专利名称：：基于风险的数据评估的制作方法
技术领域：
：本发明总的来讲涉及一种接收数据并且关于该数据执行风险评估以确定未来动作的系统和方法。本发明的系统和方法特别用于从客户接收数据，执行数据不完整或不正确的风险的评估，以及根据该评估的结果决定未来动作。本发明的系统和方法已经应用在从不能够被信任提供完整和/或正确数据的个人或实体收集数据的任何情况下。
背景技术：
：随着大型数据处理系统的出现，在接收和处理从客户接收到的数据以及基于任何接收到的数据自动实施动作时提高了效率。不幸的是，并不总是能够相信从客户接收到的数据是完整和/或正确的，从而进行后来处理以及恰当动作的实施。其结果是，在担心数据不完整和/或不正确的情况下经常需要进行频繁的人工干预。对于处理涉及财务结果的请求的事务机构存在特定问题。例如，诸如处理盈利或声明申请的保险公司和税务局之类的组织需要担心从客户接收到的数据也许会是故意错误的以使用户获得财务利益。尽管目前存在能够迅速确定客户是否没有能够提供完整数据的系统，但是更加难于评估客户是否提供了不正确数据。尽管已经知道在针对一个或多个变量将来自从个人接收到的数据的基本统计变化放置于单一分类中的尝试中将度量和/或规则应用到收集的数据，但是在很多情况下度量和/或规则的应用还相对未发展成熟，并且不会明显减小目前需要针对从客户接收到的不完整和/或不正确的数据进行处理(address)的人工干预量。当然，有必要打破关于客户数据的自动处理所可接受的风险等级和与对客户多付或少付所关联的财务风险之间的平衡。在风险评估不够准确并且处理不正确/不完整数据的情况下，诸如税务局的事务机构会不正确地向客户进行退款和/或不能够从他们的客户收集到正确的税收。另一方面，如果不能够信任自动数据收集和处理系统来准确评估由客户提供的数据，则作为执行大量人工干预以减小与处理不正确数据关联的风险的结果，事务机构会付出大量的间接费用。因此，需要提高自动数据收集和处理系统和方法的准确度，从而使得尽可能减小处理不正确和/或不完整数据的风险，以使事务机构能够减少与人工干预关联的高开支，同时将处理不正确数据的风险降低到可接受等级。这个说明书中的文档、装置、动作或知识的任何讨论被包括来解释本发明的上下文。但是不能够被认为承认任何所述材料形成现有技术基础的一部分或在本发明和/或其中的权利要求的声明的优先权日或之前的相关技术中的公知常识。
发明内容在一个方面中，本发明提供了一种用于接收和处理数据的系统，该系统包括数据处理和验证部分，用于以电子格式从客户接受数据并且从中识别能够直接验证的数据元素；风险评估部分，用于接收没有被识别为可直接验证的数据元素并且评估该数据元素是不完整或不正确的风险，该风险评估部分产生风险评估数据；以及决定支持部分，用于从该风险评估部分接收该风险评估数据并且根据包含在该风险评估数据中的风险的评估对客户数据的接下来处理选择恰当动作。用于接收和处理来自客户的数据的系统通常迎合接收多种形式的客户数据。例如，客户可以通过完成纸张文档并且将其提交到事务机构以进行接下来的处理来将数据提供到事务机构。或者，客户可以优选地通过采用电话与事务机构内的操作员进行联络并且以这种方式传递数据来提供数据。相似地，许多客户优选通过与事务机构的官员进行面对面会晤来提供有关数据。最近，已经进行了显著努力来鼓励客户提供电子格式的有关数据而不需要通过事务机构的雇员。特别是，许多事务机构已经建立了网站从而使得他们的客户能够经由互联网进行连接来获得访问。一般来讲，事务机构将对从客户请求有关数据的表进行访问，所述表可以在线完成并且在完成在线表以后直接提交到事务机构。无论如何，用于接收和处理数据的系统优选迎合由客户提供到事务机构的任何形式的数据，并且不管接收到的数据的形式，数据优选翻译成一致的电子格式以用于接下来的处理。在本发明的实施例中，交互地从客户收集数据，因为这会根据他们的情况和他们对针对数据的特定请求的响应实现从不同客户收集不同数据。例如，如果客户对关于他或她正打算提交的保险索赔或退税的类型的数据的请求进行响应，则基于指示的类型向该客户呈现不同请求。已经从客户收集了数据并且将其翻译成一致电子格式以进行接下来的处理以后，数据处理和验证部分处理收集到的客户数据以基于数据自身确定能够直接验证的数据元素。一些数据元素可以立即和直接进行验证，并且在这种类型的数据元素被确定为不完整或不正确的情况下，该系统可以立即拒绝由客户提供的数据，并且在发生数据的进一步处理之前向客户指示该拒绝并且向客户请求完整或正确的数据。在客户数据的收集是交互过程的实施例中，在数据被接受用于进行处理之前，立即确定为不正确或不完整的数据元素可以引发客户的注意以用于立即进行完整化和/或纠正。然而，如果系统不能够访问用于验证一些数据元素的外部数据源，则这些数据元素不能够被验证。尤其在当发生验证时不能够获得外部数据源的情况下，这些数据元素需要关于数据的完整性和/或正确性来确定风险。在一个实施例中，风险评估部分包括适于个人客户用于确定该客户的数据不完整和/或不正确的风险的风险模型。在这个方面，己经发现与基于客户的一个或多个分类将度量和/或规则应用到客户组相比较，将风险模型适用于特定客户会对风险有更好的评估。特别是，基于个人的风险模型优选包括交互的过去准确度的记录以及先前已经由客户提供的不正确和/或不完整数据的程度。此外，个人客户风险模型还可以包括能够被识别为来自客户的数据的任何先前提供和/或验证的结果的其它行为的历史。此外，个人客户风险模型的应用可以涉及由个人客户提供的数据与由具有相似情况的其它客户提供的数据的比较。该个人风险模型还可以将由客户提供的数据与包含关于经济的一般状态的数据的外部数据源、或包含与诸如犯罪记录的数据、与其它事务机构交互的历史之类个人客户情况特别有关的信息、或属于涉及与其它国家中的事务机构进行客户交互的任何交互的信息的其它数据源进行比较。