы. Динамика цен на потребительском рынке», параграф 25.1 «Индексы потребительских цен» рис. 16 (п. Б). Данные приводятся, как декабрь к декабрю предыдущего года; в процентах. Структура:

• строки – субъекты РФ;
• столбцы – год;
• ячейка – среднегодовая численность населения;
• промежуточные итоги по федеральным округам и в целом по стране.

Стоимость основных фондов

Таблица расположена в разделе сборника «Национальное богатство. Основные фонды», параграф 12.1 «Стоимость основных фондов» рис. 17 (п. Б). Данные приводятся на конец года; по полной учётной стоимости; миллионов рублей; 1990 г. – млрд. руб. Структура:

• строки – субъекты РФ;
• столбцы – год;
• ячейка – среднегодовая численность населения;
• промежуточные итоги строк по федеральным округам и в целом по стране;
• показатель «Место, занимаемое в Российской Федерации».

Инвестиции в основной капитал

Таблица расположена в разделе сборника «Инвестиции. Инвестиции в основной капитал», параграф 24.1 «Инвестиции в основной капитал» рис. 18 (п. Б). Данные приводятся в фактически действующих ценах; миллионов рублей; 1990 г. – млрд. руб. Структура:

• строки – субъекты РФ;
• столбцы – год;
• ячейка – среднегодовая численность населения;
• промежуточные итоги строк по федеральным округам и в целом по стране.

Фактическое конечное потребление домашних хозяйств на территории субъектов

Таблица расположена в разделе сборника «Валовый региональный продукт», параграф 11.5 «Фактическое конечное потребление домашних хозяйств на территории субъектов Российской Федерации» рис. 19 (п. Б). Данные приводятся в текущих рыночных ценах. Структура:

• строки – субъекты РФ;
• столбцы – год, всего, расходов домашних хозяйств, социальных трансфертов в натуральной форме;
• ячейка – среднегодовая численность населения;
• промежуточные итоги строк по федеральным округам и в целом по стране.

Консолидированный бюджет и его основные понятия

         Консолидированный бюджет - свод бюджетовбюджетной системы Российской Федерации на соответствующей территории (без учёта межбюджетных трансфертов между этими бюджетами и за исключением бюджетов государственных внебюджетных фондов и территориальных государственных внебюджетных фондов) [1].

         Федеральный бюджет - форма образования и расходования денежных средств в расчёте на финансовый год, предназначенных для исполнения расходных обязательств Российской Федерации [1].

Бюджет субъекта РФ - (региональный бюджет) - форма образования и расходования денежных средств в расчёте на финансовый год, предназначенных для исполнения расходных обязательств соответствующего субъекта Российской Федерации. Бюджет субъекта Российской Федерации и свод бюджетов муниципальных образований, входящих в состав субъекта Российской Федерации (без учёта межбюджетных трансфертов между этими бюджетами), образуют консолидированный бюджет субъекта Российской Федерации [1].

Виды налогов и их классификация

         В соответствии со ст. 13-15 НК все налоги делятся на четыре вида (таблица 1.6):

• федеральные налоги и сборы;
• региональные налоги;
• местные налоги;
• специальные налоговые режимы.

Таблица 1.6  

Виды налогов и сборов в России

Продолжение таблицы 1.6

Источник: составлено автором на основе НК РФ

 

Классификация налогов

Определение. Классификация налогов представляет собой их группировку по определённым критериям и признакам. Такая группировка может проводиться в зависимости от методов установления и взимания налогов, по характеру применяемых ставок и объектов обложения, по способу или источнику обложения, по принадлежности к определённому уровню управления и т.д.[24] (см. рис. 1 п. А).         Описание видов экономической деятельности вынесено в приложение А.

Налоговая система Российской Федерации

Состав и структура системы управления налогообложением Российской Федерации соответствуют её административно-территориальному делению. Налоговая служба построена таким образом, чтобы обеспечить единство целей, а именно: отдельные системы функционировали по единой схеме, решали одинаковый набор задач по заранее разработанной методологии и технологии обработки данных. Укрупнённая структура ФНС России представлена на рисунке 1.4.

Рис. 1.4. Структура Федеральной налоговой службы РФ

         Первые два уровня осуществляют методологическое руководство и контроль за налогообложением по всем видам налогов. Непосредственное взаимодействие с налогоплательщиками, как юридическими, так и физическими лицами, осуществляет 3-й уровень. Инспекции федеральной налоговой службы (ИФНС) выполняет следующие функции: 

• учёт плательщиков налогов и платежей в бюджет;
• обеспечение правильности исчисления налогов и платежей и контроль за своевременностью их поступления; 
• проверка достоверности и контроль за своевременностью представления плательщиками бухгалтерской отчётности и расчётов, связанных с исчислением и уплатой налогов и платежей в бюджет;
• взаимодействие с органами исполнительной власти, правоохранительными и пр. органами в части контроля за правильностью реализации и исполнения законодательства;
• наложение финансовых санкций, предусмотренных законодательством за его нарушение;
• составление, анализ и представление в районные и городские финансовые органы сведений о фактически поступивших суммах налогов и платежей в бюджет;
• составление, анализ и представление вышестоящим государственным налоговым органам установленной отчётности;
• ведение в установленном порядке делопроизводства.

Для выполнения своих функций ФНС России создала уже упоминавшийся нами выше автоматизированную информационную систему «Налог» (более поздняя версия «Система ЭОД», АИС «Налог 2.5» и АИС «Налог 3» [201]). Структуры налоговых органов и АИС являются многоуровневыми, которая относится к классу больших систем. Благодаря разработанной информационной системе стало возможным информационное объединение налоговых служб с использованием телекоммуникационных каналов связи Интернет, что обеспечило доступ к информационным ресурсам каждого из них; разработку, создание и ведение баз  данных; разработку программных инструментов, обеспечивающих решение функциональных задач системы.

Определённому составу функционального обеспечения соответствует свой уровень налоговой системы. Для третьего уровня характерен следующий состав функциональных подсистем:

• регистрация предприятий;
• камеральная проверка;
• выездная проверка;
• ведение лицевых карточек предприятий;
• анализ состояния предприятия;
• документальная проверка;
• ведение нормативно-правовой документации;
• внутриведомственные задачи;
• обработка документов физических лиц.

     Непосредственно обработка информации на третьем уровне начинается с учёта и регистрации налогоплательщиков, которые осуществляются юридической службой налоговой инспекции. Эта служба руководствуется в своей деятельности нормативной правовой базой, принимает от налогоплательщика все необходимые регистрационные документы, на основе которых создаётся база данных, содержащая всю информацию о налогоплательщике, и присваивает налогоплательщику уникальный регистрационный номер. Далее создаётся «электронная папка» на налогоплательщика. Информация, содержащаяся в ней, используется всеми другими структурными подразделениями налоговой инспекции, а соответственно информация, формируемая в подсистеме «Регистрация предприятий», используется другими функциональными подсистемами АИС «Налог».

         Одним из потребителей подобной информации является подсистема «Камеральная проверка». С использованием этой подсистемы служба налоговых инспекторов собирает отчётные документы от налогоплательщика в установленном законодательством порядке. Так, основными документами являются: баланс-предприятия (ф. № 1), расчёты по налогу на прибыль, НДС, налогу на имущество организаций, отчёт о прибылях и убытках (ф. № 2), приложения к балансу (ф. № 3, 4 и 5) и другие налоговые расчёты.

На втором уровне можно выделить следующие функциональные подсистемы:

• аналитическая деятельность ИФНС России;
• подготовка типовых отчётных форм;
• методическая, ревизионная и правовая деятельность;
• внутриведомственные задачи;
• контрольная деятельность.

За формирование сводных таблиц со статистическими показателями, характеризующими типовые виды деятельности ИФНС регионального уровня в части сбора различных видов налоговых платежей и контроля за этим процессом отвечает подсистема типовых отчётных форм.

         Контрольная деятельность предусматривает ведение Государственного реестра предприятий и физических лиц. Государственный реестр предприятий содержит официальную регистрационную информацию о предприятиях (юридических лицах), а в реестре физических лиц хранится информация о налогоплательщиках, обязанных представлять декларацию о доходах, а также уплачивать отдельные виды налогов с физических лиц. К контрольной деятельности относится также деятельность по документальной проверке организаций.

Возможность работы с постановлениями, законодательными актами, нормативными, методическими и другими документами правительства и ФНС России обеспечивает подсистема методической, ревизионной и правовой деятельности. Сбор, обработка и анализ поступающей информации от территориальных налоговых инспекций и касающейся правильности применения налогового законодательства производится в этой подсистеме. Аналитическая деятельность ИФНС заключается в анализе динамики налоговых платежей всеми категориями налогоплательщиков, экономическом и статистическом анализе хозяйственной деятельности предприятий региона, прогнозировании величины сбора отдельных видов налогов, анализе налогового законодательства и выработке рекомендаций по его усовершенствованию, определении организаций, подлежащих документальной проверке, анализе деятельности территориальных налоговых инспекций и др.

         Фактически входные данные, которыми оперирует АИС «Налог», можно разделить на два вида – это данные, предоставляемые физическими и    юридическими лицами в соответствии с НК РФ, в формах бухгалтерской (6 форм) и налоговой отчётности (51 форма).

         На третьем уровне инспекциями ФНС России после информационно аналитической обработки получают первичные выходные данные бухгалтерской и налоговой отчётности.  В соответствии с Письмом ФНС России от 12 февраля 2007 г., N ЧД-6-10/109@, – «Отчётность составляется управлениями ФНС России по субъектам Российской Федерации (далее - УФНС России) на основании информационных ресурсов,  передаваемых с местного уровня на региональный, собственных информационных  ресурсов  регионального  уровня  либо  путём  сбора от нижестоящих  налоговых  органов отчётности, формируемой на базе данных информационных  ресурсов  местного уровня, данных органов Федерального казначейства» [4].

Далее эти данные передаются на второй уровень в   управления ФНС по субъектам РФ, где из них формируются формы статистической налоговой отчётности. Формы статистической налоговой отчётности делятся на следующие группы:

• отчёты о начислении и поступлении налогов, сборов и иных обязательных платежей (формы 1-НМ, 1-НОМ);
• отчёты о задолженности по налогам и сборам, пеням и налоговым санкциям (формы 4-НМ, 4-НОМ);
• отчёты о налоговой базе и структуре начислений по налогам и сборам (формы 1-НДС, 5-П, 5-ИБ и пр.).

Эти данные передаются на вышестоящий уровень в ФНС России, где также обобщаются и анализируются, и предоставляются Министерству Финансов РФ. Параллельно вышеуказанные отчёты   размещаются на сайте Федеральной налоговой службы в сети Интернет [195, 106-189].   Процесс получения и использования статистической налоговой отчётности представлен на рисунке 1.5.

С точки зрения использования современных информационных технологий, описанный выше процесс автоматизирован не полностью, так как использует элементы «ручной» обработки данных при передаче информации из ИФНС в УФНС и далее по цепочке. Такой процесс функционирования информационной системы может привести к возникновению ошибок, связанных с человеческим фактором, что повлечёт искажение выходных данных.

Рис. 1.5. Процесс получения и использования статистической налоговой отчётности

Представленные на сайте ФНС России формы статистической налоговой отчётности являются свободно распространяемыми и могут быть использованы для научных исследований.

Налоговые статистические формы отчётности

         Рассмотрим основные источники данных, используемые в работе. К таким источникам в первую очередь относится сайт Федеральной налоговой службы РФ [195, 106-189].

Статистическая форма 1-НМ. «Отчёт о начислении и поступлении налогов, сборов и иных обязательных платежей в бюджетную систему российской федерации»

         Эта форма состоит из трёх разделов. Первый раздел представляет собой сводную таблицу по начислению и поступлению налогов, сборов и иных обязательных платежей в консолидированный бюджет Российской Федерации. Табличный вид раздела представлен на рисунках 1 и 2 (п. Б).

         Второй раздел формы - “Начисление и поступление платежей от страховых взносов на обязательное пенсионное страхование в Российской Федерации”, - имеет конкретное отображения по тому, сколько должно поступить и сколько поступило налоговых вычетов по налогам. Вид раздела представлен на рисунке 3 (п. Б).

         Следующий третий раздел отвечает за начисление и поступление платежей на совокупный доход. Шапка такого раздела имеет вид (рис. 4, п. Б). Данная форма отчётности общедоступна с периодичностью раз в месяц с накоплением за год. В основном информацию текущего месяца публикуют в конце следующего месяца.

Статистическая форма 1-НОМ. «Отчёт о поступлении налоговых платежей в бюджетную систему Российской Федерации»

Поступление налоговых платежей в бюджетную систему Российской Федерации по основным видам экономической деятельности.

         Первый раздел отвечает за начисление и поступление налогов и сборов в бюджетную систему Российской Федерации по основным видам экономической деятельности. Данный раздел изображён на рисунке 5-6 (п. Б), второй раздел отражён на рисунке 7-8 (п. Б). Эта форма составляется с периодичностью в полгода с накоплением за год.

         Принимая во внимание, что статистическая налоговая отчётность предоставляется ФНС России на сайте ведомства в регламентированных формах, а также то, что РФ содержит большое количество субъектов (85) и Налоговый кодекс предполагает 19 различных видов налогов по 18 видам экономической деятельности, то объем статистических данных для дальнейшей обработки и анализа довольно велик. При выполнении вычислительных операций с использованием ручного подхода и Microsoft Excel это требует больших временных затрат и сопряжено с появлением случайных ошибок. Что касается использования специализированных статистических программных пакетов, то данные виды программных инструментов (таблица 1.4) рассчитаны на широкопрофильное использование без учёта специфики направления налогов и налогообложения. Если говорить об использовании информационно-аналитических систем, то вышерассмотренные системы (таблица 1.3) не предоставляют полной информации о налоговых поступлениях в региональные и местные бюджеты. Каждая из систем предоставляет только свою статистическую и аналитическую информацию, которая к тому же требует последующей обработки с использованием нескольких систем одновременно. Поэтому стоит вопрос создания некой новой информационной системы для решения специализированных задач в области анализа налоговой базы регионов и муниципалитетов.         

ВЫВОДЫ

         В первой главе рассмотрены проблемы, возникающие при анализе статистических данных налоговых поступлений по видам налогов или видам экономической деятельности, а также социально-экономических показателей. Рассмотрена предметная область: налоговая система РФ, понятие консолидированного бюджета РФ, виды налогов (таблица 1.6), классификации налогов (рис. 1 п. А), виды экономической деятельности и формы статистических налоговых отчётностей. Также представлены основные источники для данных по налоговым поступлениям и социально-экономическим показателям (форма 1-НМ рис. 1-4, п. Б и 1-НОМ рис. 5-8, п. Б, статистический сборник «Регионы России). Социально-экономические показатели», рис. 12-19 п. Б). В главе отображены основные социально-экономические показатели и источники их получения. Проведён сравнительный анализ информационно-статистических и аналитических систем для работы с такими данными, как социально-экономические показатели и налоговые поступления. Обоснована актуальность развития государственных информационных систем «Электронный бюджет» и «Управление» [11, 6, 9, 211].

         В аналитическом обзоре («Инструменты для анализа больших объёмов данных») нами были выявлены основные недостатки и преимущества существующих информационных систем (ИС) и программных инструментов, а также выработаны предложения по их совершенство­ванию в области анализа налоговых поступлений и социально-экономических показателей, а именно:  среднегодовая численность населения, среднегодовая численность занятых в экономике, численность безработных, численность экономически-активного населения, валовый региональный продукт, индексы потребительских цен, стоимость основных фондов, инвестиции в основной капитал, фактическое конечное потребление домашних хозяйств на территории субъектов и др. Создание новых программных решение или модернизация существующих позволит повысить качество анализа статистических и аналитических материалов и расши­рить возможности их использования. Поэтому целесообразно использовать современные компьютерные технологии в качестве методов создания или модернизации ИС с целью повышения качества обрабатываемой информации. Новые или усовершенствованные методы анализа статистических данных должны предоставлять возможность производить анализ и выводить аналитическую информацию в понятном и удобном виде лицу, принимающему решения, с использованием интерактивных географических карт, графиков и диаграмм в зависимости от потребностей пользователя. Выявление тенденции значимых факторов, влияющих на налоговые поступления, оценка развития регионального развития - это сложные задачи, которые целесообразно решать с использованием современных аналитических средств.

В научных работах [51, 55, 64, 71, 73, 83] отражены основные моменты анализа налоговых поступлений РФ и социально-экономических показателей с целью оценить или спрогнозировать социально-экономическое состояние субъекта РФ:

-         детализация налоговых доходов субъектов РФ по видам налогов и видам экономической деятельности;

-         изменение структуры налоговых доходов;

-         влияние социально-экономических показателей на совокупные налоговые поступления субъекта;

-         оценка интенсивности налогообложения в субъекте;

-         оценка относительной доли вклада каждого субъекта в совокупные налоговые поступления федерального округа и страны в целом;

-         индекс интенсивности налоговых поступлений – показатель региональной конкурентоспособности [51].

         На данный момент отсутствует возможность проведения глубокого и детального анализа с использованием существующих статистических или аналитических информационных систем.

         Несомненным преимуществом существующих систем сбора статистических налоговых данных и социально-экономических показателей является наличие большого числа показателей, с помощью которых можно выявить уровень социально-экономического развития региона. Однако большой объем, многомерность и разнородность исходных статистических данных зачастую создают существенные проблемы в ходе анализа. Поэтому вопрос о разработке специальных автоматизированных методов анализа статистических данных особенно важен. Такая система должна быть интегрирована в более глобальную, согласно концепции развития государственной интегрированной информационной системы управления общественными финансами "Электронный бюджет" [9] и развития государственной автоматизированной информационной системы «Управление» (ГАСУ) [11, 6, 211].Реализация объединения различных по составу и структуре исходных статистических данных в одном месте и представление их в детализированном и удобном для чтения виде является основным задачей при разработке подобных систем.

ГЛАВА 2.  РАЗРАБОТКА МЕТОДОЛОГИЧЕСКИХ ПОДХОДОВ К ПРОЕКТИРОВАНИЮ ИНФОРМАЦИОННОЙ СИСТЕМЫ ДЛЯ АНАЛИЗА НАЛОГОВЫХ ПОСТУПЛЕНИЙ В РЕГИОНАЛЬНЫЕ И МЕСТНЫЕ БЮДЖЕТЫ РОССИЙСКОЙ ФЕДЕРАЦИИ

Актуальность создания новой информационно системы «Налоги РФ» (ИС «Налоги РФ») обусловлена необходимостью оперативного предоставления актуальной и достоверной статистической и аналитической информации для анализа налоговой составляющей экономики регионов, включая механизм поддержки принятия решений при выработке региональной налоговой политики.

