随着计算机与互联网技术的发展,我们已经进入了一个前所未有的大数据时代。大数据遍及各行各业,财政税收行业同样身处其中。大数据内部必然埋藏着巨大的数据秘密,如何挖掘发现并利用这些数据中的价值正是我们面临的一大挑战。税收是我国重要的财政收入来源,对税收的预测也是调整经济发展方向、制定发展方针的一个重要依据。也能为各级政务把握财政运行情况,制定准确科学的税收预算提供保障。我国的税收体系庞大复杂,不同的税种又与不同的经济指标存在深层次的必然联系,所以税收预测需要对不同的税种进行个性化的预测分析。本文选择占税收比重较大的几个税种分别进行预测分析,包括:营业税、企业所得税和个人所得税。与这些税种相关的经济指标包括:GDP(地区生产总值)、第三产业增加值、固定资产投资、工业投入、房地产开发投资、进出口总额、规模以上工业增加值(年主营业务收入在2000万及以上的企业)、工业用电量、社会消费品零售总额、房地产开发销售面积、居民消费价格总指数等。本文借助数据挖掘工具,运用线性回归、神经网络和时间序列等多种算法进行预测。多元线性回归模型是税种税收和经济指标的内在关系,并分析经济指标对税收的影响重要程度,最终形成多元回归方程,利用回归方程直接进行下一期的税收预测。神经网络和时间序列无法输出模型,利用数据挖掘工具进行模型训练,并进行预测结果输出,然后把预测结果录入到应用平台。本文以北京市的历史税收数据作为数据集进行模型训练。应用平台功能包括两种模型的应用,一是回归模型应用,通过模型训练确定回归方程的系数和常量并录入到平台,通过平台只需要输入下一期的经济指标的数据,平台就可以自动计算出下一期的税收收入,大大提高了预测的效率。二是预测数据管理,主要是把各模型的预测结果直接录入到应用平台,再通过平台进行展示,这类功能可以应用于所有模型。通过本平台可以实现快速税收预测,同时功能上税种还有可扩展性,可以增加其他新的税种预测,比如房产税、契税等。