在实施例中，个人客户风险模型包括涉及接收和处理由客户提供的数据的不同方面的分离的部分。例如，该风险模型可以包括一个用于评估客户的风险的分离的部分，所述客户为特定类型的交互提供不完整和/或不正确数据，并且所述客户可使用特定类型的交互来与事务机构进行交互。在一些例子中，对于一些特定类型的交互，客户可能具有低等级的风险；而对于其它类型的交互，客户可能有高等级的风险。在任何情况下，风险评估部分对由客户提供的数据进行评估并且确定该任何数据是不完整或不正确的风险。该风险评估部分产生对不完整或不正确数据的风险进行量化的风险评估数据(可以是风险概况的形式)，并且这个风险评估数据被提供到用于关于客户数据确定要被执行的未来动作的决定支持部分。在实施例中，决定支持部分将来自风险评估部分的风险评估数据与预定标准进行比较，所述预定标准己经由事务机构建立用于反映事务机构认为可接受以对客户数据进行接下来处理的风险的等级。由风险评估部分产生的风险评估数据与反映可接受的风险等级的预定标准的比较使得决定支持部分自动继续处理认为包括可接受的风险等级的客户数据，并且将包含认为包括不可接受的风险等级的数据的客户请求转移到其它过程以由事务机构进行进一步动作。认为包括不可接受风险等级的客户数据可以转移到一个用来解决不完整和/或不正确数据的不可接受风险的过程。这个过程可以包括由事务机构雇用的操作员进行的人工干预。在另一方面中，本发明提供了一种接收和处理从客户收集到的数据的方法，该方法包括如下步骤与客户进行交互以从客户获得属于特定客户动作的数据；分析所收集的数据以识别从所收集的数据可直接验证的数据元素，并进一步确定可直接验证的任何数据元素是否是不完整或不正确的，并且重复对被确定为不完整和/或不正确的任何数据元素进行请求；对与由客户提供的不能被直接验证的任何数据元素的风险进行评估，该评估将不能被直接验证的任何数据元素是不完整或不正确的风险进行量化；以及考虑不完整或不正确数据的风险的评估，并且将其与认为事务机构可接受用于接受和处理客户请求的风险等级进行比较，从而关于该客户请求确定要被实现的未来动作。在另一个方面中，本发明提供了一种用于接收和处理从客户收集的数据的在计算机可读介质上实现的计算机程序，该计算机程序包括.-计算机指令代码，用于与客户交互以从属于特定客户请求的客户收集数据；计算机指令代码，用于分析所收集的数据和指令代码以识别可直接验证的那些数据元素；计算机指令代码，用于确定可直接验证的任何数据元素是否是不完整或不正确的，并且重复进行针对任何这种数据元素的请求；计算机指令代码，对由客户提供的不可以直接验证的任何数据元素的风险进行评估，该评估将不可以直接验证的任何数据元素是不完整或不正确的风险进行量化；以及计算机指令代码，用于考虑不完整或不正确数据的风险的评估，并且将其与认为可由负责接受和处理客户请求的事务机构接受的风险等级进行比较，从而关于该客户请求确定要被实现的未来动作。该代码可以实现使用分离软件部分集成地实现到计算机或网络的计算机指令。该代码还可以包括与为本发明特别开发的专用代码合作发挥功能的现有软件的部分。在实施例中，用于实现本发明的系统、方法和计算机程序被实现为解决从客户接收退税数据以及关于要求保险赔偿的数据的特定需要。在任何情况下，本发明的系统、方法和计算机程序的实施例可以用于解决从个人或实体收集数据的任何情况的特定需求，其中，不能信任所述个人或实体提供的是完整和/或正确的数据。现在将描述本发明的实施例，这不应该理解为是对先前部分中的任何陈述的限制。将对照下面附图描述这个实施例，附图如下图l示出了根据当前布置(现有技术)的通常递交过程；图2示出了根据本发明的实施例的递交过程；图3示出了根据本发明的实施例的用于处理数据的系统的示意图2示出了根据本发明的实斯例的过程;图4示出了根据本发明实施例的客户风险概况例子；以及图5示出了根据本发明实施例的基于风险的处理的系统视图。具体实施例方式现在将使用诸如税务局的政府或法定税收机构的例子，针对他们的用于收集客户数据或将该数据处理作为税收评估递交的一部分的过程来描述本发明的实施例。在这个说明书全文中使用单词"递交(lodgement)"来描述将数据存放或提交到请求这种数据的实体的过程。在一些国家，这个过程被称作"提交"并且这些术语应该认为是同义的。在下面的描述中，术语"递交"用于描述由纳税人进行报税。最初，先是详细描述通常现有技术实施方式，然后详细描述应用到评估报税文档中的不完整和/或不正确数据的风险的过程的本发明的实施例。税收评估处理的现有技术实施方式税收评估过程是由在其中纳税人递交他们的个人收入和开销的详细情况的税收事务机构进行执行的过程，在该税收评估过程中，该税收事务机构完成对所提供的客户数据的评估。在事务机构接受客户的递交的情况下，针对纳税人账户进行一个或多个财务业务处理或者产生对纳税人的资金的请求。税收评估递交的过程引起财务风险，这是因为纳税人可能无意或故意地提供或者不完整或者不正确的信息，从而导致对不正确量进行税收评估，这会使得纳税人接收他们不具有资格的退款或者接收不正确的事务机构对资金的请求。由于当处理退税时不能够验证退税表上的某些类型的数据，所以会发生这些结果。退税通常包括下面类型的信息身份信息，用于惟一识别纳税实体；账户信息，用于识别税收类型、纳税人账户以及退税周期；以及财务信息，包括用于确定评估的详细情况。该财务信息还可以再分为当税收事务机构处理退税时能够进行验证的财务信息(例如，个人纳税人可以申报他们从雇主获得的薪水，并且该雇主可以事前将该信息提供到税收事务机构)；以及当税收事务机构处理税收评估时不能够验证的财务信息(例如，个人纳税人可以申报他们从雇主获得的薪水，而该雇主还没有将该信息提供到税收事务机构或者客户可以声明不需要提供收据的扣减额)。