Использование такой информационной системы (ИС) поможет решить проблему, связанную с оптимизацией временных затрат на сбор и обработку статистических данных и с качеством формируемой статистической и аналитической информацией.

В данной главе изложены основные методологические подходы к разработке информационной системы в сфере экономики на примере исследования налоговых поступлений и социально-экономических показателей субъектов Российской Федерации и муниципальных образований. Рассмотрены технологии хранилища данных и оперативной аналитической обработки.

Информационные потребности и предпосылки

Одновременно с появлением новых государственных и негосударственных поставщиков статистической и аналитической информации с предоставлением доступа к ней через сеть Интернет (по проекту «Электронная Россия»), например Росстат и Федеральная налоговая служба, а также «Открытый бюджет», специальный проект НПО Криста «Аналитический центр» [208, 207] и ГАСУ «Управление» [11, 6, 211], непрерывно растёт объем поставляемой информации. Поскольку перечисленные выше поставщики и рассмотренные в первой главе информационные системы (таблица 1.3) направлены на предоставление статистических данных и аналитической информации различного типа без учёта потребностей в получении аналитической сводки по налоговой составляющей экономики регионов, направление в предоставлении доступа к подобному роду информации остаётся непроработанным. Возможность получения доступа к аналитической информации о налоговой базе регионов и муниципалитетов интересно, в первую очередь, лицам, принимающим решения при выработке региональной налоговой политики, с целью снижения рисков принятия неправильных решений.

В данной области наблюдается дефицит информации, так как для её получения необходимо использовать сразу несколько источников (поставщиков) статистических данных и информационных систем. Такая нехватка информации обусловлена следующими факторами: трудоёмкостью сбора, обработки, анализа и узкой направленностью её использования.

Трудоёмкость при формировании подобной информации объясняется большими временными затратами на сбор статистики по социально-экономическим показателям и налоговым поступлениям субъектов РФ по отдельности, на сопоставление полученных исходных статистических данных, на обработку, структуризацию и группировку, расчёт показателей, а также формирование статистических и аналитических отчётов.

Таким образом: 1) основные потребители статистической и аналитической информации по налоговым сборам и населению в субъектах РФ – это образовательные учреждения и специалисты в области налогов и налогообложения; 2) к ключевым проблемами для получения подобной информации следует отнести временные трудозатраты и низкую эффективность трудовых ресурсов.

Исходя из вышеизложенного,       целью, разрабатываемой ИАС становится максимальная автоматизация процесса наполнения информационной системы статистическими данными, а также упрощение формирования статистической и аналитической отчётности.

Поставленные задачи для разрабатываемой ИАС:

• организация автоматизированного переноса данных из исходных данных;
• автоматическое формирование статистической и аналитической информации в виде таблиц и диаграмм;
• отображение выгружаемых результатов на географической карте России;
• функция выгрузки отчётностей в распространённые форматы данных (Word, Excel, PDF).

Ключевые принципы для построения информационной системы

         Можно предложить следующие принципы построения информационной системы для автоматизации процессов сбора, обработки, хранения и анализа статистических данных.

         Принцип автоматизации процессов, означает, что ИС должна обладать специальным инструментом, который отвечал бы за автоматизированный перенос исходных данных из статистических форм и отчётностей, обработку исходных данных, формирование статистической информации и формирование аналитической информации. Такой инструмент необходим, так как описанный процесс весьма трудоёмкий и не гарантирует точности при расчётах из-за человеческого фактора.

         Принцип полноты. Соблюдение данного принципа необходимо при выполнении сложных аналитических расчётов по региону, округу или в целом по стране, а также по отдельным видам налогов или видам экономической деятельности. Если на каком-либо этапе расчётов будут отсутствовать полностью или частично исходные данные, например, по субъекту или виду налога, то полученная информация становится недостоверной. Здесь на пользователя возлагается ответственность за тем, чтобы следить за обновляемой информацией в источниках и восполнять «пробелы» в исходных данных.

         Принцип точности расчётов. Без автоматизации рабочего процесса невозможно абсолютно точно складывать и запоминать длинные числовые цепочки, поэтому существует высокая вероятность появления ошибок при выполнении операций связанных с вычислением сложных индексов и коэффициентов.  Из этого следует, что организация процесса выполнения расчётов без использования специальных программ не является оптимальной.  Поэтому для повышения достоверности оценки целесообразно использовать специализированные программные решения.

         Принцип развития связан с тем, чтобы ИС постоянно пополнялась новой информацией, внедрялся новый функционал для пользователей системы, а также появлялись новые виды статистической и аналитической отчётности.

         Принцип наглядности означает, что система должна уметь отображать получаемую информацию и преобразовывать в графический вид: сводные таблицы, диаграммы и графики. Данный принцип необходим для полноты понимания проблем социально-экономического развития регионов, поэтому в системе должен быть реализован географический модуль с привязкой к округам и субъектам.

         Принцип восполнения недостающих исходных данных. Существует вероятность, что какие-либо исходные данные будут частично или полностью отсутствовать. Поэтому в ИС должна быть заложена функция прогнозирования и восполнения «пробелов» в исходных данных.

2.1.  Источники и инструменты обработки исходных статистических данных

         Современное развитие сети Интернет позволяет получать доступ к различной информации, в том числе и к статистическим данным:

1. о налоговых поступлениях по видам налогов (форма статистической отчётности №1-НМ «Начисление и поступление налогов, сборов и иных обязательных платежей в консолидированный бюджет Российской Федерации»),
2. о видах деятельности (форма статистической отчётности № 1-НОМ «Начисление и поступление налоговых платежей в бюджетную систему Российской Федерации по основным видам экономической деятельности»),
3. о социально-экономических показателях (среднегодовая численность населения, среднегодовая численность занятых в экономике, численность безработных, численность экономически-активного населения, валовый региональный продукт, индексы потребительских цен, стоимость основных фондов, инвестиции в основной капитал, фактическое конечное потребление домашних хозяйств на территории субъектов).

        Это стало возможным благодаря проекту “Электронная Россия”, в который входит множество различных государственных ресурсов, например: Федеральная налоговая служба [189, 201-188] и Федеральная служба государственной статистики [17-20]. Электронные документы, хранящиеся в открытом доступе на данном ресурсе, можно беспрепятственно загрузить на собственный ПК и просмотреть с помощью различных табличных редакторов, например: Microsoft Office Excel или OpenOffice Calc; и редакторов документов: Microsoft Word или OpenOffice Doc. Формат таких данных имеет расширение «.xls» или «.doc» соответственно.

Методика поиска и сбора исходных статистических данных

В качестве источника исходных данных по налоговым поступлениям используются оригинальные формы статистической отчётности, такие как: формы отчётности 1-НМ (рис. 1-4, п. Б) и 1-НОМ (рис. 5-8, п. Б). Они располагаются в соответствующем разделе сайта ФНС для определённого субъекта РФ. Например, чтобы получить отчётность по форме 1-НМ или 1-НОМ для Республики Татарстан необходимо выполнить следующие действия:

1. открыть сайт Федеральной налоговой службы [189];
2. выбрать интерактивную карту;
3. в выпадающем списке указать необходимый субъект (Татарстан) или кликнуть на место по карте и дождаться открытия;
4. в левом меню выбрать пункт “Статистика”;
5. далее нажать на ссылку “Сводные отчёты по формам статистической налоговой отчётности”;
6. выбрать интересующую форму отчётности (в данном случае это 1-НМ и 1-НОМ);
7. указать год или месяц.

     Все формы отчётности предоставляются в формате электронных таблиц в файле вида «1NM.xls» или «1NOM.xls». Дальнейшее использование файла с целью извлечения необходимой информации требует тщательной проверки на наличие специальных обозначений, которые подтверждают принадлежность конкретной отчётности к определённому субъекту РФ. Для этого на титульном листе или в шапке отчётности присутствуют специальные метки такие, как: состояние отчётности на определённую дату и название субъекта или налогового органа.

     По имеющейся информации, количество файлов по данным видам отчётности (1-НМ и 1-НОМ) за период с 2006 года по 2013 составляет, примерно 996 файлов (516 для 1-НМ и 480 для 1-НОМ) с общим объёмом данных 111 мегабайт. С одной стороны, с учётом развития информационных технологий занимаемый объем файлами на магнитном носителе покажется незначительным. Однако представим, сколько потребуется времени на обработку одного документа.

Для того, чтобы открыть ресурс по налоговой статистике и найти на нём интересующую информацию, пользователю потребуется порядка 45 секунд  на один субъект (обычно вся статистическая информация находится на одной странице для отдельно взятого субъекта, всего 85). Это при условии, что методология поиска известна. Подсчитаем время, затраченное на сбор статистической информации по формуле (3):

,
,
.

          – среднее время поиска данных по налоговым отчетностям;

          – среднее время поиска форм отчетности 1-НМ;

          – средине время поиска форм отчетности 1-НОМ;

          – общее среднее время поиска данных в часах;

          и  – количество налоговых отчетностей 1-НМ и 1-НОМ соответственно.

Далее рассчитываем количество времени на загрузку отчётностей ) с ресурса (6). Допустим, что теоретически пропускная способность канала Интернет на стороне пользователя и вычислительные способности  на стороне ресурса позволяют поддерживать среднюю скорость 5000 кбит / сек (СПСК), при среднем размере файла отчётностей 1-НОМ – 200 Кбайт и 1-НМ – 80 Кбайт. Тогда рассчитаем время, которое тратится на скачивание, по формуле:

,
,
.

Когда известны все переменные, то произведём расчёт (7) общего среднего времени загрузки и поиска данных ().

По формуле производим расчёт, получается, что  = 12,5 часа, а  = 3,8 часа, получаем  = 16,23 часов. Именно такое время, вероятно, будет потрачено на описанные действия. Стоит отметить, что это теоретическая величина, и на практике ситуация может отличаться. Средние величины получены методом сбора данных, основанным на практических опытах.

Методика сбора статистических данных

     Сбор данных представляет собой скачивание определённых единиц исходных данных (ЕИД), которые содержат статистическую информацию в одно место на дисковом пространстве компьютере. Назовём это пространство библиотекой.

     Библиотека данных предполагает хранение определённого количества ЕИД с учётом определённой структуры хранения папок и файлов.

Структура хранения ЕИД в библиотеке

Корневая папка библиотеки:

1. Налоговые поступления
   1. 1.<Название федерального округа>
      1. 1.1.<Название субъекта>
         1. 1.1.1.<тип налоговой отчётности><год>.xls
   2. Численность населения
      1. 1.Численность населения.xls
      2. 2.Численность занятого населения по ВЭД.xls
   3. Сводные данные по РФ
      1. 1.1-НМ (папка)
         1. 1.1.Раздел 1
            1. 1.1.1.1nm<год>.xls
            2. 1.2.Раздел 2
               1. 1.2.1.1nm<год>.xls
               2. 1.3.Раздел 3
                  1. 1.3.1.1nm<год>.xls
                  2. 2.1-НОМ
                     1. 2.1.Раздел 1
                        1. 2.1.1.1nom<год>.xls
                        2. 2.2.Раздел 2
                           1. 2.2.1.1nom<год>.xls
   4. Глобальные показатели
      1. 1.Индексы.xls

В данной структуре <тип налоговой отчётности> может принимать значение 1nm или 1nom.

Структура ЕИД

• 1nm<год>.xls для субъекта

Данный файл, начиная с 2010 года, состоит из пяти листов: «Титульный лист», «1», «2», «3» и «4». Титульный лист содержит следующую информацию: дату состояния отчётности, код, наименование формы, код и наименование субъекта, код и название налогового органа субъекта. Лист «1» - раздел 1, «2» - раздел 2, «3» - раздел 3 и «4» - справочно-нормативная информация. Существуют более ранние варианты файлов, где имеется один лист, который включает в себя все разделы одновременно.

• 1nom<год>.xls для субъекта

Здесь все файлы состоят из одного листа и содержат два раздела.

• Численность населения.xls

Имеет 3 листа: всего, занятые и безработные (рис. 11, п. Б). Каждый лист содержит сводные статистические данные, взятые из статистических сборников [21-23].

• Численность занятого населения по ВЭД.xls

     Здесь каждый лист имеет название соответствующего года и каждый из них содержит информацию о численности занятого населения по субъекту и виду экономической деятельности (рис. 12, п. Б) [17-20].

• Индексы.xls

     Табличный документ состоит из нескольких листов, которые содержат данные о различных социально-экономических показателях, например: ВРП, ИПЦ, стоимость основных фондов, инвестиции в основной капитал, фактическое потребление домашних хозяйств, уровень износа основных средств, количество организаций и предприятий и др.

Методика обработки исходных статистических данных

После того, как все необходимые данные собраны, необходимо произвести первичную обработку под конкретные нужды: выбрать необходимые показатели, сгруппировать поля. В основном свод показателей в данной работе представляет собой таблицу с числами, которые привязаны к субъектам РФ в формате файла Excel. Такие таблицы просматриваются с помощью программного приложения Microsoft Office Excel. Например, для отчётности по поступлениям налогов (форма 1-НМ, рис. 1-4, п. Б) из формы выбираются наименование налогов, их величина, которые переносятся в промежуточную форму (рис. 9, п. Б). Данная операция выполняется за те года, которые можно найти в открытых источниках по состоянию на первый месяц каждого года для всех субъектов по отдельности. Для формы отчётности по видам экономической деятельности (рис. 5-8, п. Б), промежуточная форма изображена на рисунке 10 (п. Б). Также существуют промежуточные данные для отображения численности населения по годам для каждого субъекта РФ. Они делятся на три отдельные таблицы в одном файле (рис. 11, п. Б): общая численность населения, численность занятого населения и численность безработных.   Эти данные берутся из статистического сборника [17-20].

Высчитаем время обработки (в днях) статистических форм отчётности ) в промежуточные формы пользователем под конкретную задачу. Чтобы произвести одну обработку, исследователю необходимо открыть найденный файл, создать новый лист/файл, произвести манипуляцию с исходными данными (выбрать диапазон ячеек, сделать суммы и ссылки). Это занимает примерно 180 секунд  для формы налоговой отчётности 1-НМ () и 160 секунд для 1-НОМ (). Здесь надо понимать, что это время уходит на то, чтобы действовать по наработанному шаблону действий, который уже выработался в ходе работы.

По формуле (8) рассчитываем общее среднее время обработки данных: пользователю потребуется на подготовительные работы с исходными данными примерно 2-ое суток (47,13 часов) без перерывов. Данная величина так же может отличаться от показаний на практике. Это связано с тем, что обработка больших объёмов числовых данных человеком приводит к появлению ошибок в расчётах, дальнейшей повторной проверке, как исходных данных, так и расчётных величин. Это обусловливает увеличение затраченного времени. Помимо обработки и проверки ЕИД, необходимо потратить время на создание единой сводной таблицы, с помощью которой в дальнейшем выполнялись бы расчёты. Это также требует время и, по самым скромным подсчётам, на данное действие будет затрачено почти трое суток.

         Так как время обработки данных является наиболее трудоёмким для пользователя, нами был предложен программный инструмент для автоматизации данного процесса обработки исходных данных. Данный инструмент предназначен для того, чтобы исключить ошибку «человеческий фактор» и облегчить дальнейшее формирование статистической и аналитической информации. С помощью данного подхода можно сократить время обработки данных на порядок: в 13,2 раз. Другими словами, можно произвести полную обработку данных на среднем по вычислительной мощности персональном компьютере примерно за 4 часа. Экономия времени более, чем существенная. Стоит отметить, что пользователю не требуется вмешиваться в процесс обработки данных программой, как при ручном методе.  Требуется лишь ввод первоначальных параметров: путь, где хранятся ЕИД, и дать команду программе на выполнение.

         Если применить программный инструмент при работе с ЕИД, то обработка произойдёт в 22,5 и 8,9 раза быстрее для форм статистической отчётности 1-НМ и 1-НОМ соответственно.

В итоге, на полный цикл действий (поиск, скачивание, обработка, формирование сводной таблицы) понадобится порядка 137,7 часов (10 суток) ручным методом и 21,9 часов (почти сутки) при помощи автоматизации процесса обработки данных, что в 10,7 раза быстрее.

Рассматривая метод обработки данных пользователем: поиск, загрузка данных и обработка; нельзя исключать то, что потребуется дополнительное время для формирования статистических и аналитических отчётов после первоначальной обработки исходных данных. Поскольку обработанные данные хранятся в отдельных файлах (более 1 тыс. файлов), потребуется дополнительное время на формирование так называемого «ядра» данных (сводная таблица), где была бы возможность с помощью инструментов Excel производить выборку необходимых данных. Если будет допущена ошибка при обработке данных, то и в «ядро» попадут неточные данные, что повлечёт за собой искажения рассчитываемых показателей. Понадобится снова пройти цикл: поиск, скачивание, обработка, формирование «ядра».

Принимая во внимание, что РФ содержит большое количество субъектов (85), а налоговый кодекс предполагает 19 различных видов налогов для 18 видов экономической деятельности, то формирование «ядра» данных крайне затруднительно, требует больших временных затрат и сопряжено с появлением случайных ошибок, поскольку мобильность и скорость формирования аналитической информации находятся на низком уровне. Все это подталкивает к автоматизации процесса переноса исходных данных в специальную базу данных (БД) и формированию аналитической информации на её основе.

Методика формирования «ядра» данных в единой таблице, формирование сводных данных по нескольким субъектам, была апробирована нами во время проведения практических занятий со студентами на кафедрах «Информационные технологии в налогообложении» и «Информационные системы в экономике» в НОУ «ИНЭП».

Математический аппарат

При разработке методов и алгоритмов для вычисления тех или иных статистических или аналитических показателей и коэффициентов формируется математический аппарат ИС позволяющей использовать статистические функции при выполнении своих расчётов (таблица 1, п. А). Далее приведены примеры рассчитываемых с использованием ИАС показателей: доля занятого населения субъекта по отношению к общей численности ЗН в округе, доля совокупных налоговых поступлений (СНП) субъекта РФ по отношению к совокупным налоговым поступлениям федерального округа, относительный показатель налоговой нагрузки в субъекте, относительный показатель долей, отражающий вклад субъекта РФ в совокупные налоговые поступления федерального округа, коэффициенты Лоренца и Джини, дисперсия для среднего СНП по виду налога, среднее квадратичное отклонение по СНП, относительный показатель налоговой нагрузки по виду налога для субъекта (), центрирование  , интегральный показатель для , индекс налоговых доходов бюджета региона, индекс налогового потенциала, индекс налоговых рисков интегральный показатель финансовых ресурсов региона и др.

