税收是国家財政收入的主要来源，也是国家实行宏观调控的一个重要经济杠杆。随着电子政务系统的发展以及税务信息化程度的不断提高，在税务决策支持方面不断吸纳新的信息处理技术、提高决策的科学性和规范性，成为提高行政办公效率、促进经济发展的关键所在。这几年税收信息化取得了长足发展，成绩卓著，非常多省市都上了税收征管应用系统。
可是，但随着税务数据的日益庞大。改革政策的下发。管理的相关因素显得更加错综复杂。原有的信息系统针对性较强，easy造成信息的条状分布，给信息系统带来了新的挑战。因此。急需一个新平台系统建设来梳理信息资源，提高综合管理信息的应用决策能力。
Gartner Group提出，商业智能描写叙述的是一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术能够提供企业迅速分析数据的技术和方法。包含收集、管理和分析数据。将这些数据转化为实用的信息，然后分发到企业各处。FineBI商业智能产品经理Julie觉得。对于税务这样的数据量庞大，数据安全性要求高的行业，具备百亿级大数据处理能力。拥有良好的稳定性，和不错的交互体验，对税务的智能信息化发展至关重要。
能够从下面几方面来讨论：
1、整合信息孤岛，发挥数据的最大价值
国税局在平时日常工作中，须要用到的系统有几十个。每当要查一些数据。须要先进入一个页面，列出几十多个系统的链接，再从链接到对应的系统去查询数据。各个系统都是外包给不同开发商制作。操作方式和风格上无法统一。
并且。每一个系统都仅仅是针对某一块业务。查询数据就要从多个业务系统中拿数据。经常是Excel和业务系统依次打开，一旦涉及业务再多一些。这样的方式就根本拿不到数据，须要向上级申请。
现在的商业智能系统可连接各种数据源，将各种数据通过ETL和数据清洗后放入数据仓库，各业务可在一个平台内分主题呈现，决策者基于此能够了解关于企业业务的全面的视图。轻松地进行即时商业智能分析。
2、业务人员做分析。需求高速响应
对于业务人员来说，对于业务数据和报表他们是懂的。可是不懂系统。不知道系统数据库中存放的什么数据以及如何组合。以往的解决方式就须要技术人员帮忙取。一个个分发，工作进度都堵在技术人员取数环节。工作效率影响非常大。
假设通过商业智能系统来解决，对于业务人员来说。数据源或数据模型的概念都会被淡化，取而代之的是一个个被管理员封装、公布的BI分析主题。主题下涵盖全部所需数据，数据被业务化，甚至和Excel表样绑定。数据分析的操作也简化成为简单的拖拽。
3、自己定义分析。事先事前预警
以往征管数据的预警受限于上级系统已经设定好的预警指标和时间，各个部门的业务人员无法依据自己的管业特点来处理数据。难以做到早发现早处置。
比方发票验旧预警。对于普票和专票的预警时间是不同样的，系统中没有办法自己定义预警时间，对于增票，预警时间统一都是90天，对于哪些纳税人的验旧时间在预警等级最高的61-90天。这是没办法区分的，那么对于去发现存在的问题就比較困难。
而传统的定期将数据放到Excel中，再发给业务人员自行处理的方式已无法满足业务的及时性。
对此。商业智能系统中的自己定义数据预警功能。对某个数据区间的数据能够进行红绿灯预警或者数据前景预警；更能够使用计算指标加入平均线的功能动态的反应数据的总体水平，实现个体数据与数据总体水平的直观对照。
4、及时响应新的业务需求，缩短项目周期
随着国家的营业税改征增值税试点方案的公布。
“营改增”范围已推广到全国试行。某市国税局从2013年8月1日起。属于营改增的企业纳税人信息已经全然从地税局转移到国税局。
这就带来了新的统计需求。数据须要又一次整合，项目工作量增大，给业务人员带来不小压力。
该国税局就借机改变传统模式，採用商业智能系统。利用其自己主动建模技术。降低了数据构建联系的流程。
因为其自主性，大大降低了项目实施中需求沟通的时间，缩短了项目周期。
5、大数据量及时响应。展示更丰富
国税局的数据量动辄千万上亿，传统的分析工具非常easy就卡死或是内存溢出，系统无法响应。假设採用商业智能并行计算的数据处理模式。使用NIO内存映射文件存储模式。同一时候採用高效的智能位图索引，以及智能避免反复计算的缓存机制，使得在前端页面展示数据时，执行速度高效高速。
6、重大指标精确监控，科学预測
针对税务行业的重大指标如税收宏观分析、税收收入分析、税收征管分析、出口退税分析、专用发票分析、纳税人分析、纳税人审计分析等，商业智能的使用能够在分析中揭示税收收入和税收负担等重大指标的长期增长趋势、波动规律、发展速度、地区分布、行业分布、全部制分布和月度时序特征；运用对照分析方法揭示事物之间的关系、强度及均衡性。对税收收入、出口及出口退税等重大税收指标进行精确监控和科学预測；依据纳税人的生产经营情况和纳税情况对其申报的真实性进行量化评測和科学分类。