在大数据时代,随着税源税户的迅速增长,税务机关需要对海量的税务数据进行OLAP处理。然而,税务机关现存的数据平台较为落后,存储模式与存储架构不适应大数据处理,同时还存在着数据同步时间长、税收风险模型落后等问题,税务机关因此无法及时的对税收风险进行准确的分析与处理。为此,针对上述问题,基于数据仓库技术,以发票数据作为研究对象,对海量税务数据的建模、存储、同步,税收风险模型等进行深入的研究,主要研究内容和成果如下:第一,研究了数据仓库的开发流程、技术架构、建模方法,对以税收为主题域的数据仓库进行深入的分析,以“开发票业务”、“税款优惠业务”、“税款缴纳业务”为例提出了适用于税收征管的税收维度模型。使用Click House构建了税收大数据数据仓库,搭建了基础的税收大数据平台,该平台面对TB量级税务数据的统计分析,耗时比原平台缩短了一百多倍。第二,研究了进销项数据在税收风险中的应用,提出了基于进销项数据的企业数据关系图谱。该图谱借鉴最大生成树算法,以待查企业为顶点,以进销项数据为流向,通过查找待查企业的最大权值边,构建最大关联企业票流图。税务人员可根据最大关联企业的交易额度及交易流向进行税收风险分析,对逃税漏税行为进行事前预警和事后分析。第三,为加快海量税收数据的同步更新效率,研究并改进了开源ETL工具Data X,在原有的Data X架构上添加了更新检查器和任务管理器。更新检查器通过实时分析对比数据更新时间戳,对数据源进行更新检查,克服了原版Data X离线更新的缺点;任务管理器对集群资源进行调配,合理的为每一台节点分配数据同步任务,克服了原版Data X只能单机工作的缺点。改进版Data X缩短了税务数据的同步时长,提高了税收风险的响应速度。第四,为提高税收大数据平台的安全性和税务数据的保密性,研究适用于税收大数据平台的RBAC模型,该模型将角色和权限细化至岗位,从功能权限、数据权限两方面对登录用户进行限制,不仅能提高税收数据的安全性,还能快速对泄密人员进行定位。