Особенности сбора и обработки исходных статистических данных

Вопрос о достоверности данных особенно важен в данной работе, так как все ЕИД берутся из официальных источников, таких как: сайты ФНС и УФНС [201-188, 189] и статистические сборники Росстата [17-20]. Во время анализа на достоверность статистической налоговой отчётности проверяется следующая информация: название субъекта и налогового органа, дата составления отчётности. Для статистической информации по численности населения из соответствующей таблицы (документ формата Word) выбираются данные для определённого субъекта РФ в специальный табличный документ (Excel) за определённый год. Однако не вся информация, получаемая из этих источников, является корректной, что показано ниже.

Первое, что хотелось бы отметить – отсутствие периодичности публикуемых налоговых отчётностей на Интернет-ресурсе налогового органа [201-188, 189]. Данная ситуация ставит специалиста в сложное положение, когда необходимо произвести аналитические расчёты по округу, а данные по некоторым субъектам РФ отсутствуют. Это создаёт проблемы при расчётах («пробелы в данных»), что затягивает выпуск аналитической статьи по проблематике федерального округа.

Следующая проблема – это недостоверность данных. Под недостоверностью данных понимается выявление случаев, когда налоговые отчётности одного субъекта РФ подменяются отчётностью другого, что также создаёт проблемы при расчётах (пример).

Третья проблема, это неполнота исходных данных. Нами выявлена череда случаев, когда налоговые отчётности 1-НМ и 1-НОМ выкладываются не за весь отчётный период, а лишь за полгода или 9-11 месяцев.

В-четвертых, это доступ к данным. К сожалению, некоторые разделы информационного ресурса налогового органа закрыты для публичного обозревания и загрузки данных.

Существует и пятая проблема – полное отсутствие данных. Это создаёт крайние неудобства, как для исследователя, так и для разработчика, потому, как исключается возможность составления аналитической оценки по региону в целом.

На основе проведённого поиска единиц (файлов) исходных данных (ЕИД), были систематизированы проблемы связанные использованием форм отчётности 1-НМ (таблица 2.2), так и для 1-НОМ (таблица 2.3). Используемые обозначения приведены в таблице 2.1.

Таблица 2.1  

Обозначения для сокращений, используемых в карте проблем исходных данных

Таблица 2.2  

Карта проблемных исходных данных 1-НМ

Источник: составлено автором

На основе анализа статистической налоговой отчётности ФНС найдены следующие случаи проблемных ЕИД: ЧП зафиксировано 9, ПП – 88, а ЗИП – 3 и ПД – 1. Удельный вес достоверных ЕИД, предоставляемые налоговым органом составил 95% от общего числа ЕИД по 1-НМ.

Рассмотрим подобную ситуацию для форм отчётности 1-НОМ (таблица 2.3).

Таблица 2.3  

Карта проблем исходных данных 1-НОМ

Федеральный округ	Субъект	Год, статус
Дальневосточный округ	Приморский край	2010 – ПП
	Хабаровский край	2010 – ПП
	Еврейская автономная область	2010 – ЧП*6
Дальневосточный округ	Чукотский автономный округ	2010 – ЧП*6
Приволжский ФО	Республика Мордовия	2006 – ПП, 2010 – ПП
	Пензенская область	2010 – ЧП*6
	Саратовская область	2010 – ПП
Приволжский ФО	Ульяновская область	2010 – ПП
Северо-Западный ФО	Республика Карелия	2010 – ЧП*6
	Республика Коми	2006 – ПП
	Калининградская область	2010 – ЧП*6
Северо-Кавказский ФО	Республика Ингушетия	2006 –ПП, 2009 – ПП, 2010 -ПП
	Чеченская Республика	2010 - ПП
Сибирский ФО	Республика Алтай	2007 – ЧП*6, 2008 – ЧП*6, 2009 – ЧП*6
	Забайкальский край	2006 - ПП
Уральский ФО	Челябинская область	2010 - ПП
	Ханты-Мансийский автономный округ - Югра	2006 – ПП, 2009 - ПП
Центральный ФО	Брянская область	2009 - ЛОГ
	Калужская область	2009 – ЧП*6, 2010 – ЧП*6
	Костромская область	2009 – ПП, 2010 - ПП
	г. Москва	2007 – ЧП*6
	Липецкая область	2006 – ПП
	Орловская область	2006 – ПД
	Тульская область	2006 - ПП
Южный ФО	Волгоградская область	2010 – ЧП*6

Источник: составлено автором

Анализ выявил следующие проблемные участки: ЧП – 12, ПП – 19, ЗИД – 0, ПД – 1 и ЛОГ – 1. Количество достоверных ЕИД – 92% от общего числа по 1-НОМ. Таблицы актуальны по состоянию на 07.06.2011 года.

На основании анализа полноты исходных данных была предпринята попытка по устранению проблемных участков ЕИД с помощью частичного или полного прогнозирования необходимых показателей. Стоит отметить, что подобный подход не является абсолютно точным, но он даёт возможность сформировать общую картину по субъекту РФ, федеральному округу или в целом по РФ.

         Стоит отметить, что при сборе и обработке ЕИД было выявлено несоответствие состава субъектов Российской Федерации по данным Федеральной налоговой службы [201-188, 189] и Федеральной службы государственной статистики [17-20]. В частности Росстат даёт сводные данные, по Архангельской области включая Нененецкий АО и Тюменской области включая Ханты-Мансийский АО и Ямало-Ненецкий АО. В то время как ФНС предоставляет данные по каждой области и автономному округу в отдельности. Это связано, с тем, что эти ведомства используют различные методики расчёта и формы статистической отчётности. Поэтому вопрос по реализации в ИАС механизма стандартизации данных из различных типов статистических отчётностей важен, так как обычным ручным способом это сделать сложно и влечёт за собой нежелательные ошибки в расчётах.

2.2.  Организация структуры учёта сведений на основе технологий OLAP и хранилищ данных

Начнём рассматривать современные технологические решения для хранения и обработки статистических данных с использованием различных вариантов налоговой отчётности и социально-экономических показателей, содержащихся в статистических сборниках. Это позволит более эффективно решать задачи построения информационно-аналитических систем для анализа статистической и аналитической информации в области налогов и налогообложения.

Преимущества использования хранилища данных в аналитических системах

Увеличение объёмов информации ежегодно в данной области влечёт за собой рост информационной базы для поддержки принятия решений однако различия в составе и структуре исходных статистических данных значительно усложняют процесс анализа информации и получения результатов. Информационные системы, имеющие аппаратные и программные средства для хранения, обработки и анализа большого количества данных, как правило, позволяют представить результаты конечному пользователю в удобном для чтения виде. Конфигурация информационных систем существенно зависит от области, где они могут быть применены, и задач, для выполнения которых они разрабатываются. Можно обобщить сведения об информационных системах и предложить следующее определение этого понятия. Информационная система это компьютерная система, которая позволяет специалисту и лицу, принимающему решение (ЛПР), аргументировать свой выбор, исходя из предоставленных ему аналитически подтверждённых рекомендаций [46, 76, 70, 101, 104].

Обработка, хранение и анализ исходных статистических данных – это основная задача современных информационных систем. В связи с тем, что  обоснованность и гибкость принятия решения зависит не только от полноты выбора источников исходных статистических данных, но и от мощности аналитических средств, то решение задач по проектированию системы целесообразно рассматривать комплексно. Организация соответствующей структуры базы данных и своевременное применение инструментов извлечения, корректировки и загрузки сведений влияет на эффективное хранение информации [64]. Если взять во внимание описанную архитектуру и уровни работы с данными, то такую систему можно представить в общем виде (рисунок 2.1) [35].

База данных информационной системы рассчитана на большие объёмы информации при постоянном пополнении в результате ручного или автоматизированного ввода данных. Особенностью построения таких систем является возможность хранения сведений, различных по составу и структуре (например социально-экономические показатели и формы статистической налоговой отчётности [17-20, 188-201]).

Рис. 2.1. Архитектура основных процессов информационно-аналитической системы

Исходная информация, которая поступает в систему, хранится через специальную подсистему хранения исходных статистических данных. Следует отметить, что существует несколько источников входной статистической информации, которая может быть различна по составу и структуре. Также существует вероятность частичного или полного отсутствия статистических сведений в этих источниках или неточной информации. Такие случаи подробно отражены в таблицах 2.4 и 2.5. Все это может оказать негативное влияние на выводы и качество информации для принятия решений специалистами в данной области. На этапе сбора и обработки исходных данных не будет лишним использовать процедуры предварительной обработки и проверки их корректности.

Конечная цель таких систем – это помощь лицам, принимающим решения при выработке региональной налоговой политики. Следовательно, информационная система должна иметь все возможные методы: как алгоритмы для анализа статистических данных с целью предоставления аналитической информации, так и алгоритмы по восполнению частично отсутствующих исходных статистических данных. Рассмотрение вопроса по частично или полностью отсутствующим исходным данным представлено в п. «Особенности сбора и обработки исходных статистических данных» (с. 69).

Исходя из выше перечисленного, структуру основных технологических процессов, проходящих в информационно-аналитической системе, можно представить в виде схемы процессов [66, 35, 41, 76, 67] (рис. 2.2):

Рис. 2.2. Структура процессов в информационно-аналитической системе

 Появление дополнительных источников с целью консолидации статистических исходных данных в одном месте, в частности, данных по налоговым поступления и численности занятого населения субъектов Российской Федерации, ведёт к разнотипности и неоднородности данных. Для решения этой задачи производится адаптация информационно-аналитической системы с использованием специальных структур хранения информации, другими словами,  хранилища данных. Хранилище данных – это спроектированная база данных, специальным образом включающая большой объем информации, которая впоследствии используется для анализа исходных статистических и принятия решений на основе статистической и аналитической информации. Основная задача хранилищ – сбор исходных данных из всех возможных источников, их обработка и предоставление доступа к полезной статистической и аналитической информации специалистам в данной области [66, 75, 101, 194].

Принципиальным отличием хранилища данных от других является её предметная ориентация, которая позволяет объединять в себе различные по составу и структуре исходные статистические данные предметной области. Хранилище данных по налоговым поступлениям и численности занятого населения должно содержать не только статистические данные о налоговых поступлениях, но и сведения о составе и численности населения, индексах потребительских цен, валовом региональном продукте, о безработице и т.п. Наличие хронологии в системе хранения данных означает, что информация имеет свойство накапливаться за все прошедшие периоды для последующего использования [66, 36, 104].

Структура такого хранилища обычно значительно отличается от структуры реляционной СУБД. Использование механизмов деморализации таблиц в таких случаях может помочь увеличить скорость обработки запросов, что может допускать избыточность данных. В результате обращения к агрегированной информации может формироваться её избыточность, но, как утверждает основоположник концепции хранилища данных Б. Инмона, избыточность информации в СППР системе не будет превышать более 1 %. Это достигается путём процедур фильтрации, адаптации и очистки сведений для анализа [35, 104].

В целях уменьшения времени, затрачиваемого на выполнение процедуры запроса и анализа исходных статистических данных, во время проектирования структуры хранилища данных определяют её предназначение исключительно для обработки и анализа. Для реализации этой задачи, как правило, исходные и агрегированные статистические данные из различных источников помещаются в одно хранилище данных. Помимо этого, хранилище может содержать и метаданные, которые отражают структуру, размещение и преобразование первичной информации. Именно это обеспечивает возможность  эффективного  взаимодействия  всех  компонентов хранилища [75, 67, 103] (рис 2.3).

Рис. 2.3. Общая архитектура и схема взаимодействия хранилища данных

Как уже было отмечено ранее, некорректные исходные статистические данные и произведённые на их основе аналитические операции способны повлечь за собой неверные выводы и, как следствие, принятие неверных решений. Поэтому немаловажной задачей в процессе загрузки статистических данных в хранилище данных является процесс её предварительной обработки и очистки.

Спецификой анализа данных о налоговых поступлениях и о социально-экономических показателях является проведение исследования на основе этих данных, которые могут помочь выявить социально-экономические проблемы регионов и взаимосвязь между ними. Например, приводит ли увеличение численности занятого населения определённого субъекта РФ к увеличению налоговых поступлений по налогу на прибыль организаций? Для сравнения субъектов РФ и муниципальных образований по уровню социально-экономического развития между собой необходимо учитывать такие показатели, как: индекс потребительских цен, сведения о населении, информация о валовом региональном продукте и данные о налоговых поступлениях по видам налогов и видам экономической деятельности. Таким образом, в разработке хранилища данных для информационно-аналитической системы должен быть реализован комплексный учёт всех необходимых показателей.

На рисунке 2.4 представлена логическая схема наполнения хранилища данных.

Рис. 2.4. Логическая схема наполнения хранилища данных

На рисунке 2.4 представлена схема, описывающая структуру хранения исходных статистических данных, которая формирует информационный слой для применения методов оперативной аналитической обработки OLAP и алгоритмов интеллектуального анализа данных.

Традиционные (оперативные) базы данных используются для решения повседневных задач, когда хранилище данных направлено, прежде всего, на  информационное обеспечение стратегического анализа и планирования. Именно поэтому хранилище данных есть неотъемлемая часть современных информационных систем, на основе которых в последующем разрабатывают инструментарий для анализа информации.

Агрегация (формирование сводов) налогово-статистической и социально-экономической отчётности с использованием механизма OLAP

Процедура агрегации (свода) статистических данных о социально-экономических показателях и о налоговых поступлениях происходит после того, как за отчётный период были собраны все необходимые данные, обработаны и загружены в ХД. Данные подвергаются агрегированию с использованием различных уровней группировки: сводный отчёт по округу, по субъекту, по виду налога, по виду экономической деятельности и по периодам (год).

Использование аналитически-ориентированных объектов (ROLAP-кубы) означает переход из плоскости динамического агрегирования исходных статистических данных к использованию методологии OLAP формирования свода данных. В данном случае измерениями куба являются ключи реляционных таблиц, на пересечении которых находятся ячейки с исходными данными. Такое  технологическое решение позволяет с минимальными временными затратами просматривать тенденции, производить прогноз уровней налоговых поступлений и социально-экономических показателей, а также ежегодно накапливать данные.

Ещё одним преимуществом данной процедуры является возможность выполнения выравнивания размерности исходных статистических данных до относительных (1000 тыс. рублей на одного занятого в экономике), что позволяет проводить сравнительный анализ между различными регионами [90]. Таким образом, результатом подобной агрегации каждой таблицы является трёхмерный куб с ячейками, которые заполняются средствами SQL-выражения общего вида:

SELECT id_subject, id_district, year_data AS year, useview, SUM(TI) AS total_ti_subject

FROM        Source_data_1NM INNER JOIN

Taxes ON Source_data_1NM.id_tax Taxes.id INNER JOIN

Subjects ON Source_data_1NM.id_subject = Subjects.id

GROUP BY Source_data_1NM.id_subject, Source_data_1NM.year_data, Taxes.useview, Subjects.id_district

HAVING (Taxes.useview = 1)

В случае, если речь идёт об относительных значениях, например, о доли налоговых поступлений в совокупных налоговых поступлениях округа, то используется следующий запрос: select

SELECT     Federal_district.id AS id_district, Federal_district.district_name, Subjects.id AS id_subject, Subjects.subject_name,                       SUM(View_dw_total_ti_districts.total_ti_district) AS sum_total_ti_district, SUM(vks.total_ti_subject) AS sum_total_ti_subject,

                      View_dw_total_ti_districts.year, vks.total_ti_subject / View_dw_total_ti_districts.total_ti_district AS share_ti_subject,

                      vks.total_ti_subject / View_dw_total_ti.total_ti AS share_ti_subject_of_subjects, 1 /

                          (SELECT     CAST(COUNT(id_subject) AS decimal) AS Exp1

FROM          View_total_ti_subjects

WHERE      (id_district = vks.id_district) AND (year = vks.year)) AS count_subjects, View_dw_total_ti.total_ti

FROM         View_dw_total_ti INNER JOIN

                      View_dw_total_ti_districts ON View_dw_total_ti.year = View_dw_total_ti_districts.year RIGHT OUTER JOIN

                      Subjects INNER JOIN

                      Federal_district ON Subjects.id_district = Federal_district.id ON

                      View_dw_total_ti_districts.id_district = Federal_district.id LEFT OUTER JOIN

                      View_dw_total_ti_subjects AS vks ON Subjects.id = vks.id_subject

GROUP BY Federal_district.id, Federal_district.district_name, Subjects.id, Subjects.subject_name, View_dw_total_ti_districts.year, vks.year,

                      vks.total_ti_subject / View_dw_total_ti_districts.total_ti_district, vks.id_district, vks.total_ti_subject / View_dw_total_ti.total_ti,

                      View_dw_total_ti.total_ti

HAVING      (vks.year = View_dw_total_ti_districts.year) AND (SUM(View_dw_total_ti_districts.total_ti_district) > 0) AND (SUM(vks.total_ti_subject)

Здесь также стоит дополнить SQL-запрос ещё одним вариантом, когда производится расчёт совокупных налоговых поступлений для округа:

SELECT     Federal_district.id AS id_district, Federal_district.district_name, View_dw_total_ti_subjects.year,

                      SUM(CAST(View_dw_total_ti_subjects.total_ti_subject AS decimal)) AS total_ti_district

FROM         Federal_district INNER JOIN

                      Subjects ON Federal_district.id = Subjects.id_district INNER JOIN

                      View_dw_total_ti_subjects ON Subjects.id = View_dw_total_ti_subjects.id_subject

GROUP BY Federal_district.id, Federal_district.district_name, View_dw_total_ti_subjects.year

HAVING      (SUM(CAST(View_dw_total_ti_subjects.total_ti_subject AS decimal)) > 0)

                      > 0)

За выполнение свода и создание OLAP-кубов отвечает специальный алгоритм, который следит за тем, чтобы значения в сводных таблицах были уникальны и не имели дубликатов (рис. 2.5).

Рис. 2.5. Блок-схема процесса формирования свода

Использование описанного подхода агрегации данных о налоговых поступлениях и о социально-экономических показателях позволит использовать преимущества оперативной аналитической обработки, что сократит избыточность и разреженность данных в гиперкубах OLAP.