退税通常还包括下面其它类型的信息为了收集用于制定税收模式、审计选择的统计信息的目的或其它分析目的而由事务机构进行收集的属于客户的数据；以及递交表上的全部数字或非全部数字。能够对照税收事务机构自己的记录来证实客户数据的某些元素。例如，该税收事务机构可以对照其纳税人登记和结算系统来证实身份和账户信息。合计能够用于交叉检验形成合计的数据。然而，表示税收事务机构的任务的最大风险的信息种类是不能够进行交叉检验的财务数据。税收事务机构需要进行评估是接受这个数据，还是请求另外的支持数据或者请求纳税人纠正。通常，当前税收事务机构通过分配雇员劳动力对每个退税进行人工检查或者针对该数据进行一系列检查以确定动作的进程，来解决对不能够进行交叉检验的财务信息进行处理的问题。图1示出了当前实施的通常退税递交过程的图表。对照图1，客户IO通过优选为交互式的获取过程12向递交处理系统15提供数据。递交处理系统15试图检测从客户10获取的数据中的数据错误并且在试图检测错误的过程中可以使用内部数据17的源。在由客户10提供的数据中检测到异常或错误的情况下，递交处理系统15将客户的递交发送到暂缓过程20由暂缓操作员22进行考虑或者发送到审查过程24由审查操作员26进行考虑。在由客户IO提供的数据中没有检测到错误的情况下，递交处理系统15可以处理该递交并且向客户IO提供退税评估。在对审计员选择的客户退税的情况下，递交处理系统15将客户的退税传递到审计选择过程30，其中，在执行客户退税的审计的过程期间内，该审计选择过程30通常利用内部和外部数据35。在这个例子中，形成了案件管理过程38并且案件工作者40被分配到审计任务。在完成审计过程以后，对客户10提供结果和/或完成的退税评估。在当前系统中通常实施的过程可以使用人工和/或自动检查的组合作为识别退税递交中也许是不完整或不正确的数据的过程的一部分。人工检査人工检査的通常过程从退税的纸印本分配到执行检查的称作评估员的事务机构的雇员开始。对评估员提供描述他们应该进行检查的详情的指南或审査标准。该指南是应用到由大组纳税人提交的退税表的一组通用规则。评估员应用该指南来确定对每个退税所采取的动作的进程。在达成最终决定之前他们可以请教监督员或管理员，并且这个过程的特征在一定程度上取决于各个评估员的个人判断。自动检查自动检査的通常过程从将数据从退税表获取到计算机系统开始。一组通用规则被编程到规定将会触发接下来动作的条件的计算机系统中。这些规则可以包括*基本数据证实，设计用于检查纳税人在完成退税表中产生的数据获取错误或基本错误(例如，检查数据字段包含合理数据或小计与合计的和正确)。*内部字段证实，设计用于检测退税表上的数据字段之间的不寻常关系(例如，对分类为专业人员的人会有这样的规则申报的开销和所挣的收入之间的比率应该小于3.75%，从而声明较高比率的专业人员会被要求提供另外的支持信息以证明他们的声明)。*内部退税周期证实，被设计用于检测对相同纳税人提交的不同退税表上的相同数据字段之间的不寻常关系(例如，可以存在一定规则，用于规定如果两个连续退税周期之间报告的收入下降超过20。X，则纳税人将被要求提供另外的支持信息)。*对等纳税人组内的比较，力图检测当与一组相似纳税人比较时具有统计异常的退税(例如，对专业人员存在一般可接受的收入范围，并且在退税上上报的年度收入低于该范围的情况下，则纳税人将被要求提供另外的支持信息)。根据本发明的退税的基于风险的数据评估现在将描述本发明的实施例，具体地讲，该实施例关于评估包含在客户的退税文档中的数据的任务。图2示出了根据本发明实施例的过程的图表。对照图2，客户50将数据提供到递交处理系统60用于对他们的退税文档进行处理。客户50通过交互式过程55将数据提供到递交处理系统60，该交互式过程55使用内部和外部数据57作为提供对不完整和/或不正确数据的早期检测的过程的一部分。在考虑客户的退税文档的过程期间，递交处理系统60利用递交风险分析过程65。在评估退税文档的递交风险时，这个过程访问并且利用内部和外部数据70。在检测到递交风险的情况下，客户的退税文档传递到暂缓过程67并且然后由暂缓操作员68进行考虑。内部和外部数据用于对递交的客户风险概况以及期待特征进行洞察。作为审计选择过程80的一部分，为审计和调査选择不合格的递交。作为这个过程的一部分，审计选择过程80利用内部和外部数据85。通过正式案件管理过程90来管理为审计而选择出的案件以调查潜在合规(compliance)问题。案件管理过程90由案件工作者95进行管理。当完成对客户的退税文档的处理以后，客户接收退税评估。图3是使用根据本发明实施例的基于风险的处理的例子系统的示意图。该例子使用税收管理系统(称作ICP)以及客户关系管理(CRM)系统。在示出的情况下，CRM是由加利福尼亚的SiebelSystems公司提供的SiebelCRM。图3示出退税表100由客户递交通过递交处理阶段110，然后发布评估通知120。递交处理阶段110分解为多个步骤送入112、ICP表处理114、ICP账目处理116、以及送出118。如果在ICP表处理步骤114中识别出差异，则如果需要人工干预则过程进入ICP暂缓项目130，或者如果能够自动进行纠正，则过程进入ICP自动调整132。ICP暂缓项目130是当表数据不完整时建立暂缓工作项目的功能。这个以与现有技术暂缓处理相同方式进行操作。在表定义中规定了暂缓规则，并且在表处理设计中带有一些附加规则。如果纳税人为低风险人员并且表上的错误较小，则该错误被忽略并且照现在样子对该表进行处理。ICP自动调整132是没有包括在现有技术中的新的功能，用于基于风险概况对递交交易提供自动调整功能。在表定义中规定了自动调整规则。当表提交晚了并且受到罚款和/或利息处罚时，如果提交人员为低风险人员，则自动免除或退回那些费用。