Earticle

초록

한국어

KCB는 2017년 공공 빅데이터 표준분석모델 수행기관으로 선정되어, 표준 체납자 예측 모형을 개발하고 기존 체납 정보 시스템을 개선하였다. 해당 과제는 국가행정의 기반이 되는 세금의 비효율적인 관리 및 징수 프로세스와 시스템을 개선하고, 데이터 기반의 과학적 국정운영 및 의사결정을 도모하였다는 평가를 받았다. 본 고에서는 체납자 회수 가능성 예측 모형의 주요 내용과 시뮬레이션 분석을 통한 기대효과를 살펴보고자 한다. 첫째, 체납자의 신용정보와 체납 정보의 데이터 융합 및 탐색적 자료 분석(EDA). 둘째, 로지스틱 회귀분석과 세 가지 머신 러닝 방법론(Recursive Partitioning, Neural Network, Random Forest) 의 예측 성능 비교를 통한 모형개발과정. 셋째, 예측 결과의 시스템 적용 및 시사점. 끝으로, 예측 시뮬레이션 분석을 통한 모형 적용 시 세금 조기 환수 및 비용절감 기대효과.

목차

요약
 [사전자료] 체납자 및 체납액 현황
 서론
 연구목적
 분석내용
  1) 분석 대상 정의
  2) 데이터 관리 시스템
  3) 탐색적 자료 분석(EDA) 결과
 체납자 회수 가능성 예측모형 개발
 참고) 예측 모형 별 수식 [8]
 결론 및 시사점
 [참고자료] 모델 적용 시 기대효과
 참고문헌

저자

• 김은찬 [ KCB 연구소 연구원 ]
• 유병준 [ 서울대학교 교수 ]

참고문헌