2.3.  Описание информационно-аналитической системы

Создание оболочки для имеющейся базы данных (БД) в виде приложения для информационной системы стало необходимо, когда количество получаемых данных стало сложно обрабатывать вручную и приводить в статистическую или аналитическую информацию. Информационная система помогает пользователю быстро сориентироваться в ситуации, сделать выборку интересующих данных и экспортировать аналитическую или статистическую информацию в распространённые форматы файлов: PDF, Excel или Word. Информационная система позволяет сэкономить время на сбор статистической информации, её обработку и формирование аналитической информации. Прежде всего, для информационной системы необходимо спроектировать БД, которая, в свою очередь, является хранилищем статистических данных о налоговых поступлениях и социально-экономических показателях субъектов РФ и муниципальных образований. БД является главным компонентом информационных систем, которые построены по принципу клиент-сервер – центр хранения и обработки данных.

Следующий этап, это проектирования информационной системы или создание программной оболочки БД. Она отвечает за автоматизированный ввод данных в БД и предоставление пользователю информации в виде отчёта.

Выбор технологий для реализации

На рынке программного обеспечения существует множество полезных разработок и средств управления данными (СУБД). Для создания информационной системы, которая соответствует всем требованиям разработчика и пользователя, необходимо проанализировать уже имеющиеся разработки и выбрать наиболее оптимальный вариант.

Проделанные нами расчёты по накапливанию БД данными показали, что общее количество ячеек с данными (ячейки с основными данными имеют тип данных integer) составит почти 274 000: больше 17 000. строк и 100 столбцов. Эти числа приведены с учётом накопления статистических данных за пять лет. Это относительно маленькие показатели для использования БД «миллионщиков». Для решения поставленной задачи вполне подойдёт использование БД MS SQL. На рисунке 2.6 представлена обобщённая структура ИС.

Рис. 2.6. Обобщённая структура ИС

Модели базы данных

         Перед непосредственной реализацией схемы базы данных необходимо осуществить этап проектирования логической и физической моделей базы данных, на основе которых она будет реализовываться.

     Логическая и физическая модели данных в данном разделе представлены в упрощённом виде (см. рис 2.7 и 2.8). На разработанную базу данных для информационной системы зарегистрировано свидетельство в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам (№ 2013620730 База данных для информационно-аналитической системы региональных налоговых поступлений Российской Федерации от 21 июня 2013 г.).

Рис. 2.7. Общий вид логической модели данных

Рис. 2.8. Общий вид физической модели данных (рис. 20-28 п. Б)

         В этой модели главной таблицей является та, возле которой стоит значение “1”, а если значение “∞”, то такая таблица является подчинённой. Связь таблиц, в которой присутствуют “1” и “∞”, называется «один-ко-многим». Если значения связи выставлены “1” и “1”, то это связь «один-к-одному». В этом случае все связи называются «один-ко-многим». В БД насчитывается порядка 63 различных таблиц. Более подробное описание каждой из них представлено в таблице 1 п. Б.

         Существует некоторое отличие между разными моделями данных (логическая и физическая): в физической модели сокращены ключевые поля, это необходимо для снижения вероятности грамматических ошибок при написании запросов «вручную» (SQL без конструктора). Реализация функциональной части базы данных в информационной системе осуществляется с помощью 188 разнонаправленных запроса (примеры запросов представлены в таблицах 2-6 п. Б).

Приложение пользователя и администратора

         Информационная система состоит из двух подсистем: пользовательское приложение (ПП) и приложение для администратора (ПА). ПП предназначена для вывода статистической и аналитической информации в виде отчётности. ПА нацелено на упрощение ввода статистических данных в БД, обработку и преобразование, а также их редактирование.

Приложение администратора: обработка статистических данных

Данное приложение оптимизировано для работы по автоматизированной обработке исходных статистических данных из ЕИД. После обработки статистических данных программой они импортируются в специальные таблицы хранения сведений – хранилища данных (ХД). Например, для общей численности, занятого и безработного населения это таблица «Source_data_Population», для занятого населения по ВЭД – «Source_data_Population_eea», видов налогов – «Source_data_1NM», видов экономической деятельности, региональных индексов – «Source_data_1NOM» и др.

         Важным моментов в процессе обработки статистических данных является их перенос в базу данных в соответствующую им таблицу с использованием программного приложения. Данное приложение имеет несколько специализированных модулей:

1. Импорт статистических данных по численности и составу населения в субъектах (общее, занятое, безработное, занятое по ВЭД).
2. Импорт данных из формы статистической отчётности (1-НМ, 1-НОМ и 4-НМ, а также сводные формы статистических отчётностей 1-НМ, 1-НОМ и 4-НМ).
3. Импорт статистических данных по различным показателям (внутренний региональный продукт и индекс потребительских цен по субъектам)
4. Агрегация статистических данных.

Импорт статистических данных по численности и составу населения в субъектах (общее, занятое, безработное, занятое по ВЭД)

Данный модуль состоит из двух частей, первая из которых отвечает за обработку ЕИД, где содержатся статистические данные по составу численности населения в субъекте РФ (общее, безработное и занятое), а вторая часть – за обработку данных о занятом населении по видам экономической деятельности (ВЭД). Две схемы (рис. 2.10, 2.11) объединяет единая схема чтения и распознавания ЕИД (рис. 2.9).

Рис. 2.9. Схема чтения ЕИД для статистических данных по населению

Рис. 2.10. Схема чтения содержимого ЕИД для статистических данных по составу и численности населения (общее, безработное, занятое), импорт в БД

Рис. 2.11. Схема чтения содержимого ЕИД для статистических данных для численности занятого населения по ВЭД, импорт в БД

Импорт данных из формы статистической отчётности (1-НМ, 1-НОМ и 4-НМ, а также сводные формы статистических отчётностей 1-НМ, 1-НОМ и 4-НМ)

Здесь происходит распознавание ЕИД по виду формы налоговой отчётности, её обработка, а при необходимости расчёт прогнозируемых величин и дальнейший импорт данных в БД (рис. 2.12).

Рис. 2.12. Схема обработки и распознавания ЕИД для форм статистических отчётностей 1-НМ, 1-НОМ или 4-НМ, импорт в БД

     На следующих схемах (рис. 2.13, 2.14) изображены алгоритмы работы программы для следующих форм статистических налоговой отчётности: «Отчёт по форме № 1-НМ, в разрезе субъектов Российской Федерации» или для 1-НОМ – «Отчёт по форме № 1-НОМ, в разрезе субъектов Российской Федерации».

Рис. 2.13. Схема чтения и обработки ЕИД для налоговой статистической формы 1-НМ

Рис. 2.14. Схема чтения и обработки ЕИД для сводной формы 1-НОМ

 

Импорт статистических данных по различным показателям (валовый региональный продукт и индекс потребительских цен в субъектах)

         На рис. 2.15 изображена схема обработки ЕИД для статистических данных по различным статистическим показателям, например, внутренний региональный продукт или индекс потребительских цен по субъектам РФ.

Рис. 2.15. Обработка ЕИД для статистических данных по региональным показателям

Агрегация статистических данных

Схема агрегации данных изображена на рисунке 2.16.

Рис. 2.16. Схема агрегации статистических данных и формирование хранилища данных с рассчитываемыми показателями

Пользовательский интерфейс

         Пользовательский интерфейс приложения администратора состоит из главного окна приложения и панели надстроек: окно приложения (рис. 2.17) и панель надстроек (таблица 2.6).

Рис. 2.17.  

Таблица 2.4  

Панель надстроек приложения администратора для информационно-аналитической системы ИАС «Налоги РФ»

Файл	Справочник	Данные	Сервис	Справка
¾    Выход	¾    Налоги Виды налогов Виды экономичен-кой деятельности ¾    Субъекты Федеральный округ Субъект Город Налоговый орган ¾    Отчёты	¾    Импорт Населения Налога-вые отчётности Показать-ли ¾    Агрегация	¾    Настройки	¾    Помощь

Приложение пользователя

         Пользовательское приложение проектировалось с целью создания максимально понятного пользовательского интерфейса и таким образом, чтобы конечному пользователю не требовалось специальных знаний для управления программой. Главная задача программы – предоставить актуальную статистическую и аналитическую информацию о налоговых поступлениях и о социально-экономических показателях (например, о составе населения в субъектах РФ). Программа позволяет выводить статистические или аналитические данные, в различных вариантах используя технологию OLAP (таблица 2.7).

         Измерения для отчётов: 1) вид налога; 2) вид экономической деятельности; 3) социально-экономический показатель; 4) субъект РФ; 5) вид бюджета; 6) федеральный округ; 7) период (год).

Таблица 2.5  

Используемые данные и измерения для статистической и аналитической отчётностей

Варианты статистических и аналитических отчётов		Измерения, №
№	Название	1	2	3	4	5	6	7
1	Совокупные налоговые поступления субъекта				+	+	+	+
2	Налоговые поступления по виду налога	+			+	+	+	+
3	Налоговые поступления по ВЭД		+		+	+	+	+
4	Численность населения				+		+	+
5	Занятое население по ВЭД		+		+		+	+
6	Показатель ОПИН	+	+		+		+	+
7	Коэффициент долей налоговых поступлений и занятого населения		+		+		+	+
8	Кривая концентрации				+			+
9	Коэффициент Лоренца						+	+
10	Коэффициент Джини						+	+
11	Доли населения	+	+		+		+	+
12	Доли налоговых поступлений	+	+		+	+	+	+
13	Динамика совокупных налоговых поступлений субъектов	+	+		+	+	+	+
14	Динамика численности населения		+		+		+	+
15	Индекс «Z»	+	+		+		+	+
16	Динамика индекса «Z»	+	+		+		+	+
17	Основные социально-экономические показатели			+	+			+
18	Коэффициенты корреляции	+	+	+	+	+		+
19	Индекс налоговых рисков				+			+
20	Индекс налогового потенциала				+			+
21	Индекс налоговых доходов бюджета регионов				+			+
22	Индекс финансовых ресурсов				+			+

Источник: составлено автором

         Исходя из таблицы 2.5, можно рассчитать количество возможных вариантов отчётности с используемыми измерениями. Если исключить измерение «Период», то можно получить 62 варианта отчётов.

     Приложение пользователя предоставляет возможность выборки данных за несколько лет. Предоставляемую статистическую или аналитическую информацию можно выгрузить в распространённые форматы данных такие распространённые форматы данных, как Excel, Word или PDF.

Реализация функциональной части пользовательского приложения

         Пользовательское приложение помогает преобразовать статистические данные, взятые из БД, в статистическую и аналитическую информацию. Для того, чтобы воспользоваться такой информацией, необходимо пройти авторизацию пользователя в ИАС «Налоги РФ» (рис. 2.18). Программа использует БД на удалённом сервере, к которой имеется доступ через сеть интернет (клиент-сервер). Подключение производится к MS SQL Server’у 2008 при помощи провайдера SQL Server.

Рис. 2.18.  

         После выполнения авторизации откроется окно ИАС (рис. 2.19) в котором можно выполнять просмотр и экспорт полученной информации с помощью специальных форм. Для того, чтобы открыть одну из множества форм, надо воспользоваться конструктором отчётов (рис. 2.20), нажав на кнопку панели надстроек – “Показатели”. Существует два конструктора: относительный и абсолютный.

Абсолютный – конструктор форм, где пользователь может сформировать отчёт со статистической информацией.

Относительный – возможность формирования аналитических отчётов.

Рис. 2.19.  

Конструктор отчётов позволяет сделать выборку данных: по округам, по субъектам РФ, по видам налогов или ВЭД.  Для этого необходимо в первом выпадающем меню выбрать соответствующее значение: «Округ», «Субъект», «Виды налогов», «ВЭД». Далее пользователю предлагается выбрать несколько вариантов компоновки отчёта. Выбирая название отчёта, в поле списка отчётов в поле справа отображается краткое описание отчёта и пример формирования. Ниже есть ряд «флажков», с помощью которых можно ограничить выборку данных по определённым условиям/параметрам: 1) федеральный округ; 2) субъект РФ; 3) налог; 4) ВЭД; 5) вид бюджета; 6) год (позволяется выбирать интервал).

Рис. 2.20.  

         После того, как будут установлены все необходимые параметры, можно нажать на кнопку «Показать» в форме конструктора отчётов. Откроется новое окно сформированного отчёта. Форма типичного отчёта изображена на рисунке 2.21. Например, выбрав отчёт «Совокупные налоговые поступления» (СНП) по Приволжскому ФО за 2008-2010 года пользователь может увидеть структурированную статистическую информацию: федеральный округ, код субъекта, субъект, год, налоговые поступления (НП).

Рис. 2.21.  

         Для некоторых отчётов предусмотрена функция построения диаграмм и графиков на основе выбираемой информации. В окне сформированного отчёта информация представлена, как в виде таблиц, так в виде диаграммы (рис. 2.22). На рисунке также изображены действия по экспорту данных в распространённые форматы данных.

Рис. 2.22.  

Ещё одной функциональной особенностью приложения является наглядное отображение полученной информации на географической карте России. Это стало возможным благодаря использованию векторной графики на технологической основе Windows Presentation Foundation (WPF) с использованием языка разметки XAML. На рисунке 2.23 изображён пример использования такой графики.

Рис. 2.23. Интерактивная карта

На рисунке 2.23 изображена географическая карта Российской Федерации, где отображён такой статистической показатель, как «Налоговые поступления по видам налогов за 2011: Налог на добавленную стоимость». Если навести курсор на субъект, то появится всплывающая подсказка в виде:

<Название субъекта>

         Значение –  <текущее значение для отображаемого показателя>.

При одном клике мыши по региону, появляется окно с краткой информацией, – в левом углу – имеющее две вкладки: «Население» (рис. 2.24) и «Налоги». На вкладке «Налоги» имеются такие результативные показатели региона, как:

• Совокупные налоговые поступления (СНП);
• Налог на доходы физических лиц (НДФЛ);
• Зарплата.

Показатели СНП и НДФЛ для компактного отображения и удобного восприятия представлены в миллиардах, а зарплата в тысячах. Также для каждого из показателей отображаются текущее значение и предыдущее, а также абсолютное и относительное изменения по отношению к предыдущему значению.

Рис. 2.24. Вкладка «Население» для интерактивной карты

         На вкладе «Население» отображена краткая информация по составу населения в выбранном регионе:

• Общая численность населения (Всего)
• Занятое население (Занятое)
• Безработное население (Безработное)

Как видно, для обозначения различной активности регионов используются красные оттенки. Если в определённом регионе наблюдаются максимальные показатели, то он окрашивается красным цветом, если наименьший, то белым. В промежутке двух крайних значений используются оттенки красного. Также имеется тепловая шкала для более быстрой ориентации.

Пользовательский интерфейс

         Интерфейс пользовательского приложения изображён в схематичном варианте на таблице 2.6.

Таблица 2.6  

Панель надстроек приложения пользователя

Панель надстроек
Файл	Карта РФ	Показатели	Справка
¾    Выход		¾    Абсолютные ¾    Относительные	¾    О программе

ВЫВОДЫ

         Во второй главе рассмотрены информационные потребности и предпосылки, подталкивающие к разработке ИАС «Налоги РФ». Также были предложены ключевые принципы её построения на основе OLAPтехнологии обработки информации, содержащей возможность использования сложных запросов к базе данных (включающей налоговую отчётность по всем субъектам РФ, федеральным округам или бюджетам субъектов РФ), с возможностью    составления и динамической публикации результатов исследований в виде аналитических отчётов. Представлены методики поиска, сбора и обработки исходных статистических данных, математический аппарат разработанной ИАС и проведён анализ исходных статистических данных на предмет достоверности (таблицы 2.2 и 2.3).

Разработанная информационная система может быть использована в научных и аналитических исследованиях для быстрой обработки статистической информации, характеризующей экономическое состояние того или иного региона и в целом экономики России. Данные исследования являются особо актуальными в свете реформирования межбюджетных отношений в Российской Федерации и повышение эффективности системы поддержки бюджетов субъектов Федерации федеральным финансированием. При этом среди основных направлений совершенствования данной системы главное место занимает внедрение принципов автоматизации процессов обработки и анализа исходных статистических данных с целью повышения репрезентативности выборки и достоверности оценки полноты, повышения репрезентативности выборки, достоверности оценки, уменьшения доверительного интервала и снижения рисков при выработке региональной налоговой политики.

ИАС «Налоги РФ» разработана на основе свободно распространяемой информации (ст. 3 Законом «Об информации, информационных технологиях и о защите информации») с использованием лицензионного программного продукта.

ГЛАВА 3.  ИССЛЕДОВАНИЕ НАЛОГОВОЙ БАЗЫ СУБЪЕКТОВ РОССИЙСКОЙ ФЕДЕРАЦИИ И МУНИЦИПАЛЬНЫХ ОБРАЗОВАНИЙ С ИСПОЛЬЗОВАНИЕМ ИАС «НАЛОГИ РФ»

С использованием разработанной ИАС «Налоги РФ»[10] нами было проведено исследование социально-экономического развития регионов России. В качестве информационной базы послужили данные статистических налоговых отчётностей (формы 1-НМ, 1-НОМ и 4-НМ), представленные на сайте Федеральной налоговой службы [106-189], статистические данные о социально-экономическом развитии регионов России, предоставляемые Росстатом [20-22, 25, 23, 27-29], данные об исполнении федерального бюджета и консолидированных бюджетов субъектов Российской Федерации, взятые с сайте Министерства финансов Российской Федерации [203]. Статистические данные были загружены в базу данных[11] с использование приложения администратора для ИАС «Налоги РФ»[12], где они подверглись следующей обработке: выравнены до одной размерности (до тысячных), восполнены частично или полностью отсутствующие данные (примеры приведены в таблицах 2.2 и 2.3), произведены вычисления различных статистических и аналитических показателей, коэффициентов и индексов. Данный программный инструмент позволил существенно сократить временные затраты на обработку исходных статистических данных Росстата о социально-экономических показателях и по формам статистической налоговой отчётности ФНС, более чем в 10 раз (п. «Методика обработки исходных статистических данных», с. 65) [81, 84].