当表包含诸如计算错误的较小错误时，数字被自动调整(保持审计跟踪)，并且如果该客户被评估为低风险客户，则继续对该表进行处理。在递交处理阶段110期间可以发生的两个另外步骤是ICP审查项目134和ICP确定136。ICP审查项目是当记录有贷方余额(会引起退款)或者表的详情考虑为可疑时建立审査工作项目的功能。这个以与审查被识别为潜在可疑的表的现有技术方法相似的方式进行操作。对于审查项目在表定义中规定审查规则。客户被评价为低风险与客户被评价为高风险相比较，贷方余额阈值更高。相似地，对于低风险客户，应用到可疑阈值的容许量更高。ICP确定136是没有包括在现有技术中的新的功能，用于基于特定周期的风险概况和评估向纳税人提供确定。对于审査项目，在表定义中规定了确定规则。如果客户为低风险客户并且退税在正常范围内，则确定将不对他们进行审计。图3还包括联络管理模块140和案件管理模块150。这些包括标准联络管理和案件管理功能，但是包含每个客户的风险概况信息。因此，如果客户联络事务机构工作人员请求例如地址或银行账户的改变，则如果客户的风险得分使得该请求是适当的，则该请求可以逐步升级。在案件管理期间，高风险客户可以被分配到例如更加有经验的案件工作人员。图3还包括结果改进模块160，该结果改进模块160包括步骤风险打分162、候选人选择164、处理选择166以及自动动作168。风险打分162使用用于建立特定客户行为的风险得分的分析模型。风险得分和阈值组成客户的风险概况。候选人选择164是用于从客户中选择进行详细审查的候选人的过程。分析模型用于选择满足一定合规风险(债务、递交、审计、差异等等)的客户候选人列表以及将其区分优先次序。通过三个种类实现候选人选择，这三个种类为风险得分(例如，岗位发布审计)、专家规则(例如，商务活动)以及商务事件(例如，债务过期)。通过分析模型定义规则。处理选择166使用用于基于合规风险(信件、电话、案件等等)来对候选人选择特定处理的处理模型。通过特定客户的分析模型和处理计划来定义处理。风险得分用于确定对客户采取什么动作。这些动作可以是服务客户的其它方法或者是增强合规性的其它方法。将基于风险的处理应用到退税表将基于风险的方案应用于评估退税表上的数据应该使得税收事务机构变得更加精明并且精确确定他们应该在什么地方进行努力以产生较大努力回报。根据这个方案，可以将资源分配到向事务机构提供税收最佳递交的任务。本发明的实施例不断地预测每个纳税人的合规风险，并且这种风险管理可以用于率先地干预纳税人以避免非合规退税的递交。除了向事务机构提供利益以外，基于风险的方案用于处理退税也对纳税人有利，这是因为它建立了一种体制，其中，纳税人仅仅需要较小努力就可以递交合规退税，这会具有积极增强期望的纳税人行为的效果。在本发明的实施例中，专门人员使用实际技能和大范围的数据源来执行统计分析以对每个个人纳税人产生一组风险得分。在一些情况下，在纳税人有效递交非合规退税之前，风险得分可以用作进行干预的基础。与确定为呈现高风险的纳税人相比较，确定为呈现低风险的纳税人可以不被要求提供更多信息。优选地尽可能将风险评估嵌入在退税处理中，胜于以后及时将这个方面处理作为接下来的活动。这有力地意味着审计选择标准可以应用在处理退税的期间内。产生并且应用到每个个人纳税人的风险得分可以用于确定当进行实际递交时税收事务机构将对其分析退税表的声明。处理规则应当根据风险得分进行改变，其中，在整个过程中对于高风险案件需要进行更多检查，而对于低风险案件一般需要进行较少检查。在纳税人使用交互式通道(例如，互联网、交互式语音响应系统等等)递交退税的例子中，风险得分可以应用到该交互中的每个主要步骤，并且该检査的结果可以改变交互的过程。优选地将每个纳税人的风险得分一直保持到使用在处理退税的过程中获取的信息的日期。此外，可以应用风险方案来向行为通常"良好"的客户提供优先处理。例如，尽管当前实际情况是对晚递交退税的客户进行罚款，但是在这是第一次并且之前在税务局该客户具有良好的行为历史并且晚到时间并不过分的情况下，这个罚款可以免除。此外，还可以应用基于风险的方案以将任何在线交互进行个人化从而可以迫使高风险客户或特定部分或分类中的客户提供其它客户一般不需要进行提供的附加数据。该方案的这个方面的效果在于获取与其它情况相比较会导致低总体风险得分的数据，并且再次可以向愿意提供很可能会导致低总体风险得分的附加数据的客户提供优先处理。根据本发明的基于风险的方案应该抑制需要进行调查的项目的数目并且由此使得事务机构重视会导致最佳努力回报的进行调查的那些项目。客户风险概况客户风险概况是提供关于客户的基于风险的信息的一组属性。属性类型包括风险模型得分，用于评估客户特定方式的表现关于特定风险的可能性(例如，在截至日期的14天内客户清算债务的可能性)。可操作阈值(约束)，用于提供与支持税务局处理系统进行自动评估的客户交易的特定属性相关的个人化信息。这些属性类型均可以关于特定客户行为进行确定或者由在其中客户操作的部分(例如，行业代码)进行影响。对于每个注册客户将存在一个风险概况，如果实体采用不同关系进行注册，则风险概况会由多重关系进行影响。图4示出了客户风险概况的例子。在该例子中，对于客户倾向，风险得分被分配到客户以及时清算债务；*在截至日期的14天内进行递交；*从活动声明接收退款；*递交准确的活动声明；以及*在注册的6个月内进行正确的递交图4的客户风险概况还包括下面项目的操作阈值*有关工作的开销；*开销与收入的比率；以及*去年投资租贷开销风险得分的设计和发展风险得分的设计和发展涉及整理税收事务机构的数据容纳与在未来发生的某些情况的可能性之间的关系的风险模型的发展。为了完成这个活动，优选的是税收事务机构对事务机构所认为的风险和风险的相关容许量(即，阈值)进行精确定义。此外，优选的是事务机构发展包含覆盖最近五年或更远的详细的历史记录的纳税人注册和纳税人清算系统。