纳税评估和税收业务在各个层面上紧密联系。良好的纳税评估成果，可以作为宏观经济分析、税收结构分析和行业景气度分析的依据，也可以指导税收风险监控、重点税源管理和稽查选案等工作的便利开展。因此税务决策系统的核心任务就是纳税评估。另一方面，存储于税务信息系统数据库中的海量数据已远超税务工作人员的分析处理能力，这些数据极少被访问和利用，决策者们缺乏合适的工具从海量数据中获取有价值的信息知识，从而指导决策的制定。数据挖掘的根本目的就是从数据中发现特定的模式和规律。因此将数据挖掘方法引进纳税评估，这已在税务系统中达成了共识，成为当前刻不容缓亟需实施的任务。目前数据挖掘应用仍处于初级阶段，很多情况中税务分析人员还不能很好掌握实现分析目标的基本方法，不知如何有效选择挖掘技术或算法。主要原因是技术领域和业务领域之间的专业壁垒。如果不破除这座壁垒，纳税评估工作就不能获得突破。为了适应纳税评估的现实需求，本文简要归纳了数据预处理技术，对属性约简、聚类分析和异常分析等重要的数据挖掘过程进行了详细阐述，提出一系列新颖的思想和方法，并在纳税评估工作中，以实际案例展示了这些思想的合理性，以及方法的有效性。本文主要提出了几项新知识点：①基于修边法的属性权重；②基于布尔矩阵筛选的属性约简算法；③有向聚类分析模式和加权距离；④两种类型的异常数据及其分析方法。