С применением автоматизированных методов вычисления различных статистических и аналитических показателей, коэффициентов и индексов, входящих в состав программного инструмента ИАС «Налоги РФ», нами были обработаны следующие статистические данные: налоговые поступления субъектов РФ и муниципальных образований в разрезе видов бюджетов, видов налогов, видов экономической деятельности; социально-экономические показатели развития регионов (валовый региональный продукт, индекс потребительских цен, стоимость основных фондов, инвестиции в основной капитал, износ основных фондов, численность занятого населения, численность безработного населения, общая численность населения, число предприятия и организаций, средние душевые доходы, число собственных автомобилей на 1 тыс. человек, средние душевые расходы, продукция сельского хозяйства, объем платных услуг, заболеваемость на 1 тыс. чел.); за 2006-2013 гг. и получены следующие результаты:

1. Произведён расчёт налоговой нагрузки субъектов РФ,  построена кривая концентрации налоговых доходов и индекс налоговой нагрузки с отражением его распределения [83, 85, 86, 95].
2. Произведён детальный анализ динамики налоговых поступлений консолидированных бюджетов субъектов РФ [91, 92, 93, 86].
3. Произведён анализ методов прогнозирования по темпу роста и прироста налоговых поступлений в региональные и местные бюджеты.
4. Разработана методика рейтинговой оценки субъектов Российской Федерации по степени активности в наращивании собственных налоговых доходов бюджетов, которая позволяет проводить межрегиональные сравнения с позиций обеспеченности налоговыми доходами. Значение индекса отражено на географической карте России.
5. Выявлены социально-экономические факторы, влияющие на налоговые поступления региональных бюджетов субъектов РФ.

В качестве частного примера для данного исследования были взяты субъекты Дальневосточного и Центрального федеральных округов.

Использование ИАС «Налоги РФ» в качестве инструмента для исследования налоговых поступлений в региональные и местные бюджеты существенно повышает репрезентативность выборки данных, обеспечивает достоверность оценки с одновременным уменьшением доверительного интервала, что снижает риск принятия неправильных решений при выработке региональной политики.

Главная особенность ИАС «Налоги РФ» заключается в том, что система позволяет разложить показатели, характеризующие экономику региона в разрезе видом налогов или видов экономической деятельности. Она позволяет избежать процесса «ручного» сбора, обработки и анализа статистических данных и учесть их при выработке налоговой политики на региональном уровне.

Процесс формирования системой аналитической информации состоит из комплекса автоматизированных действий, производимых пользователем и ИАС «Налоги РФ»:

1. Сбор исходных статистических данных о социально-экономических показателях и налоговых поступлениях в субъектах РФ и муниципальных образованиях.
2. Обработка полученных исходных статистических данных с использованием приложения администратора для ИАС «Налоги РФ» и формирование информационной базы.
3. Вычисление статистических и аналитических показателей с использованием приложения администратора.
4. Представление результата вычислений с использованием приложения пользователя ИАС «Налоги РФ».

Первый этап заключается в том, чтобы найти и загрузить исходные данные на персональный компьютер, разместив файлы (ЕИД) в специальной библиотеке исходных данных (подробнее в п. «Методика обработки исходных статистических данных», с. 65).

Второй этап предполагает использование приложения администратора, чтобы загрузить собранные исходные данные в информационную базу. В свою очередь приложение берет на себя задачу обработки первичных данных, выявления частично или полностью отсутствующих данных и их восполнение, а также выравнивание размерности числовых данных.

На третьем этапе администратором системы используется приложение для того, чтобы произвести все необходимые вычисления над исходными статистическими данными в автоматическом режиме.

Четвёртый этап, это этап, где пользователь может произвести выборку статистической и аналитической информации, которая предоставляет возможность оценить налоговую составляющую экономики региона и проанализировать влияющие социально-экономические факторы на налоговые поступления на разных уровнях бюджетов, в том числе бюджеты субъектов РФ.

3.1.  Анализ динамики совокупных налоговых поступлений субъектов Дальневосточного федерального округа

Программный инструментарий ИАС «Налоги РФ» позволяет не только рассматривать показатели за определённый период, но и производить анализ их динамики. В таблице 3.20 рассмотрим динамику темпов роста по совокупным налоговым поступлениям субъектов Дальневосточного федерального округа за период с 2006 по 2012 гг.

Таблица. 1.1  

Динамика темпов роста совокупных налоговых поступлений для субъектов Дальневосточного федерального округа в период с 2007 по 2012 гг.

Продолжение таблицы 3.1

Источник: составлено автором с использование ИАС «Налоги РФ» на основе данных ФНС России

На основе данных таблицы 3.1 построим рисунок отражающий динамику темпов роста совокупных налоговых поступлений субъектов ДВФО за период с 2006 по 2012 гг. Из рисунка 3.2 видно, что все субъекты ДВФО имели схожие темпы роста. В 2008 г. зафикисрован резкое изменение темпа в Чукотском автономном округе (3,23) по сравнению с 2007 годом.

Рис. 1.1. Динамика темпов роста совокупных налоговых поступлений для субъектов Дальневосточного федерального округа в период с 2007 по 2012 гг.

Чтобы выяснить причины резкого изменения темпа роста налоговых поступлений Чукотского автономного округа, рассмотрим динамику темпов роста по видам налогов в таблице 3.2.

Таблица. 1.2  

Динамика темпов роста по видам налогов в Чукотском автономном округе, 2007-2012 гг.

Источник: составлено автором с использование ИАС «Налоги РФ» на основе данных ФНС России

Список сокращений по видам налогов представлен в таблице 3.2. На основе данных таблицы 3.2 построим диаграмму с графиком, который отражает изменения темпов роста по видам налогов. По рисунку 3.3 следует, что значительный вклад в темп роста совокупных налоговых поступлений Чукотского автономного округа внёс налог на добычу полезных ископаемых (1730).

Рис. 1.2. Динамика темпов роста по видам налогов в Чукотском автономном округе, 2007-2012 гг.

Значение темпа роста в 2008 г. для НДПИ составило 4,19. Это не самый высокий показатель в рассматриваемый период потому, как в 2009 г. темп роста налога на прибыль предприятий составил 7,89. В 2010 г. темп роста единого сельскохозяйственного налога составил 10,35. Однако данные виды налогов не внесли ощутимого вклада в совокупные налоговые поступления Чукотского автономного округа в эти периоды.

3.2.  Исследование налоговой нагрузки субъектов Российской Федерации

Имея данные долей налоговых поступлений (ДНП) и численности занятого населения (ДЗН) построим сетевой график по отношению этих долей – коэффициент отношения долей (Кдол) (таблица 3.26, рис. 3.31).

Таблица. 1.3  

Коэффициент отношения долей совокупных налоговых поступлений и численность занятого населения субъектов Дальневосточного федерального округа  за 2011 год

Источник: составлено автором с использование ИАС «Налоги РФ» на основе данных ФНС России и Росстат

Из рисунка 3.31 следует, что четыре субъекта РФ выходят за единичный диапазон. Это означает, что в этих субъектах доля занятого населения приносит большую долю налоговых поступлений ДВФО по сравнению с остальными. Таким образом, в 2011 г. первую позицию занимает Чукотский автономный округ – 3,74. Вторую позицию занимает Сахалинская область со значением 1,69. Третья позиция закреплена за Республикой Саха (Якутия) – 1,50. Магаданская область заняла четвертую позицию – 1,23. Что касается других субъектов, которые вносят относительно меньшую долю налоговых поступлений с относительно большей долей занятого населения. Эти субъекты расположились в следующем порядке: Хабаровский край – 0,99, Камчатский край – 0,95, Приморский край – 0,66, Амурская область – 0,65 и Еврейская автономная область с коэффициентом 0,45.

Рис. 1.3. Распределение отношения долей совокупных налоговых поступлений и численности занятого населения субъектов Дальневосточного федерального округа за 2011 год (таблица 3.26)

В целом, распределение данного коэффициента распределено неравномерно. Об этом свидетельствует среднее значение данного показателя по Дальневосточному федеральному округу – 1,32.

Рассмотрим распределение с помощью кривой концентрации (коэффициенты Лоренца и Джини) для оценки степени неравномерности налоговых поступлений по отношению к численности занятого населения. В таблице 3.27 приведены накопленные доли налоговых поступлений и численности занятого населения субъектов Дальневосточного федерального округа в 2011 году.

Таблица. 1.4  

Коэффициенты накопленных долей совокупных налоговых поступлений и численности занятого населения субъектов Дальневосточного федерального округа за 2011 год

Продолжение таблицы 3.4

Источник: составлено автором с использование ИАС «Налоги РФ» на основе данных ФНС России и Росстат

Чтобы оценить неравномерность налоговых поступлений построим кривую концентрации (рис. 3.4) по данным таблицы 3.5. Коэффициенты неравномерности распределения налоговых поступлений соответствуют следующим значениям: L = 0,1680 и G = 0,0531. Показатели (L и G) говорят о том, что распределение налоговых поступлений в субъектах ДВФО весьма близко к равномерному распределению.

Рис. 1.4. Диаграмма концентрации совокупных налоговых поступлений субъектов Дальневосточного федерального округа в 2011 г.

Полученное значение аналога коэффициента Джини указывает на то, что распределение налоговых поступлений в ДВФО за 2011 очень близко к равномерному распределению.

За период с 2006 по 2012 гг. был проанализирован индекс налоговой нагрузки. В таблице 3.5 приведены основные параметры для распределения данного показателя.

Таблица. 1.5  

Значения параметров для индекса налоговой нагрузки субъектов Российской Федерации за 2006-2012 гг.

Показатель	2006	2007	2008	2009	2010	2011	2012
Число наблюдений	83	83	83	83	83	83	83
Среднее значение
Среднее квадратичное отклонение	8,88	9,11	8,45	8,5	8,57	8,01	8,06
Максимальное значение	31,34	29,39	29,3	22,69	24,05	24,52	25,95
Минимальное значение	-17,91	-17,58	-16,99	-16,5	-16,64	-18,22	-17,08
Число группируемых интервалов	8	8	8	8	8	8	8
Значение критерия Хи2	15,01	16,75	9,06	10,97	17,1	8,6	38,02

Источник: составлено автором с использование ИАС «Налоги РФ»

На основе данных из таблицы 3.5 отобразим распределение индекса за 2012 год в виде диаграммы (рис. 3.6).

Рис. 1.5. Диаграмма распределения индекса интенсивности налоговых поступлений для субъектов Российской Федерации, 2012 год

По рисунку видно, что характер распределение индекса налоговой нагрузки в 2012 году похож на ненормальный закон распределения. Закон распределения данного индекса в предыдущие годы был близок к нормальному закону распределения случайных величин. Этому свидетельствуют рисунки (рис. 29-34 п. А) и статья авторов, предложивших индексный метод для оценки налоговой нагрузки субъектов Российской Федерации одновременно по всем видам налогом [52]. Отсюда можно сделать вывод, что в 2012 году произошло некоторое смещение налоговых поступлений на душу занятого населения. В частности, Чукотского автономного округа, индекс в период с 2006-2012 гг. уменьшался с 8,99 до 3,20 соответственно.

3.3.  Анализ метода прогнозирования совокупных налоговых поступлений по цепным темпам роста

В таблице 3.6 приведены данные за 2012 год по прогнозным величинам для совокупных налоговых поступлений субъектов Дальневосточного федерального округа.

Таблица. 1.6  

Прогноз совокупных налоговых поступлений для субъектов Дальневосточного федерального округа на 2012 год

Продолжение таблицы 3.6

Источник: составлено автором с использование ИАС «Налоги РФ» на основе данных ФНС России

При анализе прогнозных значений по таблице 3.6 по методу цепных темпов роста были выявлены недостатки данного подхода: отклонение прогнозных значений и действительных варьируется в диапазоне от 44% до -13%. Поэтому нельзя опираться на данный подход при прогнозировании совокупных налоговых поступлений для субъектов Дальневосточного федерального округа. В частности, для Чукотского автономного округа, где отклонение составляет 44%, вероятно, имеет смысл использовать модель прогнозирования совокупных налоговых поступлений с использованием факторного анализа.

При сравнении значений, которые были получены в ходе вычислений и данных, которые представлены ФНС России [189, 201-188] видно, что данный способ не является абсолютно точным и не во всех случаях его возможно использовать.

3.4.  Рейтинговая оценка субъектов Российской Федерации по степени активности в наращивании собственных налоговых доходов бюджетов

Оценка степени активности субъектов Российской Федерации собственных финансовых ресурсов достаточно важный вопрос при проведении анализа налоговой составляющей в экономике региона, так как налоговые поступления — это неотъемлемая её часть. Предложенная методика расчёта рейтинга с использованием программного инструмента ИАС «Налоги РФ» апробирована в научно исследовательской работе «Резервы роста налоговых доходов бюджетов субъектов Российской Федерации и местных бюджетов»[13]. Аналитическая информация, полученная в ходе работы с ИАС представлена ниже.

Таблица. 1.7  

Индекс собственных финансовых ресурсов субъектов Российской Федерации в 2102 году

Код субъекта	Название субъекта	Распределение	Значение индекса
31	Белгородская область	R---	(6,0812)
25	Приморский край	R--	(3,5907)
	Архангельская область	R--	(3,5014)
16	Республика Татарстан	R--	(3,4877)
57	Орловская область	R--	(3,4027)
50	Московская область	R--	(3,3082)
35	Вологодская область	R--	(3,2183)
47	Ленинградская область	R--	(3,1637)
74	Челябинская область	R--	(3,1034)
2	Республика Башкортостан	R--	(3,0947)
71	Тульская область	R--	(2,4598)
26	Ставропольский край	R--	(2,4510)
42	Кемеровская область	R--	(2,4472)
33	Владимирская область	R--	(2,3293)
46	Курская область	R--	(2,3080)
78	г. Санкт-Петербург	R--	(2,1511)
67	Смоленская область	R--	(2,1415)
19	Республика Хакасия	R--	(2,0245)
36	Воронежская область	R--	(1,9207)
68	Тамбовская область	R--	(1,8448)
75	Забайкальский край	R--	(1,8329)
48	Липецкая область	R-	(1,6849)
58	Пензенская область	R-	(1,6348)
22	Алтайский край	R-	(1,5108)
27	Хабаровский край	R-	(1,3852)
72	Тюменская область	R-	(1,3826)
1	Республика Адыгея	R-	(1,0591)
62	Рязанская область	R-	(1,0307)
61	Ростовская область	R-	(0,8623)
66	Свердловская область	R-	(0,8259)

Продолжение таблицы 3.7

Код субъекта	Название субъекта	Распределение	Значение индекса
73	Ульяновская область	R-	(0,8107)
39	Калининградская область	R-	(0,8048)
4	Республика Алтай	R-	(0,7575)
34	Волгоградская область	R-	(0,7377)
13	Республика Мордовия	R-	(0,4134)
79	Еврейская автономная область	R-	(0,3749)
3	Республика Бурятия	R-	(0,3131)
43	Кировская область	R-	(0,2647)
56	Оренбургская область	R-	(0,2067)
52	Нижегородская область	R-	(0,1684)
54	Новосибирская область	R-	0,0022
51	Мурманская область	R-	0,0190
21	Чувашская Республика	R-	0,0434
37	Ивановская область	R-	0,0507
55	Омская область	R-	0,1684
38	Иркутская область	R	0,3029
10	Республика Карелия	R	0,3938
64	Саратовская область	R	0,4115
60	Псковская область	R	0,5049
23	Краснодарский край	R	0,5089
53	Новгородская область	R	0,5440
69	Тверская область	R	0,6397
32	Брянская область	R	0,8198
44	Костромская область	R	0,8219
59	Пермский край	R	0,9477
12	Республика Марий Эл	R	1,1030
63	Самарская область	R	1,1725
5	Республика Дагестан	R	1,4660
28	Амурская область	R	1,5423
18	Удмуртская Республика	R	1,5762
9	Карачаево-Черкесская Республика	R	2,1782
40	Калужская область	R+	2,4106
65	Сахалинская область	R+	2,9152
11	Республика Коми	R+	2,9915
15	Республика Северная Осетия - Алания	R+	3,0799
30	Астраханская область	R+	3,3147
17	Республика Тыва	R+	3,5949
77	г. Москва	R+	3,6511
45	Курганская область	R+	3,8341
41	Камчатский край	R+	3,9184
76	Ярославская область	R+	4,2390
14	Республика Саха (Якутия)	R++	5,0429
24	Красноярский край	R++	5,3279
70	Томская область	R++	5,9607
6	Республика Ингушетия	R+++	6,8228

Окончание таблицы 3.7

Код субъекта	Название субъекта	Распределение	Значение индекса
7	Кабардино-Балкарская Республика	R+++	7,6137
20	Чеченская Республика	R+++	7,6292
49	Магаданская область	R+++	8,3761
8	Республика Калмыкия	R+++	8,6363
87	Чукотский автономный округ	R+++	8,6474

Источник: составлено автором с использование ИАС «Налоги РФ» на основе данных ФНС России и Росстат

Таким образом, на основе данных таблицы 3.7 можно произвести анализ распределения данного индекса. Результат анализа представлены в таблице 3.8 и на рисунке 3.7 в виде географической карты.

Значения параметров для индекса налоговой нагрузки субъектов Российской Федерации за 2012 год

Источник: составлено автором с использование ИАС «Налоги РФ»

Рис. 1.6. Индекс наращивания собственных налоговых доходов бюджетов субъектов Российской Федерации за 2012 год

Из таблицы и рисунка 3.7 хорошо видно, как сильно субъекты Российской Федерации отличаются друг от друга по индексу наращивания собственных налоговых доходов бюджетов. Однако параметры распределения данного индекса показывают, что индекс стремится к нормальному закону распределения.

3.5.  Выявление предполагаемых зависимостей между налоговыми поступлениями и социально-экономическими показателями

Рассмотрим зависимости между основными социально-экономическими показателями и налоговыми поступлениями по видам налогов для Чукотского автономного округа, тем самым выявим факторы, влияющие на изменение того или иного показателям. Для этого воспользуемся данными о линейной и нелинейной корреляции с использованием ИАС «Налоги РФ». В таблицах 3.8 и 3.9   представлены коэффициенты корреляции с уровнем значимости не более 0,05. Расшифровка нумерации колонок для таблиц 3.7-3.8: 1) численность безработного населения; 2) численность занятого населения; 3) износ основных фондов; 4) инвестиции в основной капитал; 5) индекс потребительских цен; 6) численность общего населения; 7) стоимость основных фондов; 8) уровень безработицы; 9) экономически активное население и колонок для таблиц. Расшифровка нумерации строк для таблиц 3-26-3.27: 1) ГосПош; 2) ЕНВД; 3) ЕСН; 4) НВодный; 5) НДПИ; 6) НДСБел; 7) НДФЛ; 8) НЗемл; 9) НИБ; 10) НИОрг; 11) НП; 12) НТ; 13) СборЖивМ; 14) УСН.  3.28-3.29 приводится в таблицах 3,26-3.27.