对关于经济的一般趋势的数据进行访问(例如，来自对统计负责的政府事务机构)连同与其它政府事务机构一致的正式协议的建立同时也是优选的，用于提供能够随后合并到风险模型中的纳税人特定数据。再次，连续提供来自其它政府事务机构的风险数据优选地具有在第一例子中提供的至少覆盖最近五年的数据。用于提供纳税人特定数据的与商业第三方的正式协议也可以建立，用于将该数据合并到风险模型中。在本发明的实施例中其它基础设施资产也是优选的，包括容纳来自多个可用源的数据的数据仓库并且将其构造来支持数据分析。在这个方面，容纳了在数据仓库和能够支持实际分析的商业数据分析软件中存有的数据的元数据的完整和最新字典也是特定优选的。设计纳税人风险类型在本发明的实施例中，建立了至少下面风险类型的数据计划。*从风险类型组计算出的合成预测风险得分；*纳税人将会意外错误报告收入的风险的评估；*纳税人将会意外错误报告开销或扣减额的风险的评估；*纳税人将会故意错误报告收入的风险的评估；*纳税人将会故意错误报告开销或扣减额的风险的评估；*纳税人将会递交晚退税的风险的评估(对每个纳税类型进行打分)*纳税人在有关截至日期之前不会全额支付的风险的评估；预测风险得分计划的优选实施方式包括存储在计算机系统中的纳税人的预测风险得分，从而使得可以增加新分类的预测风险得分而不需要改变程序。此外，优选的是，所有得分遵循相同计划从而能够以一致方式对他们进行评估和操纵。优选的是，以概率的形式进行打分，从而能够区分最小100个风险区分等级。例如，风险的零等级意味着事件不会发生，风险的100等级意味着事件一定发生。得分可以以百分比概率的形式进行显示，从而他们可以直接应用在诸如"纳税人将错误报告开销或扣减额的概率为63%"的陈述中。当然，可以提供更大数目的风险的区分等级，这会在概率报告中实现更高水平的精度。优选的是，对每个预测风险得分存在时间戳，用于指示该风险何时进行的最后更新。此外，优选的是，每个预测风险得分具有关联的理由代码，用于指示触发最后更新的事件。可以保持预测风险得分的历史，从而使得可以分析在整个时间段上风险关于任何特定纳税人是增大还是减小。这个历史应该忽视仅仅由于风险模型的变化所产生的变化，这是因为它的目的在于反映由个人纳税人行为和情况所引起的变化。打分程序优选的是，对规定如何计算得分的每个风险类型定义打分程序。该打分程序应该识别用于计算得分的数据字典中的数据以及应用到该数据的风险模型的特定算法或功能。对等组的发展当税收事务机构将纳税人分在不同部分中时，他们通常定义大组的小集合并且将纳税人分配到这些组之一。然而，根据本发明的退税文档的基于风险的评估需要更加精确方案来对纳税人进行分组。这个步骤的目的在于定义纳税人组的大计划并且将纳税人分配到多个组。这意图提高任何风险分析的保真度。对等组形成重叠分级计划的集合，并且延伸到三个等级的初始样本对等组计划的例子将是实体*自然人一性别一年龄组一职业状态—家属一毛收入的范围*非自然人一合法形式(公司等)一行业分类一最终业主的位置一毛收入的范围位置*城市一城市1一城市2*乡村一区域1一区域2自然活动*行业分类(生产、零售等等的子组)在一个实施例中，对等组计划的优选实施方式涉及对每个对等组给出惟一标识和该惟一标识所表示的原文描述。纳税人不被分配到对等组，或者被分配到一个或更多个对等组，并且当纳税人分配到对等组时，对该事件记录时间戳。当从该对等组去除纳税人时，优选的是对这个特定事件记录另一个时间戳。优选的是，保持纳税人在过去所属的对等组的历史。对等组和风险类型之间的关系一旦己经定义了对等组，则定义了对等组与风险类型之间的关系。这个关系用于确定对任何特定纳税人计算哪个风险类型。该关系可以定义为将对等组与风险类型进行比较的矩阵(以后称作"对等组与风险类型矩阵")。例如，部分矩阵在下面表1中进行表示。表1<table>tableseeoriginaldocumentpage25</column></row><table>对等组特征的分析该过程中的这个特定步骤对每个对等组产生一组统计特征，用于支持风险打分过程的方面。这些特征能够分为.-*一般特征，由有意义数据构成而不考虑特征化的特定对等组(例如，测量毛收入的百分点)；*仅仅关于对等组的子集合有意义的信息的对等组特定特征(例如，髙技术研究税收激励的百分点)。优选的是，将每个对等组进行特征化处理，并且这个信息用于导出对等组的交集的特征。例如，在银行业服务部门中在特定城市中工作的雇员的收入的百分点。优选的是，对对等组特征进行周期性再次分析并且频率不小于月频率。在一些情况下，可以以每日频率对对等组特征进行再次分析。初始风险模型的发展一旦满足先决条件，则这个过程中的第一步骤用于发展风险模型。优选的是，这是基于当进行预测时可用的数据来预测纳税人将不合规的概率的一个自动过程。将在这个风险模型中考虑各种类型的信息，并且尽管下面风险列表不是无遗漏的，但是它示出了应该考虑进行包括的数据的类型。*经济的显著趋势(例如，生活指数、生产制造指数等的成本)；*可以包括以相同方式获取收入的其它纳税实体(例如，从事零售商业的独资经营者、在工厂等工作的雇员)、具有相似税收事务的其它纳税实体(例如，拥有住宅租金财产的雇员)、以及相同一般位置中(例如，特定城市的CBD或真实位置等)的其它纳税人实体的认为纳税人所属的多个对等组的统计量；*税收立法的变化(例如，纳税人己经先前声明的类型的合法扣减额的列表的变化)；*来自第三方(例如，信用评级事务机构)的纳税人特定风险分析；*关于税收事务机构在变化的情况下纳税人的过去行为，可以包括过去递交退税的及时性、过去支付的及时性(包括关于过去支付安排的行为)、重新评估的历史、审计结果以及由事务机构提供到纳税人的正式通知的种类(例如，如果通知关于通过退税所报告的某类型的开销的处理)。