行政機關效率的提升，一直是近年來政府所積極倡導與努力的目標，尤其對於稅務行政機關更是政府所寄予厚望之改善重點。然政府機關在近幾年來亦引入大量之資訊科技以協助處理日益龐大之稅務，資料仍然氾濫與複雜。希望藉由有效的處理與分析歷史性的資料以獲取有助於企業與政府機關的決策資訊，進而提升政府電子化業務及電腦化作業，得以簡化及減輕稅務工作。
　　經多年的累積，稅務機關已儲存一個非常巨大的稅務資料庫，在此龐大的歷史資料中，我們運用「資料探勘」（Data mining）之技術從中找尋並分析出有用之資訊。其中，執行業務者之業務收入除部分課稅資料係由扣繳單位已依規定辦理扣繳外，一般之執業收入較難以掌握。又補習班、幼稚園、托兒所之所得雖屬其他所得之範疇，但因其申報、調查、核定方式與執行業務所得者相類似。本研究主要針對上述對象，就其申報收入作業流程面加以探討與說明，一般而言同類性質之業者，均有相類似之經營理念及帳務處理方式，從而逃漏稅捐之內容也大同小異。
　　在資料探勘技術中集群化（Cluster）分析之基本原理即利用其「物以類聚」之特性，將具相類似特性之客戶群加以分類並區隔。因此，本研究將嘗試藉由上述方法，將現行選案方式作一適度改進，有效處理申報案件，提升稅務稽徵機關之行政效能。

　　Recently, the organization efficiency for administrative is the major goal of our government. Especially, it is expected to the tax affairs office. Though it has been introduced so many information technologies and devices to process the gradually increasing huge tax business, the data are still complex and diffusion. It is hopeful and helpful to effectively analyze the historical data and find the decision information for the enterprises and government . Meanwhile, it will promote the capability for computerization operation and government e-business, then the workload for the tax affairs will be simplified and reduced.
　　It has been accumulated for big tax database during these years. We apply data mining technology to analyze and find the useful information from the huge historical database. However, some professional practice revenue have been partially deduced from their income by payment units based on stipulation. Most of them are difficult to handle the prepayed tax. Though the income type of the supplementary school, kindergarten and nursery belong to the miscellaneous one, but the processes of tax claiming, auditing and approving are all the same. The major aims of the project focus on the study and explanation for their declaring revenue operation flow. Usually, it is the same for these who are in the same carreer on managing idea and accounting process. Meanwhile, the contents of losing tax are not difference.
　　The basic principle for clustering analysis in data mining technology is the characteristic application of "the same object always locates together". We classify and distinguish these customers by detecting their similar characteristic. Therefore, the study will try to use the mentioned approaches to present the selection mechanism to improve the operation. It makes the tax business effectively and enhance the administrative performance for the tax affair office.

一、中文部分
[1]. 尹相志，SQL 2000 Analysis Service資料採礦服務，台北：維科圖書有限公司，2003。
[2]. 李金鳳，「資訊與教育雜誌」八十四期，2001，第16~17頁。
[3]. 何敏男，「我國所得稅查帳制度之研究」，中華大學工業工程與管理研究所碩士論文，1995。
[4]. 周貞慧，「利用統計判別法做納稅人資料分析」，國立中央大學統計研究所碩士論文，1985。
[5]. 財政部稅制委員會，「所得稅法令彙編」，第131~134頁，1994。
[6]. 財政部台灣省南區國稅局「執行業務及其他所得」審查作業要點，第三節，2002，第1~3頁。
[7]. 財政部台灣省南區國稅局「執行業務及其他所得選案查核系統」系統作業流程說明書，2001，第12~13頁。
[8]. 財政部台北市國稅局，「九十一年度稅務研究選集第三篇」，第93~94頁。
[9]. 執行業務所得查核辦法，第四章，1997。
[10]. 國稅查核技術手冊，「綜合所得稅查核實務執行業務及其他所得」，2001，第2頁，第21~22頁。
[11]. 張益誠、余泰毅，「電腦在環境工程與管理上之應用」，文魁資訊股份有限公司，第4章5~6頁，2003。
[12]. 黃聰明，「自動化知識擷取－神經網路於稅務查核之應用」，國立台灣大學商學研究所碩士論文，1992。
[13]. 黃俊英，「多變量分析，台北中國經濟企業研究所，第七版」，2000，第256~258。
[14]. 楊永欽，「預測模型在稅務選案上之比較」，靜宜大學會計學研究所碩士論文，2002。
[15]. 劉興浚，「類神經網路在稅務稽核選案模式之應用」，元智管理研究所碩士論文，1998。
二、英文部分
[16].Berry,M.J.A.and Linoff,G.,”Data mining Technique for Marketing,
Sale,and Customer Support,” Wiley Computer,1997
[17].Fayyad,U., G.Paitetsky-Shapiro,G..;Smyth,P.,”From Data Mining to Knowledge Discovery :An Overview”,In advances in Knowledge Discovery and Data Mining,Fayyad et al,pp.471-493,1996.。
[18].Frawley,W.J.,Paitetsky-Shapiro,Matheus,G.C.J.,”Knowledge Discovery in Database :An Overview,” Knowledge Discovery in Database,California edited by G. Paitetsky-Shapiro and Frawley,W.J.,AAA/MIT Press,pp.1-30, 1991.
[19].Grupe,F.H.;Owrang,M.M.,”Data Base Mining Discovering New Knowledge
Cooperative Advantage,”Information Systems Management,Vol.12,No.4
Fall,pp.26-31,1995.
[20].J.Hair,Jr.,R.Anderson,R.Tatham and W.Black,”Multivariate Data Analysis”，5th,pp.490-491,1998.
[21].JOHN Hartigan,”Clustering Algorithms”,New York：John Wiley & Sons,pp1，1975
[22].MacQueen,J.B.”Some Methods for Classification and Analysis of Multivariate Observations”,Proceedings of 5th Berkeley Symposium on Mathematical Statistics and Probablity,pp.281-297,1967.
[23].R.Johnson and D.Wichern,”Applied Multivariate Statistical Analysis”,4th,pp.739-740,1998
[24].Robert Tryon and Daniel Bailey,”Cluster Analysis”, New York：McGraw Hill,pp1,1970
[25].Yongjian Fu “Data mining tasks,techniques and applications”;,IEEE
POTENTIALS,1997.
三、網站部分
[26].Data Mining 的功能及建置方法簡介，經營決策論壇第12期目錄，http://www.gas.com.tw/gsseis/12/datamini.htm。
[27].財政部財稅資料中心，http://www.mofdpc.gov.tw。
[28].財政部賦稅署，http://www.dot.gov.tw。
[29].葉春淵，集群分析，http://class.ocit.edu.tw/c093522/mr3.htm。
[30].Cluster Analysis，http://www.statsoftinc.com/textbook/stcluan.html