Таблица. 1.8  

Коэффициенты корреляции линейных зависимостей между налоговыми поступлениями по видам налогов и социально-экономическими показателями Чукотского автономного округа

Примечание: * - коэффициент корреляции с уровнем значимости a <=0,01

Таблица. 1.9  

Коэффициенты корреляции нелинейных зависимостей для налоговых поступлений по видам налогов и социально-экономических показателей Чукотского автономного округа

Примечание: * - коэффициент корреляции с уровнем значимости a <=0,01

По данным таблиц 3.8 и 3.9 видно, что в большинстве случаев преобладает линейная зависимость между налоговыми поступлениями и социально-экономическими показателями как положительная, так и отрицательная. Однако имеются связи, когда коэффициент корреляции для линейной зависимости меньше чем коэффициент нелинейной корреляции (коэффициент ранговой корреляции Спирмена) при сравниваемом уровне значимости, а <=0,05.

Поскольку объем выборки для каждой пары показателей невелик (семь лет), то можно говорить о предположительной их взаимосвязи.

В данной работе использовались статистические данные на период с 2006 по 2012 гг. С использованием метода корреляционных плеяд для Чукотского автономного округа (рис. 3.8) становится очевидна взаимосвязь между налоговыми поступлениями и социально-экономическими показателями региона.

Рис. 1.7. Корреляционные плеяды для Чукотского автономного округа

Из рисунка 3.8 видно, что при увеличении численности занятого населения уменьшаются налоговые поступления по таким видам налогов, как: государственная пошлина, ЕНДВ, налог на добычу полезных ископаемых, налог на землю, налог на прибыль организаций и упрощённая система налогообложения. В случаи с водным налогом, то численность занятого населения увеличивается вместе с увеличением налоговых поступлений. Увеличение уровня износа основных фондов влияет на увеличение налоговых поступлений по ЕНВД. Стоимость основных фондов отрицательно влияет на водный налог. В случаях с другими налогами увеличение стоимости основных фондов влечёт за собой увеличение налоговых поступлений по государственной пошлине, НДПИ, налогу на землю и УСН. Увеличение уровня собираемости налоговых поступлений в свою очередь влияет на увеличение налоговых поступлений по НДПИ и УСН.

ВЫВОДЫ

         В третей главе рассмотрена программная реализация методов и алгоритмов структурирования исходных статистических данных (рис. 3.3 – 3.10), разработано хранилище БД для хранения данных по налоговым поступлениям и социально-экономическим показателям (рис. 3.2, рис. 20-28 п. А), определены и построены OLAP-кубы агрегации (свода) статистических данных (таблица 3.2), разработан программный инструмент для интерактивного анализа региональных налоговых поступлений и социально-экономический показателей (рис. 3.17, 3.34, 29-34 п. А). На примере субъектов Дальневосточного федерального округа определена структура налоговых поступлений, неравномерность налоговых поступлений относительно численности занятого населения (кривая концентрации, рис. 3.29-3.30 и таблица 3.32), проведён анализ прогнозирования совокупных налоговых поступлений по цепным темпам роста (таблица 3.30), налоговая составляющая экономики региона и выявлены взаимосвязи между налоговыми поступлениями и социально-экономическими показателями. В частности, разобран пример Чукотского автономного округа с использованием метода корреляционных плеяд (рис. 3.33). Разработанная ИАС «Налоги РФ» имеет функцию вывода статистической и аналитической информации в виде таблиц, графиков, диаграмм и географической привязкой данных, а также экспорт данных в распространённые форматы данных (MS Excel, MS Word, PDF).

ЗАКЛЮЧЕНИЕ

         В диссертации рассмотрены проблемные вопросы, касающиеся анализа статистических данных о социально-экономических-показателях и налоговых поступлениях, которые могут повлиять на решения при разработке региональной налоговой политики. Сначала был определен состав исходных статистических данных (таблица 1), затем выявлены проблемные участки, связанные с частично или полностью отсутствующими данными (с.  67-72). Вследствие чего, были выработаны методики для устранения пробелов в данных и разработаны алгоритмы (с. 89-90, рис. 2.12-2.13), помогающие восполнить частично отсутствующие данные. Трудности, связанные с составлением и агрегацией статистических данных из разных источников, имеющих разную структуру и форматы исходных статистических данных, и оперирование большим объёмом данных, побудили поиск информационно-аналитической системы, способной производить сложные вычисления над исходными статистическими данными (с. 25-29, 32-34) и предоставлять статистическую и аналитическую информацию в графическом и табличном видах.

В таблице 1 показаны основные типы исходных статистических данных (входные данные, с. 35-42), использующиеся при анализе экономики субъектов Российской Федерации в разрезе налоговых поступлений, а также отражена выходная информация, которая получается в процессе обработки данных и операций вычисления коэффициентов и индексов.

Выявлен ряд проблем (разнородность и разность подходов к реструктурированию статистических данных в различных ведомствах, их частичное или полное отсутствие, трудоёмкость и неэффективность ручного процесса сбора, обработки и анализа исходных статистических данных), которые могут быть решены путём автоматизации процесса подготовки данных для принятия решений в сфере экономики. Показано, что такие факторы, как недостоверность и разнородность данных и низкая производительность процесса обработки, могут быть устранены при применении современных информационных технологий.

Проделанная работа позволила определить состав исходных статистических данных, необходимых для анализа налоговых поступлений в региональные и местные бюджеты, предложить методики, алгоритмы автоматизированного восполнения полностью или частично отсутствующих данных.

         В работе проведён анализ существующих информационных систем и программных инструментов, в ходе которого выявлен ряд преимуществ и недостатков по анализу, обработке и представлению результатов вычислений над исходными статистическими данными. Представленные системы и программные инструменты (с. 25-35, таблицы 1.3, 1.4) направлены на предоставление обобщённой статистической и аналитической информации об экономической деятельности субъектов Российской Федерации, и на предоставление возможности провести детальный анализ. В ходе исследования выявлено отсутствие информационной системы или программного инструмента, которой бы был специализирован на анализе статистических данных о налоговых поступлениях и социально-экономических показателях. Поэтому в работе представлены разработанные методики и алгоритмы по автоматизации процесса ввода статистических данных в базу данных и по их обработке с применением OLAP-технологий. Кроме того, предложены принципы построения информационной системыс целью сбора, обработки, хранения, анализа  статистических данных, приведения их в одинаковый формат и размерность для снижения рисков принятия неправильных решений при выработке региональной налоговой политики. К таким принципам относятся: принцип автоматизации процессов,       принцип полноты, принцип точности расчётов, принцип развития, принцип наглядности, принцип восполнения недостающих исходных данных.

         Использование данного подхода к обработке и агрегации данных позволило существенно сократить временные затраты, примерно в 10 раз, на ввод в базу данных, обработку и агрегацию исходных статистических данных, по сравнению с ручным методом (с. 67-74). Это позволило систематизировать существующие подходы к реструктурированию исходных статистических данных и разработать методики и алгоритмы автоматизации процесса ввода статистических данных в базу данных и их обработки с применением OLAP-технологий.

         На основании проведённого аналитического обзора технологий и программных продуктов учёта статистической информации о налоговых поступлениях и социально-экономических показателях субъектов Российской Федерации и муниципальных образований показана актуальность разработки специализированной информационной системы.

         Анализ больших объёмов статистических данных сопряжён с определением оптимального набора показателей, который, с одной стороны, позволял бы производить глубокий анализ налоговых поступлений по видам налогов и видам экономической деятельности, и, с другой стороны, позволял бы производить объединение с анализом социально-экономических показателей, которые, в свою очередь, прямо или косвенно влияют на объем поступлений. Этот комплекс мер, позволяет получить достаточно объективную картину о ситуации в регионе и обеспечить поддержку принятия решений при выработке региональной налоговой политики. В работе определена группа показателей для комплекса OLAP-моделей построения сводов (агрегации) данных, содержащих статистическую и аналитическую информацию о социально-экономических показателях и налоговых поступлениях субъектов Российской Федерации и муниципальных образований. Гибкость и масштабируемость системы в целом при возникновении новых задач для поиска решений является ключевой составляющей при определении группы показателей для комплекса OLAP-моделей.

         Постоянное обновление базы данных новыми исходными статистическими данными требует регулярной актуализации статистической и аналитической информации. Для решения этой задачи в работе разработаны и реализованы новые методики и алгоритмы оперативной обработки и агрегирования статистических данных о социально-экономических показателях и налоговых поступлениях в региональные и местные бюджеты:

• для обработки и ввода в базу данных исходных статистических данных,
• для формирования статистической и аналитической информации для OLAP-кубов,
• для восполнения полностью или частично отсутствующих данных методом средних величин,
• для вычисления прогнозных значений методом темпов прироста налоговых поступлений,
• для выявления зависимостей между налоговыми поступлениями и социально-экономическим показателями методом регрессионного анализа в виде программного приложения «Приложение администратора для информационно-аналитической системы «Налоги РФ».

         Кроме того, разработана и реализована структура базы данных для хранения статистических данных и комплекс OLAP-моделей формирования агрегированных отчётов для анализа налоговых поступлений субъектов Российской Федерации и социально-экономических показателей.

         Разработанные методы и алгоритмы оперативной обработки и агрегирования данных позволили уменьшить влияние человеческого фактора на ход выполнения вычислений. Данная особенность важна при расчёте сложных интегральных индексов (индекс финансовых ресурсов и индекс налоговой нагрузки субъектов Российской Федерации), коэффициентов относительных показателей (доля занятого населения, доля налоговых поступлений по виду налога или виду экономической деятельности и др.) и коэффициентов (с. 87-93). В качестве примера можно привести кривую концентрации доли совокупных налоговых поступлений субъектов и доли численности занятого населения субъектов Российской Федерации (с. 108-113). Помимо расчёта отдельных показателей или коэффициентов информационная система даёт возможность производить анализ рассчитываемых интегральных индексов и показателей с использованием метода случайных величин (с. 114-117), чтобы определить к какому виду распределения подходит анализируемый показатель. Реализованные алгоритмы позволили системе производить вычисления коэффициентов линейной и нелинейной корреляции между налоговыми поступлениями и социально-экономическими показателями (с. 118-122). Данная возможность позволила приблизиться к пониманию степени влияния изменения социально-экономических показателей на объём налоговых поступлений бюджетов субъектов Российской Федерации и местных бюджетов.

         В эффективно функционирующей информационной системе, которая решает задачу автоматизированного ввода исходных статистических данных в базу данных, их обработки и агрегации, должен присутствовать компонент, обеспечивающий представление результатов вычислений в табличном и графическом видах. На основе использования технологий OLAP выполнена программная реализация алгоритмов, обеспечивающих представление результатов вычислений системы в графическом виде (диаграммы, графики, таблицы) и в виде модуля для интерактивного анализа (географическая привязка данных). Такая структура информации необходима для поддержки принятия решений при разработке региональной налоговой политики.

         На основе реализованной информационной системы:

• исследована структура и динамика налоговых поступлений в бюджеты субъектов Российской Федерации и муниципальные образования, в частности проведён детальный анализа на примере субъектов Дальневосточного федерального округа за период 2006-2012 гг.;
• выявлены социально-экономические показатели, оказывающие определённым образом влияние на налоговые поступления бюджетов субъектов Дальневосточного и Центрального федеральных округов.Доказано, что неравномерность совокупных налоговых поступлений субъектов ДВФО в 2012 г. стремится к равномерному распределению;
• проанализирован интегральный индекс налоговой нагрузки с использованием модуля интерактивного анализа в ИАС «Налоги РФ» и определено, что распределение данного индекса в 2011 г. стремится к нормальному закону;
• показано на примере субъектов ДВФО за 2012 год, что метод прогнозирования на основе темпов прироста можно использовать не для всех регионов. Однако данный метод можно использовать для прогнозирования общего налогового дохода на уровне федерального округа;
• произведён расчёт и анализ интегральных показателей: индекс финансовых ресурсов, индекс налоговой нагрузки, индекс налоговых рисков, индекс налоговых доходов бюджета субъектов Российской Федерации.

         Таким образом, с использованием ИАС «Налоги РФ» проанализирована экономика региона и выявлены зависимости между налоговыми поступлениями и социально-экономическими показателями субъектов Российской Федерации.