在本发明的这个实施例的上下文中的风险模型的目的在于通过使用当处理退税时可用的信息来评估由纳税人提供在退税表上的数据是不正确的风险。与非合规的历史情况相比较，基于分析当处理退税表时知道的信息之间的相关性来发展本发明的这个实施例中的风险模型。强相关性被包括到风险模型中，并且关于历史数据在预测非合规性时根据它们效果对该强相关性进行加权。可以通过假定驱动试验和/或通过训练神经网络来发现这些相关性。当收集新的信息时，可以随时间提高本发明的这个实施例的风险模型的预测能力。此外，当可以从外部源和/或与纳税人交互的处理获得更多信息时，该风险模型应该连续改进。交互类型和风险响应的发展通常，在多种类型的交互的过程中对风险进行评估，并且对于这些交互中的每个，税收事务机构将需要确定它应该如何响应每个风险等级的每个风险类型。在考虑这个过程中的第一步骤在于规定被分析和经历基于风险的处理方案的每种类型的交互。在本发明的实施例中，采用诸如下面表2的形式。表2<table>tableseeoriginaldocumentpage27</column></row><table>此外，每个风险类型应该映射到可以在个人纳税人与税收事务机构之间发生的一个或更多交互，从而产生"风险类型与交互矩阵"。能够参考这个矩阵来确定当确定涉及与特定纳税人进行的特定交互的风险时应该考虑哪个风险类型。在本发明的实施例中，下面表3示出了使用的部分矩阵。表3<table>tableseeoriginaldocumentpage27</column></row><table><table>tableseeoriginaldocumentpage28</column></row><table>对纳税人应用风险模型这个过程中的另一个步骤在于将风险模型应用到每个纳税实体。该过程的这个步骤的两个主要方面包括将纳税人分配到对等组，然后应用该风险模型以对每个纳税人产生预测风险得分。在本发明的实施例中，通过将定义每个对等组的标准应用到纳税人的自动过程将纳税人分配到对等组。基于税收事务机构容纳的注册信息以及基于过去的退税信息，纳税人被分配到计划中的所有有关对等组中。例如，纳税人可以是在特定城市中在零售部门中工作的没有家属并且挣得特定毛收入的个人。这个活动的结果是记录纳税人所属的对等组的对等组成员资格列表。应用风险模型以对个人纳税人产生预测风险得分在本发明的实施例中，通过应用风险模型中的所有有关得分和程序，这个活动对每个纳税人形成了预测风险得分。该过程的这个步骤的主要方面包括*参考纳税人的对等组成员资格以及对等组与风险类型矩阵来确定对哪种风险类型进行打分；以及*对于每个风险类型，确定由风险模型所需要的数据以产生预测风险得分，获得该数据并且应用该风险模型中的算法以及对每个纳税人记录预测风险得分。优选的是，只要主要风险模型进行更新以及当在与纳税人的交互的过程中收集新的信息时，就对纳税人的特定预测风险得分进行修正。退税处理期间评估风险的程序预测风险得分提供了关于每个纳税人的风险的初始观点。这个信息可以用于对退税处理交互设置策略。在退税处理交互的过程中，新的信息将由纳税人提供在退税文档中，并且这个信息还应该被包括到退税处理期间内的风险处理中。将纳税人风险模型应用到退税处理的过程在本发明的实施例中，退税表由需要纳税人输入信息的字段的集合组成。它在其它内容之间包括识别字段的标签和帮助纳税人正确完成字段的指令。在本发明的这个实施例中，这个集合中的项目称作"组元"。通常，对于任何特定退税周期，标准退税表的变化数量相对非常小。通过应用基于风险的数据评估，可以基于对特定客户建立的风险来选择呈现给纳税人的组元。例如，如果认为纳税人很可能错误声明他们收入，则向纳税人呈现几个组元以需要他们提供关于他们的收入的各个源的特定详情的信息。当向纳税人呈现退税表以完成该退税表时，可以基于纳税人的个人预测风险得分对每个个人纳税人选择退税表的组元。在基于纸张退税的情况下，存在将退税表的一些部分进行人性化处理的选项。当税收事务机构处理每个退税表时，它可以计算交互风险得分。在本发明的这个实施例中，尽管使用用于计算预测风险得分的相同风险模型来计算这些，但是不同点在于该交互风险得分利用在处理退税表的过程中收集的信息。设计交互风险得分以管理在预测风险得分中分类为低风险的纳税人提供了表示高风险的信息的情况。该交互风险得分可以检测这个风险并且提供用于实现恰当响应的机会。由于纳税人提供另外的新的信息，所以在处理单一退税的过程中可以将交互风险得分计算几次。优选的是，交互风险得分存储在计算机系统中，并且各个交互风险得分与提供的各个交互类型相关联。优选的是，通过询问风险响应矩阵，该交互风险得分用于确定将采取什么动作。当风险响应冲突出现时(例如，如果一种风险类型的风险响应指示不需要另外分析就处理退税而另一个风险响应指示退税应该被传递以进行人工税收)，应该应用分级的风险响应。对最严重风险的最彻底风险响应应该确定整个交互的结果。基于风险的退税处理的变形关于本发明的实施例，可以认为退税处理落入下面两种分类之*交互式(纳税人使用允许税收事务机构直接参与到该过程的流程中的服务通道输入信息)；或者*非交互式(纳税人使用不能够允许税收事务机构直接参与到该过程的流程中的服务通道输入信息)。非交互式退税处理的明显例子是纸张退税表。对于交互式退税处理，当纳税人或他们代理人输入数据时可以计算由退税表表达的全部风险，并且该结果可以用于指导该交互的过程。如果该交互风险得分是高的，则很可能对纳税人提供附加指导以帮助他们正确完成退税，并且很可能需要纳税人输入附加信息。关于基于风险的非交互式退税处理，用于当输入数据时指导交互的过程的有效手段很少。然而，当对纳税人产生退税表时可以设计该交互。在这方面，要求纳税人完成的表的选择可以基于关于有关类型的退税处理的个人纳税人的预测风险得分。