СПИСОК ЛИТЕРАТУРЫ

1. Бюджетный кодекс Российской Федерации (БК РФ) от 31.07.1998 N 145–ФЗ.
2. Налоговый кодекс Российской Федерации (НК РФ) от 31.07.1998 N 146–ФЗ.
3. Постановление Правительства Российской Федерации от 2 октября 2006 г. N 595 г. Москва "О федеральной целевой программе "Развитие государственной статистики России в 2007 – 2011 годах".
4. Письмо ФНС РФ от 12.02.2007 n чд–6–10/109@ об основных положениях о порядке составления и передачи статистической налоговой отчётности (форм сведений) в 2007 году.
5. Распоряжение Правительства Российской Федерации от 6 мая 2008 г. № 671–р.
6. Постановление Правительства Российской Федерации от 25 декабря 2009 года № 108 О государственной автоматизированной информационной системе «Управление».
7. Приказ министерства связи и массовых коммуникация от 16.11.2011 № 318/461 "О  вводе в эксплуатацию единой межведомственной информационно–статистической системы"
8. Единая межведомственная информационно–статистическая система (ЕМИСС) введена в эксплуатацию совместным приказом Минкомсвязи России и Росстата от 16 ноября 2011 года №318/461. [Электронный ресурс]:  http://www.fedstat.ru/tools/storage/file.do?id=669.
9. Распоряжение Правительства Российской Федерации "Концепция создания и развития государственной интегрированной информационной системы управления общественными финансами "Электронный бюджет" от 20.07.2011 №1275–р.
10. Бюджетном послании Президента Российской Федерации о бюджетной политике в 2013–2015 годах.
11. Поставновление Правительства Российской Федерации от 25 декабря 2009 года № 1088 (в ред. Постановлений Правительства Российской Федерации от 08.09.2011 № 759, от 28.12.2012 № 1471) О государственной автоматизированной информационной системе «Управление».
12. Центральная база статистических данных (ЦБСД) введена в эксплуатацию Приказ Госкомстата России № 2 от 5 января 1996 года. [Электронный ресурс] / Режим доступа: http://www.gks.ru/free_doc/new_site/rosstat/FGIS/cbsd.htm.
13. "О принятии и введении в действие ОКВЭД: Постановление Госстандарта России от 6 ноября 2001 г. N 454–ст «О принятии введении в действие ОКВЭД» //Ообщероссийский классификатор видов экономической деятельности ок 029–2001 (КДЕС ред. 1).
14. "
15. Приказ Министерства промышленности и энергетики Российской Федерации 22 ноября 2007 г. n 329–сто принятии и введении в действие изменения 1/2007 оквэд к общероссийскому классификатору видов экономической деятельности ок 029–2001 (кдес ред. 1), общероссийского классификатора видов экономической деятельности ок 029–2007 (кдес ред. 1.1) и общероссийского классификатора продукции по видам экономической деятельности ок 034–2007 (кпес 2002).
16. Федеральный закон № 149–фз «Об информации, информационных технологиях и о защите информации» [Электронный ресурс] / Режим доступа:  http://base.consultant.ru/cons/cgi/online.cgi?req=doc;base=LAW;n=147341;dst=0;ts=6AB8AF3807652ECF08454E49C2704A8F;rnd=0.727.
17. Распоряжение Правительства Российской Федерации "Концепция долгосрочного социально–экономического развития российской федерации на период до 2020 года" от 17 ноября 2008 г. N 1662–р (ред. от 08.08.2009).
18. Распоряжение Правительства РФ от 20.10.2010 N 1815–р (ред. от 26.12.2013) "О государственной программе Российской Федерации "Информационное общество (2011 – 2020 годы)"  [Электронный ресурс] / Режим доступа:  http://www.consultant.ru/document/cons_doc_LAW_157067/?frame=1#p37.
19. Троелсен. Э. С# и платформа .NET. Библиотека программиста. — СПб.: Питер, 2004. —796 с.
20. Регионы России. Социально–экономические показатели. 2005: Р32  Стат. сб. / Росстат. –  М., 2006. –  982 с.
21. Регионы России. Социально–экономические показатели. 2006: Р32  Стат. сб. / Росстат. – М., 2007. –  981 с.
22. Регионы России. Социально–экономические показатели. 2007: Р32  Стат. сб. / Росстат. – М., 2007. –  991с.
23. Регионы России. Социально–экономические показатели. 2008: Р32  Стат. сб. / Росстат. – М., 2008. –  999 с.
24. Финансы России. 2010: Стат.сб./ Росстат – М., 2010. – 468 c.
25. Н23 Налоги и налогооблажение : учебник [Электронный ресурс]; Региональный финансово–экономический инс–т. — Курск, 2010. — 356 с.
26. Регионы России. Социально–экономические показатели. 2009: Р32  Стат. сб. / Росстат. –  М., 2010. –  990 с.
27. Щепотьев А.В. Налоги и налогообложение: учеб. пособие/ А.В. Щепотьев, С.А. Яшин. – Тула: НОО ВПО НП «Тульский институт экономики и информатики», 2011 . – 161 с.
28. Регионы России. Социально–экономические показатели. 2011: Р32  Стат. сб. / Росстат.  – М., 2011.  – 990 с.
29. Регионы России. Социально–экономические показатели. 2012: Р32  Стат. сб. / Росстат.  – М., 2012.  – 990 с.
30. Регионы России. Социально–экономические показатели. 2013: Р32  Стат. сб. / Росстат. –  М., 2013. –  990 с.
31. Регионы России. Социально–экономические показатели. 2014: Р32  Стат. сб. / Росстат. – М., 2014. – 900 с.
32. Скляр А. В. Моделирование бюджетных доходов региона от налога на прибыль организаций и НДФЛ / Скляр А. В., Цацулин А.Н. // город Общество. Среда. Развитие (Terra Humana). 2011. – № 2. – с. 5.
33. Арсеньев С.Б. Использование технологии анализа данных в ин­теллектуальных информационных системах / Арсеньев С.Б., Бритков В.Г., Маленкова Н.А. // Управление информационными потоками. Сборник трудов ИСА РАН. – М. : УРСС, 2002. – С. 46–68.
34. Архипенков С.Я. Хранилища данных / Архипенков С.Я., Голубев Д.В., О.Б. Максименко. – М. : Диалог–МИФИ, 2002. – 528 с.
35. Баканов С.А. Статистический анализ налогообложения доходов физических лиц: Автореф. кан. эконом. наук. (08.00.12) Москва, 2008. – 23 с.
36. Технологии анализа данных. Data Mining, Visual Mining, Text Min­ing, OLAP / Барсегян А.А. [и др.]. – СПб. : БХВ–Петербург, 2007. – 384 с.
37. Методы и модели анализа данных: OLAP и Data Mining / Бар–сегян А.А. [и др.]. – СПб. : БХВ–Петербург, 2004. – 336 с.
38. Социально–экономическая статистика: учебник для вузов / под. ред. проф. Башкатова Б.И. – М.: ЮНИТИ–ДАНА, 2002 г.– 703 с.
39. Бирюков А. Системы принятия решений и хранилища данных / Бирюков А. // СУБД, – 1997. – № 4. – С. 37–41.
40. Оперативная обработка данных дистанционного зондирования в целях прогнозирования / Бирюков А.С. [и др.] // Матем, методы распознава­ния образов. – М. : АЛЕВ–В,2001.–С. 169–172.
41. Боровиков В.П., Ивченко Г.И., Прогнозирование в системе STATISTICA в среде WINDOWS / Боровиков В.П. – Москва: «Финансы и статистика»,  2006. – 365 с.
42. Брянцев И.Н. Data Mining. Теория и практика / Брянцев И.Н.  – М. : БДД–Пресс, 2006. – 208 с.
43. Васина С.В. Прогнозирование налога на доходы физический лиц / Васина С.В. // Научный журнал «Практика муниципального управления». – 2010. – №5. – C. 36.
44. Васина С.В. Прогнозирование налога на доходы физический лиц / Васина С.В. // Научный журнал «Практика муниципального управления». – 2010. – №5. – C. 36.
45. Волков И.Ю. Архитектура современной информационно–аналитической системы / Волков И.Ю., Галахов И.В. // Директор информа­ционной службы. – 2002. – № 3. – С. 15–24.
46. Статистика: учеб. пособие для студентов вузов, обучающихся по экономическим специальностям / Гусаров В.М., Кузнецова Е.И. – 2–е изд.: перераб. и доп. – М.: ЮНИТИ–ДАНА, 2008 г. – 479 с.
47. Джарратано Д. Экспертные системы: принципы разработки и про–граммирование: Пер. с англ. / Джарратано Д., Г. Райли – М. : Вильяме, 2006. –1152 с.
48. Дюк В.А. Data Mining: учебный курс / Дюк В.А., Самойленко А.Л. – СПб. : Питер, 2001. – 368 с.
49. Работа с базами данных на языке C#. Технология ADO.NET: учебное пособие / Евсеева О.Н., Шамшев А.Б. – Ульяновск: УлГТУ, 2009 г. – 170 стр.
50. Общая теория статистики: учебник / под ред. гл. – корр. РАН Елисеевой И.И. – 4–е изд. перераб. и доп. – М.:Финансы и статистика, 2002 г. – 480 с.
51. Заботнев М.С. Разработка методов и средств анализа многомер­ных баз данных с неполной информацией: дис. ... канд. техн. Наук (05.13.11) / Заботнев М.С. –М.: Госинформобр, 2006. – 140 с.
52. Казьмин А.Г., Оробинская И.В. Анализ поступления налогов в бюджеты областей Центрально–Чернозёмного района / Казьмин А.Г., Оробинская И.В. // Научный журнал "NB: Финансовое право и управление". –  №1. – 2012. – 156 с.
53. Камалетдинов А.Ш., Ксенофонтов А.А. Индекс интенсивности налоговых поступлений – показатель региональной конкурентоспособности / Камалетдинов А.Ш., Ксенофонтов А.А. // Научно–практический журнал  «Современная конкуренция». 2011. – Вып. 6. – М. – С. 128–133.
54. Катулев А.Н. Математические методы в системах поддержки при­нятия решений / Катулев А.Н., Северцев Н.А.. – М. : Высшая школа, 2005. –312 с.
55. Ксенофонтов А. А. Исследование интенсивности налогообложения субъектов РФ по видам экономической деятельности: монография / Ксенофонтов А. А. – М.: Издательство «Палеотип», 2012 г. – 129 с.
56. Ксенофонтов А.А. Структура основных налогов и сборов России: монография / Ксенофонтов А.А.  – 2М.: Издательство «Палеотип», 2012 г. – 124 с.
57. Кузьмина И. Ю. Статистический анализ налогообложения в Российской Федерации: Дис. … канд. эконом. наук. (08.00.05 ). Санкт–Петербург, 2000. – 148 с.
58. Налоги и налогообложение: учебник для студентов вузов / И.А. Майбуров. 4-е изд., перераб. и доп. - М. : ЮНИТИ-ДАНА, 2011. - (Золотой фонд российских учебников). - 558 с.
59. Информатика: Учебник. 3–е переработанное издание / Под ред. проф. Н.В. Макаровой. М.: Финансы и статистика, 1999. 768 с.
60. Паскачев А.Б. Исследование региональных проблем налогового планирования и прогнозирования в условиях проводимой налоговой реформы. / Паскачев А.Б. // Название книги. – город, 2005.
61. Паскачев А.Б. Формирование динамических рядов и показателей налоговой статистики по Российской Федерации (по субъектам Российской Федерации, территориальным налоговым органам и отраслям экономики) /  Паскачев А.Б. // Название книги. – город, 2005.
62. Патрушина С.М. Информационные Системы в бухгалтерском учете: Учебное пособие. – Москва: ИКЦ «МарТ». Ростов–н/Д: Издательский центр «Март», 2003. – 368 с. (Серия «Информационные системы»).
63. Петцолъд Ч. Программирование для Microsoft Windows на С#. В 2–х томах. Том 1./ пер. с англ. — М.: Издательско–торговый дом Русская Редакция, 2002.
64. Попова Г.Л. Статистический анализ налоговых поступлений в бюджет Тамбовской области: Автореф. …кан. эконом. наук. (08.00.12). Москва, 2005. – 23 с.
65. Попова Г.Л. Статистический анализ налоговых поступлений в бюджет Тамбовской области: Дис. …кан. эконом. наук. (08.00.12). Москва, 2005. – 126 с.
66. ПржиялковскиЙ В.В. Сложный анализ данных большого объема: новые перспективы компьютеризации / В.В. ПржиялковскиЙ // – СУБД, 1996. –№ 4. –С. 71–83.
67. Ручкин В.Н. Универсальный искусственный интеллект и экспертные системы / В.Н. Ручкин, В.А. Фулин. – СПб. : БХВ–Петербург, 2009. – 240 с.
68. Сараев А.Д. Системный анализ и современные информационные технологии / А.Д. Сараев, О.А. Щербина // Труды Крымской Академии наук. – Симферополь : СОНАТ, – 2006. – С. 47–59.
69. Круги Эйлера: отношения между понятиями: учебное пособие для преподавателей и студентов вузов по курсу «Логика» / Составитель А.И. Синюк. –  Альметьевск: Академия наук социальных технологий и местного самоуправления, Закамское отделение, 2008. – 36 с.
70. Скляр А.В. Региональные измерения при анализе налогового потенциала социально–экономического развития субъектов Российской Федерации: Автореф. …канд. эконом. наук. (08.00.05). – Санкт–Петербург, 2011. – 303 с.
71. Скляр А.В. Региональные измерения при анализе налогового потенциала социально–экономического развития субъектов Российской Федерации: Дис. …канд. эконом. наук. (08.00.05). – Санкт–Петербург, 2011. – 30 с.
72. Федоров А. Введение в OLАР –технологии Microsoft / А. Федоров, Н. Елманова. – М. : Диалог–МИФИ, 2002. – 272 с.
73. Филипсон Я.А. Анализ поступлений от налога на недвижимость в местные бюджеты / Филипсон Я.А // XI Всероссийской научно–техническая конференция студентов, аспирантов и молодых ученых «МОЛОДЕЖЬ И НАУКА». 2013. C. 123
74. Халафян А.А. Statistica 6, Статистический анализ данных / А.А. Халафян – М. : Бином–Пресс, 2007. – 512 с.
75. Налоги и налогообложение: учеб. Пособие для студентов вузов, обучающихся по экономическим специальностям / [Д.Г. Черник и др.]; под ред. Д.Г. Черника. – 2–е изд., перераб. И доп. – М.: ЮНИТИ–ДАНА, 2010. – 367 с.
76. Чубукова И.А. Data Mining / Чубукова И.А.  – М, : Бином, 2006. – 384 с.
77. Шигина Н.А. Теория экономических информационных систем / Шигина Н.А. – Пенза: Изд. ПГУ, 2000. – 84 с.
78. Яковлева И.А. О моделях прогнозирования налоговых поступлений / Яковлева И.А. // Научный журнал «Фундаментальные исследования». – 2008. – №3. – С. 123.
79. Янг М. Эффективная работа с Microsoft Office System 2003 / М. Янг, М. Хэлворсон. – СПб. : Питер, 2004. – 1232 с.
80. Косарев И.М. Информационно–аналитическая система «Налоги РФ» / А.А. Ксенофонтов, И.М. Косарев // Актуальные проблемы экономики, управления, права (НОУ «ИНЭП») – 2010 – С. 60–64.  – 0,16 / 0,08 п.л.
81. Косарев И.М. Внедрение информационных технологий, используемых при создании ИАС «Налогообложения РФ» в учебном процессе / А.А. Ксенофонтов, И.М. Косарев // Проблемы совершенствования качества образования (НОУ «ИНЭП»). Третья научно–практическая конференция. – 2011 – С. 60–61.  – 0,16 / 0,008 п.л.
82. Косарев И.М. Использование модуля переноса данных информационной системы "Налоги" для автоматизации процесса сбора и обработки статистических налоговых данных / Косарев И.М. // XVI Международная научно–практическая конференция и Российская школа молодых ученых и специалистов «Системные проблемы надежности, качества, информационно телекоммуникационных и электронных технологий в инновационных проектах» (Инноватика–2011). 2011.  – 15 с.
83. Косарев И.М. Использование современных информационных технологий для анализа налоговых поступлений от субъектов РФ / А.А. Ксенофонтов, И.М. Косарев // Актуальные проблемы экономики, управления, права (НОУ «ИНЭП») – 2011. – С.  58–61.  – 0,15 / 0,07 п.л.
84. Косарев И.М. Исследование интенсивности налогообложения субъектов Южного федерального округа по видам экономической деятельности / А.А. Ксенофонтов, И.М. Косарев // Научно–аналитический журнал №3 «Инновации и инвестиции».  – 2012.  – С. 168–173. – 0,9 / 0,45 п.л.
85. Косарев И.М. Использование программных модулей информационно–аналитической системы «Налоги РФ» для автоматизации сбора и анализа информации  / И.М. Косарев, А.А. Ксенофонтов // XVI Международная научно–техническая конференция и Российская школа молодых ученых и специалистов «Системные проблемы надёжности, качества, математического моделирования и инфотелекоммуникационных технологий в инновационных проектах» (ИННОВАТИКА–2012). – 2012.  – С. 43–44.  – 0,12 / 0,06 п.л.
86. Косарев И.М. Анализ интенсивности налогообложения субъектов Приволжского федерального округа по видам экономической деятельности в 2010 г. / А.А. Ксенофонтов, И.М. Косарев // Научно–аналитический журнал «Инновации и инвестиции». – 2012. – №2.  – С. 198–203. – 0,8 / 0,4 п.л.
87. Косарев И.М. Об исследовании интенсивности налогообложения субъектов уральского федерального округа по видам экономической деятельности / Косарев И.М. // Актуальные проблемы экономики, управления, права (НОУ «ИНЭП»). 2012. – 46 с.  – 0,28 / 0,14 п.л.
88. Косарев И.М. Разработка и использование информационно–аналитической системы «Налоги РФ / А.А. Ксенофонтов, И.М. Косарев // Научно–практический  журнал «Прикладная информатика»,  Вып. 3, – М., 2012. С. 36–45. – 0,9 / 0,45 п.л.
89. А.с. № 2013629730. База данных ля информационно–аналитической системы региональных налоговых поступлений Российской Федерации / Косарев И.М., Камалетдинов А.Ш., Ксенофонтов А.А. (Российская Федерация). – Заявлено 13.05.2013. – опубл. 21.06.2013.
90. А.с. № 2013615883. Информационно–аналитическая системы региональный налоговых поступлений Российской Федерации / Косарев И.М., Камалетдинов А.Ш., Ксенофонтов А.А. (Российская Федерация). – Заявлено 13.05.2013. – опубл. 21.06.2013.
91. А.с. № 2013615882. Приложение администратора для информационно–аналитической системы региональных налоговых поступлений Российской Федерации / Косарев И.М., Ксенофонтов А.А. (Российская Федерация). – Заявлено 13.05.2013. – опубл. 21.06.2013.
92. Косарев И.М. Анализ динамики налоговых поступлений субъектов Дальневосточного федерального округа, с использованием ИАС «Налоги РФ» / Косарев И.М. // Научный журнал "ВЕСТНИК УНИВЕРСИТЕТА" Государственного университета управления. – 2014. –№ 10 – 115 с. – 0,26 п.л.
93. Косарев И.М. Анализ налоговых доходов субъектов РФ по видам экономической деятельности (на примере Приволжского федерального округа) / отв. ред. Косарев И.М., Камалетдинов А.Ш., Ксенофонтов А.А. // Коллективная монография "СИСТЕМНЫЕ ПРОБЛЕМЫ НАДЁЖНОСТИ, КАЧЕСТВА, МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ И ИНФОТЕЛЕКОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ В ИННОВАЦИОННЫХ ПРОЕКТАХ" / НИУ ВШЭ. – Москва, 2014. – 532 с. П.Л.
94. Косарев И.М. Анализ налоговых поступлений субъектов Дальневосточного федерального округа, с использованием ИАС «Налоги РФ» / Косарев И.М. // Управление экономическими системами: электронный научный журнал [Электронный доступ]: URL: http://www.uecs.ru/index.php?option=com_flexicontent&view=items&id=2784:–l–r. – 2014. –№ 2 (67). – 0,28 п.л.
95. Косарев И.М. Исследование динамики налоговых поступлений в Центральном федеральном окргуе в 2006–2011 гг. (373 с.) / отв. ред. Косарев И.М., Камалетдинов А.Ш., Ксенофонтов А.А. // Коллективная монография "СИСТЕМНЫЕ ПРОБЛЕМЫ НАДЁЖНОСТИ, КАЧЕСТВА, МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ И ИНФОТЕЛЕКОММУНИКАЦИОННЫХ ТЕХНОЛОГИЙ В ИННОВАЦИОННЫХ ПРОЕКТАХ" / НИУ ВШЭ. – 2014. – 532 с. П.Л.
96. Косарев И.М. Резервы роста налоговых поступлений в бюджеты субъектов Российской Федерации на примере ЦФО / Косарев И.М. // Межвузовская студенческая научно–практическая конференция, «Экономика, менеджмент, маркетинг, инновации на современном этапе развития» (РАНХиГС). – Москва. – 2014. –СТРаница.
97. Целиков А.В. Разработка информационно–аналитической системы поддержки принятия решений в сфере муниципального здравоохранения: Дис. …канд. эконом. наук. (05.13.10) Москва. 2010. – 28 с.
98. Bemer Eta S. Clinical Decision Support Systems. Theory and Practice / S. Berner Eta. Springer, 2007. 274 p.
99. Chaudhuri S. An Overview of Data Warehousing and OLAP Technol­ogy / S. Chaudhuri, U. Dayal // In ACM SIGMOD Record, 1997. pp. 65–74.
100. Essential Windows Presentation Foundation / Chris A. RR Donnelley, 2007. 501 p.
101. Codd E.F. Providing OLAP (On–Line Analytical Processing) to User–Analysts: An IT Mandate / E.F. Codd, S.B. Codd, C.T. Salley. – San Jose : Codd & Date, Inc., 1993.–31 p.
102. Inmon W.H. Building the Data Warehouse / W.H. Inmon. Wiley, 2005. 543 p.
103. Olson D.L. Advanced Data Mining Techniques / D.L. Olson, D. Delen, Softcover, 2008. 180 p.
104. Parsaye К. New Realms of Analysis: Surveying Decision Support / K. Parsaye // Database Programming & Design. 1996. Vol. 4, P. 26–33.
105. Wong M.L. Data Mining Using Grammar Based Genetic Programming and Applications / M.L. Wong, K.S, Leung // Springer, 2000. 232 p.
106. Wrembel R. Data Warehouses and OLAP: Concepts, Architectures and Solutions / R. Wrembel, СIRM Press, 2006. 332 p.
107. Сайт УФНС по Алтайскому краю [Электронный ресурс] / Режим доступа: http://www.r22.nalog.ru.
108. Сайт УФНС по Амурской области [Электронный ресурс] / Режим доступа: http://www.r28.nalog.ru.
109. Сайт УФНС по Архангельской области и Ненецкому автономному округу [Электронный ресурс] / Режим доступа: http://www.r29.nalog.ru.
110. Сайт УФНС по Астраханской области [Электронный ресурс] / Режим доступа: http://www.r30.nalog.ru.
111. Сайт УФНС по Белгородской области [Электронный ресурс] / Режим доступа: http://www.r31.nalog.ru.
112. Сайт УФНС по Белгородской области [Электронный ресурс] / Режим доступа: http://www.r31.nalog.ru.
113. Сайт УФНС по Брянской области [Электронный ресурс] / Режим доступа: http://www.r32.nalog.ru.
114. Сайт УФНС по Владимирской области [Электронный ресурс] / Режим доступа: http://www.r33.nalog.ru.
115. Сайт УФНС по Волгоградской области [Электронный ресурс] / Режим доступа: http://www.r34.nalog.ru.
116. Сайт УФНС по Вологодской области [Электронный ресурс] / Режим доступа: http://www.r35.nalog.ru.
117. Сайт УФНС по Воронежской области [Электронный ресурс] / Режим доступа: http://www.r36.nalog.ru.
118. Сайт УФНС по городу Москва [Электронный ресурс] / Режим доступа: http://www.r77.nalog.ru.
119. Сайт УФНС по городу Санкт–Петербург [Электронный ресурс] / Режим доступа: http://www.r78.nalog.ru.
120. Сайт УФНС по Еврейской автономной области [Электронный ресурс] / Режим доступа: http://www.r79.nalog.ru.
121. Сайт УФНС по Забайкальскому краю [Электронный ресурс] / Режим доступа: http://www.r75.nalog.ru.
122. Сайт УФНС по Ивановской области [Электронный ресурс] / Режим доступа: http://www.r37.nalog.ru.
123. Сайт УФНС по Иркутской области [Электронный ресурс] / Режим доступа: http://www.r38.nalog.ru.
124. Сайт УФНС по Кабардино–Балкарской Республике [Электронный ресурс] / Режим доступа: http://www.r07.nalog.ru.
125. Сайт УФНС по Калининградской области [Электронный ресурс] / Режим доступа: http://www.r39.nalog.ru.
126. Сайт УФНС по Калужской области [Электронный ресурс] / Режим доступа: http://www.r40.nalog.ru
127. Сайт УФНС по Камчатскому краю [Электронный ресурс] / Режим доступа: http://www.r41.nalog.ru.
128. Сайт УФНС по Карачаево–Черкесской Республике [Электронный ресурс] / Режим доступа: http://www.r09.nalog.ru.
129. Сайт УФНС по Кемеровской области [Электронный ресурс] / Режим доступа: http://www.r42.nalog.ru.
130. Сайт УФНС по Кировской области [Электронный ресурс] / Режим доступа: http://www.r43.nalog.ru.
131. Сайт УФНС по Костромской области [Электронный ресурс] / Режим доступа: http://www.r44.nalog.ru.
132. Сайт УФНС по Краснодарскому краю [Электронный ресурс] / Режим доступа: http://www.r23.nalog.ru.
133. Сайт УФНС по Красноярскому краю [Электронный ресурс] / Режим доступа: http://www.r24.nalog.ru.
134. Сайт УФНС по Курганской области [Электронный ресурс] / Режим доступа: http://www.r45.nalog.ru.
135. Сайт УФНС по Курганской области [Электронный ресурс] / Режим доступа: http://www.r46.nalog.ru.
136. Сайт УФНС по Ленинградской области [Электронный ресурс] / Режим доступа: http://www.r47.nalog.ru.
137. Сайт УФНС по Липецкой области [Электронный ресурс] / Режим доступа: http://www.r48.nalog.ru.
138. Сайт УФНС по Магаданской области [Электронный ресурс] / Режим доступа: http://www.r49.nalog.ru.
139. Сайт УФНС по Московской области [Электронный ресурс] / Режим доступа: http://www.r50.nalog.ru.
140. Сайт УФНС по Мурманской области [Электронный ресурс] / Режим доступа: http://www.r51.nalog.ru.
141. Сайт УФНС по Нижегородской области [Электронный ресурс] / Режим доступа: http://www.r52.nalog.ru.
142. Сайт УФНС по Новгородской области [Электронный ресурс] / Режим доступа: http://www.r53.nalog.ru.
143. Сайт УФНС по Новосибирской области [Электронный ресурс] / Режим доступа: http://www.r54.nalog.ru.
144. Сайт УФНС по Омской области [Электронный ресурс] / Режим доступа: http://www.r55.nalog.ru.
145. Сайт УФНС по Оренбургской области [Электронный ресурс] / Режим доступа: http://www.r56.nalog.ru.
146. Сайт УФНС по Орловской области [Электронный ресурс] / Режим доступа: http://www.r57.nalog.ru.
147. Сайт УФНС по Пензенской области [Электронный ресурс] / Режим доступа: http://www.r58.nalog.ru.
148. Сайт УФНС по Пермскому краю [Электронный ресурс] / Режим доступа: http://www.r59.nalog.ru.
149. Сайт УФНС по Приморскому краю [Электронный ресурс] / Режим доступа: http://www.r25.nalog.ru.
150. Сайт УФНС по Псковской области [Электронный ресурс] / Режим доступа: http://www.r60.nalog.ru.
151. Сайт УФНС по Республика Хакасия [Электронный ресурс] / Режим доступа: http://www.r19.nalog.ru.
152. Сайт УФНС по Республике Адыгея [Электронный ресурс] / Режим доступа: http://www.r01.nalog.ru.
153. Сайт УФНС по Республике Алтай [Электронный ресурс] / Режим доступа: http://www.r04.nalog.ru.
154. Сайт УФНС по Республике Башкортостан [Электронный ресурс] / Режим доступа: http://www.r02.nalog.ru.
155. Сайт УФНС по Республике Бурятия [Электронный ресурс] / Режим доступа: http://www.r03.nalog.ru.
156. Сайт УФНС по Республике Дагестан [Электронный ресурс] / Режим доступа: http://www.r05.nalog.ru.
157. Сайт УФНС по Республике Ингушетия [Электронный ресурс] / Режим доступа: http://www.r06.nalog.ru.
158. Сайт УФНС по Республике Калмыкия [Электронный ресурс] / Режим доступа: http://www.r08.nalog.ru.
159. Сайт УФНС по Республике Карелия [Электронный ресурс] / Режим доступа: http://www.r10.nalog.ru.
160. Сайт УФНС по Республике Коми [Электронный ресурс] / Режим доступа: http://www.r11.nalog.ru.
161. Сайт УФНС по Республике Марий Эл [Электронный ресурс] / Режим доступа: http://www.r12.nalog.ru.
162. Сайт УФНС по Республике Мордовия [Электронный ресурс] / Режим доступа: http://www.r13.nalog.ru.
163. Сайт УФНС по Республике Саха(Якутия) [Электронный ресурс] / Режим доступа: http://www.r14.nalog.ru.
164. Сайт УФНС по Республике Северная Осетия–Алания [Электронный ресурс] / Режим доступа: http://www.r15.nalog.ru.
165. Сайт УФНС по Республике Татарстан [Электронный ресурс] / Режим доступа: http://www.r16.nalog.ru
166. Сайт УФНС по Республике Тыва [Электронный ресурс] / Режим доступа: http://www.r17.nalog.ru.
167. Сайт УФНС по Ростовской области [Электронный ресурс] / Режим доступа: http://www.r61.nalog.ru.
168. Сайт УФНС по Рязанской области [Электронный ресурс] / Режим доступа: http://www.r62.nalog.ru.
169. Сайт УФНС по Самарской области [Электронный ресурс] / Режим доступа: http://www.r63.nalog.ru.
170. Сайт УФНС по Саратовской области [Электронный ресурс] / Режим доступа: http://www.r64.nalog.ru.
171. Сайт УФНС по Сахалинской области [Электронный ресурс] / Режим доступа: http://www.r65.nalog.ru.
172. Сайт УФНС по Свердловской области [Электронный ресурс] / Режим доступа: http://www.r66.nalog.ru.
173. Сайт УФНС по Смоленской области [Электронный ресурс] / Режим доступа: http://www.r67.nalog.ru.
174. Сайт УФНС по Смоленской области [Электронный ресурс] / Режим доступа: http://www.r67.nalog.ru.
175. Сайт УФНС по Ставропольскому краю [Электронный ресурс] / Режим доступа: http://www.r26.nalog.ru.
176. Сайт УФНС по Тамбовской области [Электронный ресурс] / Режим доступа: http://www.r68.nalog.ru.
177. Сайт УФНС по Тверской области [Электронный ресурс] / Режим доступа: http://www.r69.nalog.ru.
178. Сайт УФНС по Томской области [Электронный ресурс] / Режим доступа: http://www.r70.nalog.ru.
179. Сайт УФНС по Тульской области [Электронный ресурс] / Режим доступа: http://www.r71.nalog.ru.
180. Сайт УФНС по Тюменской области [Электронный ресурс] / Режим доступа: http://www.r72.nalog.ru.
181. Сайт УФНС по Удмуртской Республике [Электронный ресурс] / Режим доступа: http://www.r18.nalog.ru.
182. Сайт УФНС по Ульяновской области [Электронный ресурс] / Режим доступа: http://www.r73.nalog.ru.
183. Сайт УФНС по Хабаровскому краю [Электронный ресурс] / Режим доступа: http://www.r27.nalog.ru.
184. Сайт УФНС по Ханты–Мансийскому автономному округу Югра [Электронный ресурс] / Режим доступа: http://www.r86.nalog.ru.
185. Сайт УФНС по Челябинской области [Электронный ресурс] / Режим доступа: http://www.r74.nalog.ru.
186. Сайт УФНС по Чеченской Республике [Электронный ресурс] / Режим доступа: http://www.r20.nalog.ru.
187. Сайт УФНС по Чувашской Республике [Электронный ресурс] / Режим доступа: http://www.r21.nalog.ru.
188. Сайт УФНС по Чукотскому АО [Электронный ресурс] / Режим доступа: http://www.r87.nalog.ru.
189. Сайт УФНС по Ямало–Ненецкому автономному округу [Электронный ресурс] / Режим доступа: http://www.r89.nalog.ru.
190. Сайт УФНС по Ярославской области [Электронный ресурс] / Режим доступа: http://www.r76.nalog.ru.
191. Библиотека MDSN Microsoft [Электронный ресурс] / Режим доступа: http://msdn.microsoft.com.
192. Слотер Э.Х. Архитектуры OLAP / пер. Intersoft Lab [Электронный ресурс] / Режим доступа: http://www.iso.ru/rus/document5778.phtml.
193. Единая межведомственная информационно – статистическая система (ЕМИСС) [Электронный ресурс]: http://www.fedstat.ru/indicators/start.do
194. Информационные технологии [Электронный ресурс]: разработка Сибирского государственного университета путей сообщения. Режим доступа: www.isuct.ru/~ivt/books/IS/IS1/inform/index.html.
195. Налоговая статистика, Федеральная налоговая служба [Электронный ресурс]: http://analytic.nalog.ru/portal/index.ru–RU.htm.
196. Сайт Федеральной налоговой службы [Электронный ресурс] / Режим доступа: http://www.nalog.ru.
197. Сайт Федеральной службы государственной статистики [Электронный ресурс] / Режим доступа: http://www.gks.ru.
198. ФГУП ГНИВЦ ФНС РОССИИ [Электронный ресурс] / Режим доступа: http://www.gnivc.ru/on_gnivts/historical_background/.
199. Центральная база статистических данных (ЦБСД)  [Электронный ресурс] / Режим доступа: http://cbsd.gks.ru/.
200. Eric A.K. How to Buy Data Mining: A Framework for Avoiding Costly Project Pitfalls in Predictive Analytics / A.K. Eric // DM Review Magazine, 2005 Vol. 10. URL: http://www.information–management.com/issues/20051001/1038094–1.html.
201. Открытие доступа к разделу на сайте ФНС – «Налоговая статистика» [Электронный ресурс]: http://www.r29.nalog.ru/ns/4169569/.
202. Сайт «Популярно о налогах и налоговом контроле» [Электронный ресурс] / Режим доступа: http://nanalog.ru/index.php?newsid=289.
203. Некрасов В. Введение в OLAP на практическом примере [Элек­тронный ресурс] // PC Week. 2001. № 16. URL: http://www.pcweek.ru/infrastructure/article/detail.php?ID=57795.
204. Сайт Министерства финансов Российской Федерации [Электронный ресурс] / Режим доступа:http://www.roskazna.ru/ob–ispolnenii–byudzhetov/?accesseble=true.
205. Департамент финансов Ярославской области ИАС Мониторинг [Электронный ресурс] / Режим доступа: http://yar.ifinmon.ru/.
206. Data Portal Поиск, сравнение, анализ и визуализаия данных [Электронный ресурс] / Режим доступа: http://dataportal.prognoz.ru/.
207. Сайт платформы Prognoz [Электронный ресурс] / Режим доступа: http://www.prognoz.ru.
208. Сайт платформы iМониторинг [Электронный ресурс] / Режим доступа: http://www.krista.ru/acr/.
209. Открытый информационный ресурс iМониторинг  по анализу показателей бюджетов субъектов РФ на основании информации официальных источников[Электронный ресурс] / Режим доступа: http://ifinmon.ru/.
210. Единый портал бюджетной системы Российской Федерации "Электронный бюджет" [Электронный ресурс] / Режим доступа: http://budget.gov.ru/.
211. Сайт Государственной автоматизированной системы "Управление", Цели и задачи ГАС "Управление" [Электронный ресурс] / Режим доступа: http://www.gas–u.ru/docs/doc/show/2.6.htm.
212. Зюзина Н.В. Моделирование налоговых поступлений регионов РФ [Электронный ресурс] / Зюзина. – Электронный научный журнал «Управление экономическими системами». Кисловодск. – 2012. – Режим доступа: http://uecs.ru/finansi–i–kredit/item/1895–2012–12–26–10–55–37.
213. Коростелкина И.А. Методика планирования и прогнозирования налоговых поступлений с учетом влияния задолженности по налогам и сборам [Электронный ресурс] / Коростелкина И.А. – Журнал «Управленческий учет». – Орел. – 2011. – №3. – Режим доступа: ttp://dis.ru/library/709/28776/.
214. Косарев И.М. Использование инструментария информационно–аналитической системы "Налоги РФ" / Косарев И.М. // Актуальные проблемы экономики, управления, права (НОУ «ИНЭП»). Москва. – 2013. 65 с. – 0,13 / 0,06 п.л.
215. Пинская М.Р. Научно исследовательская работа “Резервы роста налоговых доходов бюджетов субъектов Российской Федерации и местных бюджетов” / Пинская М.Р., Косарев И.М., и др. // Государственное задание Финансового университета при Правительстве Российской Федерации на 2014 год и плановый период 2015 и 2016 годов. (Утверждено Заместителем Председателя Правительства Российской Федерации 14.02.2014г. № 795п–П17). – 2014. 180 с.
216. Лермонтов Ю.М. Показатели, оказывающие влияние на поступление налога на прибыль в бюджетную систему Российской Федерации [Электронный ресурс] / Лермонтов Ю.М. – Журнал "Налоговый вестник". Москва. – 2014.  – Режим доступа: http://www.nalvest.ru/nv–articles/detail.php?ID=27869.