在这种情况下，退税表可以根据纳税人输入的信息来指令纳税人完成附加表或调度。根据纳税人的预测风险得分，对于纳税人可以将这些指令进行人性化。基于从个人纳税人计算出的预测风险得分来实现退税处理的非交互式表的基于风险的处理。在由税收事务机构获取退税数据以后来确定交互的风险，并且以后可能发生任何接下来的动作。基于风险的处理系统视图图5示出了根据本发明实施例的基于风险的处理的系统视图。该系统视图示出了表定义部分FDF180、粗规则部分184以及细规则部分i88，其中，该粗规则部分184包括税f管理系统(ICP)审查，该细规则部分188包括操作分析。"操作分析"使得或者特定客户的过去行为或者基于客户分类的过去行为被获取并且用于形成客户风险概况。该风险概况既包含风险得分也包含操作阈值。FDF使得商务用户基于提供在正被处理的表中的信息来定义规则和计算。从风险观点来看，许多现有技术风险评估基于包含在该表中的信息。如果已经达到风险条件，则利用FDF能力定义规则将使得税收事务机构在提供指示的表内设置隐藏字段。可以在ICP审查规则内测试风险条件或条件的组合的存在。优选的是，风险规则保持机密并且仅仅由有限数目的工作人员进行维护。此外，该风险规则不应该暴露于暴露一般FDF表确认规则的外部界面中。ICP审查规则实现基于纳税人以及账户属性和风险概况的较大选择的规则。优选的是，该ICP审查规则和引擎支持*基于表内标签值的规则；*测试条件可以应用到文字、以及纳税人风险概况值-，*测试条件可以应用到来自FDF计算的导出字段本领域技术人员应该明白，在不脱离广泛描述的本发明的精神或范围的情况下，可以对如特定实施例所示的本发明进行大量修改和/或变型。因此，在所有方面应该认为本实施例是示意性的而并非进行限制。权利要求1.一种用于接收和处理数据的系统，所述系统包括数据处理和验证部分，用于以电子格式从客户接受数据并且从中识别能够直接验证的数据元素；风险评估部分，用于接收没有被识别为可直接验证的数据元素，并且评估所述数据元素是不完整或不正确的风险，所述风险评估部分产生风险评估数据；以及决定支持部分，用于从所述风险评估部分接收所述风险评估数据，并且根据包含在所述风险评估数据中的风险的评估对客户数据的接下来处理选择恰当动作。2.如权利要求1所述的用于接收和处理数据的系统，其中，所述风险评估部分基于如下内容的一个或多个来将风险模型应用到客户，所述内容包括与客户交互的过去准确度的记录；先前已经由客户提供的不正确和/或不完整数据的程度；能够被识别为来自客户的数据的任何先前提供和/或验证的结果的其它行为的历史。3.如权利要求1所述的用于接收和处理数据的系统，其中，所述风险评估部分基于如下内容的一个或多个来将风险模型应用到客户，所述内容包括由个人客户提供的数据与由具有相似情况的其它客户提供的数据的比较；由客户提供的数据与包含一般统计信息的外部数据源的比较；数据源，包含与诸如属于犯罪记录的数据、与其它事务机构交互的历史之类个人客户情况特定有关的信息或属于涉及与其它国家中的事务机构进行交互的客户的任何交互的信息。4.如权利要求1所述的用于接收和处理数据的系统，其中，所述风险评估部分将客户特定风险概况应用到由客户提交的数据，其中，所述客户特定风险概况包括用于评估从事某些行为的客户的倾向的风险得分。5.如权利要求4所述的用于接收和处理数据的系统，其中，所述客户特定风险概况包括用于指示由客户提交的数据中项目的值的期待范围的操作阈值，所述期待范围以由客户提交的先前数据、基于行业的统计均值或可从其它源获得的信息为基础。6.如权利要求1所述的用于接收和处理数据的系统，其中，所述数据处理和验证部分包括自动调整部分，所述自动调整部分自动纠正由客户提交的己经被识别为可验证但是不正确的数据。7.如权利要求1所述的用于接收和处理数据的系统，其中，所述决定支持部分包括确定部分，如果由客户提交的数据己经被识别为正确，并且所述风险评估部分评估客户的风险低于预定阈值，则所述确定部分发布将不产生进一步处理的通知。8.如权利要求1所述的用于接收和处理数据的系统，其中，所述数据处理和验证部分包括交互式部分，所述交互式部分关于由客户提交的已经被识别为可验证但是不正确的数据来自动向客户提供反馈。9.一种用于接收和处理从客户收集的数据的方法，所述方法包括如下步骤与客户进行交互以从客户获得属于特定客户动作的数据；分析所收集的数据以从所收集的数据中识别可直接验证的数据元素，进一步确定可直接验证的任何数据元素是否是不完整或不正确的，并且重复进行对被确定为不完整和/或不正确的任何数据元素的请求；对与由客户提供的没有被识别为可直接验证的任何数据元素关联的风险进行评估，所述评估将没有被识别为可直接验证的任何数据元素是不完整或不正确的风险进行量化；以及考虑不完整或不正确数据的风险的评估，并且将其与被认为是可接受用于接受和处理客户请求的风险等级进行比较，从而关于所述客户请求来确定要被实现的未来动作。10.如权利要求9所述的方法，其中，所述风险评估步骤涉及基于如下内容的一个或多个来将风险模型应用到客户，所述内容为与客户交互的过去准确度的记录；先前己经由客户提供的不正确和/或不完整数据的程度；能够被识别为来自客户的数据的任何先前提供和/或验证的结果的其它行为的历史。11.如权利要求9所述的方法，其中，所述风险评估步骤涉及基于如下内容的一个或多个来将风险模型应用到客户，所述内容为由个人客户提供的数据与由具有相似情况的其它客户提供的数据的比较；由客户提供的数据与包含一般统计信息的外部数据源的比较；数据源，包含与诸如属于犯罪记录的数据、与其它事务机构交互的历史之类个人客户情况特定有关的信息或属于涉及其它国家中的事务机构与客户交互的任何交互的信息。12.如权利要求9所述的方法，其中，所述风险评估步骤涉及将客户特定风险概况应用到由客户提交的数据，其中，所述客户特定风险概况包括用于评估从事某些行为的客户的倾向的风险得分。