ПРИЛОЖЕНИЕ А

Критерии классификация налогов

Рис. 1.                    Критерии классификация налогов

Виды экономической деятельности

         Общероссийский классификатор видов экономической деятельности (ОКВЭД) входит в состав Единой системы классификации и кодирования технико-экономической и социальной информации (ЕСКК) Российской Федерации.

         ОКВЭД построен на основе гармонизации с официальной версией на русском языке Статистической классификации видов экономической деятельности в Европейском экономическом сообществе (далее - КДЕС Ред. 1) - Statistical classification of economic activities in the European Community (NACE Rev. 1) путём сохранения в ОКВЭД из КДЕС Ред. 1 кодов (до четырёх знаков включительно) и наименований соответствующих позиций без изменения объёмов понятий. Особенности, отражающие потребности российской экономики по детализации видов деятельности, учитываются в группировках ОКВЭД с пяти- и шестизначными кодами.

         ОКВЭД предназначен для классификации и кодирования видов экономической деятельности и информации о них.

         ОКВЭД используется при решении следующих основных задач, связанных с:

• классификацией и кодированием видов экономической деятельности, заявляемых хозяйствующими субъектами при регистрации;
• определением основного и других фактически осуществляемых видов экономической деятельности хозяйствующих субъектов;
• разработкой нормативных правовых актов, касающихся государственного регулирования отдельных видов экономической деятельности;
• осуществлением государственного статистического наблюдения по видам деятельности за развитием экономических процессов;
• подготовкой статистической информации для сопоставлений на международном уровне;
• кодированием информации о видах экономической деятельности в информационных системах и ресурсах, едином государственном регистре предприятий и организаций, других информационных регистрах;
• обеспечением потребностей органов государственной власти и управления в информации о видах экономической деятельности при решении аналитических задач.

         Объектами классификации в ОКВЭД являются виды экономической деятельности. Экономическая деятельность имеет место тогда, когда ресурсы (оборудование, рабочая сила, технологии, сырье, материалы, энергия, информационные ресурсы) объединяются в производственный процесс, имеющий целью производство продукции (оказание услуг). Экономическая деятельность характеризуется затратами на производство, процессом производства и выпуском продукции (оказанием услуг).

         ОКВЭД включает перечень классификационных группировок видов экономической деятельности и их описания.

         В ОКВЭД использованы иерархический метод классификации и последовательный метод кодирования. Код группировок видов экономической деятельности состоит из двух - шести цифровых знаков, и его структура может быть представлена в следующем виде:

    XX.                  -    класс;

    ХХ.Х               -    подкласс;

    ХХ.ХХ            -    группа;

    ХХ.ХХ.Х        -    подгруппа;

    ХХ.ХХ.ХХ     -    вид.

         Для обеспечения соответствия записей кодов ОКВЭД записям кодов КДЕС Ред. 1 в кодах ОКВЭД между вторым и третьим знаками кода ставится точка. При наличии дополнительных по сравнению с КДЕС Ред. 1 уровней деления точка ставится также между четвертыми и пятыми знаками кода.

         В классификатор по аналогии с КДЕС Ред. 1 введены разделы и подразделы с сохранением их буквенных обозначений.

         Например:

    Раздел D Обрабатывающие производства

    Подраздел DA Производство пищевых продуктов, включая напитки,

                 и табака

15               Производство пищевых продуктов, включая напитки

15.1            Производство мяса и мясопродуктов

15.11          Производство мяса

15.11.1       Производство мяса и пищевых субпродуктов крупного рогатого скота, свиней, овец, коз, животных семейства лошадиных

15.11.2       Производство   щипаной   шерсти, сырых шкур и кож крупного             рогатого   скота, животных    семейства лошадиных, овец, коз и свиней

15.11.3        Производство пищевых животных жиров

15.11.4       Производство непищевых субпродуктов

         В соответствии с международной практикой в ОКВЭД не учитываются такие классификационные признаки, как форма собственности, организационно - правовая форма и ведомственная подчинённость хозяйствующих субъектов, не делается различий между внутренней и внешней торговлей, рыночными и нерыночными, коммерческими и некоммерческими видами экономической деятельности.

         Данная выписка соответствует постановлению от 6 ноября 2001 г. N454-ст «О принятии введении в деятельность ОКВЭД» [13]. На текущий момент действует классификатор экономической деятельность ОК 029-2007 (КДЕС Ред 1.1) [14].

Математические и статистические формулы информационно-аналитической системы

Таблица 1  

Статистические и аналитические формулы, используемые в средствах обработки статистических данных

Продолжение таблицы 1