13.如权利要求12所述的方法，其中，所述客户特定风险概况包括用于指示由客户提交的数据中项目的值的期待范围的操作阈值，所述期待范围以由客户提交的先前数据、基于行业的统计均值或可从其它源获得的信息为基础。14.如权利要求9所述的方法，其中，所述数据分析步骤包括自动调整，用来自动纠正由客户提交的已经被识别为可验证但是不正确的数据。15.如权利要求9所述的方法，其中，所述确定未来动作的步骤包括如果由客户提交的数据已经被识别为正确，并且所述风险评估部分评估低于预定阈值的客户的风险，则发布将不产生进一步处理的通知。16.—种处理从客户接收到的数据的方法，所述方法包括如下步骤分析所收集的数据以从所收集的数据识别可直接验证的数据元素；确定可直接验证的任何数据元素是否是不完整或不正确的；确定被识别为不完整或不正确的任何数据元素是否适于自动纠正，并且如果适于自动纠正，则自动纠正那些元素；基于从客户收集的数据以及基于关于客户的任何可用附加信息来获得客户的风险概况；将所述风险概况应用到从客户收集的数据以确定是否应该关于由客户提供的没有被识别为可直接验证的任何数据元素进行进一步的处理；以及如果可直接验证的数据己经被识别为不完整或不正确但不能够自动纠正，或者如果应用所述风险概况的步骤已经产生需要进一歩的处理的指示，则将进一步的处理应用到从客户收集的数据。17.如权利要求16所述的方法，其中，所述风险概况包括从如下内容的一个或多个导出的数据，所述内容包括与客户交互的过去准确度的记录；'先前已经由客户提供的不正确和/或不完整数据的程度；能够被识别为来自客户的数据的任何先前提供和/或验证的结果的其它行为的历史。18.如权利要求16所述的方法，其中，所述风险概况包括从如下内容的一个或多个导出的数据，所述内容包括由个人客户提供的数据与由具有相似情况的其它客户提供的数据的比较；由客户提供的数据与包含一般统计信息的外部数据源的比较；数据源，包含与诸如属于犯罪记录的数据、与其它事务机构交互的历史之类个人客户情况特定有关的信息或属于涉及其它国家中的事务机构与客户交互的任何交互的信息。19.如权利要求16所述的方法，其中，所述风险概况包括用于评估从事某些行为的客户的倾向的风险得分。20.如权利要求19所述的方法，其中，所述风险概况包括用于指示由客户提交的数据中项目的值的期待范围的操作阈值，所述期待范围以由客户提交的先前数据、基于行业的统计均值或可从其它源获得的信息为基础。21.—种用于接收和处理从客户收集的数据的在计算机可读介质上实现的计算机程序，所述计算机程序包括计算机指令代码，用于分析从客户收集的数据和指令代码以识别可直接验证的数据元素；计算机指令代码，用于确定可直接验证的任何数据元素是否是不完整或不正确的；计算机指令代码，对与由客户提供的没有被识别为可直接验证的任何数据元素关联的风险进行评估，所述评估将没有被识别为可直接验证的任何数据元素是不完整或不正确的风险进行量化；以及计算机指令代码，用于考虑不完整或不正确数据的风险的评估并且将其与预定可接受的风险等级进行比较，来关于所述客户请求确定要被实现的未来动作。22.如权利要求21所述的在计算机可读介质上实现的计算机程序还包括与客户进行交互以从客户获得属于特定客户动作的数据的计算机指令代码。23.如权利要求22所述的在计算机可读介质上实现的计算机程序还包括对被识别为可直接验证但是不完整或不正确的任何数据元素进行重复请求的计算机指令代码。24.如权利要求21所述的在计算机可读介质上实现的计算机程序，其中，所述用于评估风险的计算机指令代码包括客户特定风险概况，所述客户特定风险概况提供评估从事某些行为的客户的倾向的风险得分。25.如权利要求21所述的在计算机可读介质上实现的计算机程序，其中，所述客户特定风险概况包括用于指示由客户提交的数据中项目的值的期待范围的操作阈值，所述期待范围以由客户提交的先前数据、基于行业的统计均值或可从其它源获得的信息为基础。26.—种处理从客户接收到的数据的方法，所述方法包括如下步骤分析所收集的数据以识别可从所收集的数据直接验证的数据元素；确定可直接验证的任何数据元素是否是不完整或不正确的；确定被识别为不完整或不正确的任何数据元素是否适于自动纠正，并且如果适于自动纠正，则自动纠正那些元素；基于从客户收集的数据以及基于关于客户的可用附加信息来获得客户的风险概况，其中，所述风险概况包括用于评估从事某些行为的客户的倾向的风险得分和指示由客户提交的数据中项目的值的期待范围的操作阈值，所述期待范围以由客户提交的先前数据、基于行业的统计均值或可从其它源获得的信息为基础；将所述风险概况应用到从客户收集的数据以确定从客户收集的数据中的错误或遗漏的风险水平，并应用于确定是否应该关于由客户提供的没有被识别为可直接验证的任何数据元素进行进一步的处理；以及如果可直接验证数据已经被识别为不完整或不正确但不能够自动纠正，或者如果应用所述风险概况的步骤已经产生需要进一步处理的指示，则将进一步的处理应用到从客户收集的数据。全文摘要本发明公开了一种用于接收和处理数据的系统，所述系统包括数据处理和验证部分，用于以电子格式从客户接受数据并且从中识别能够直接验证的数据元素；风险评估部分，用于接收没有被识别为可直接验证的数据元素并且评估所述数据元素是不完整或不正确的风险，所述风险评估部分产生风险评估数据；以及决定支持部分，用于从所述风险评估部分接收所述风险评估数据并且根据包含在所述风险评估数据中的风险的评估对客户数据的接下来处理选择恰当动作。文档编号G06Q40/00GK101194286SQ200680018111公开日2008年6月4日申请日期2006年3月24日优先权日2005年3月24日发明者卡尔·沃德,马克·彼得·斯托克申请人:埃森哲全球服务有限公司