دوره 32، شماره 61 - ( 1403 )
جلد 32 شماره 61 صفحات 85-55 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Kiaei M, Behzadi Mozri S, Barani Bonab S. Presenting the data governance model in the country's tax affairs organization, a study in the smart tax system. J Tax Res 2024; 32 (61) :55-85
URL: http://taxjournal.ir/article-1-2376-fa.html
URL: http://taxjournal.ir/article-1-2376-fa.html
کیایی مجتبی، بهزادی موزری سعید، بارانی بناب صمد. ارائه مدل حاکمیت داده در سازمان امور مالیاتی کشور مطالعه‌ای در نظام مالیاتی هوشمند. پژوهشنامه مالیات. 1403; 32 (61) :55-85
1- ، mjtkiaei@gmail.com
چکیده: (1357 مشاهده)
هدف و زمینه: امروزه، سازمان امور مالیاتی کشور با حجم انبوهی از داده های مختلف روبه رو است که نیاز است در جهت مدیریت اثربخش داده‌ها، هوشمندسازی نظام مالیاتی و ایجاد ارزش‌افزوده از آن ها به عنوان یک دارایی ارزشمند در جهت اهداف کلان سازمان بهره برداری نماید . لذا از آنجایی که سازمان مذکور بسیاری از فعالیت های خود را بصورت اقتصاد دیجیتالی و مبتنی بر استفاده از فناوری های الکترونیکی پایه ریزی نموده است، پیاده سازی نظام حاکمیت داده در سازمان امور مالیاتی یک ضرورت به نظر می رسد .
از این رو، در این تحقیق الگویی برای مدل حاکمیت داده در سازمان امور مالیاتی طراحی شده که علاوه بر جنبه جدید بودن و نوآوری در آن می تواند به عنوان یک چار چوب کاربردی و بومی ودر حقیقت یک نقشه راهی درجهت حرکت به سمت هوشمند سازی نظام مالیاتی مورد استفاده قرار گیرد .
روش: تحقیق حاضر از نظر هدف توسعه ای- کاربردی بوده و در زمره تحقیقات آمیخته است. در مرحله کیفی تحقیق حاضر از روش مصاحبه نیمه ساختاریافته با خبرگان و تکنیک تحلیل تم استفاده گردید. مشارکت کنندگان در این مرحله 19 نفر از خبرگان مشارکت داشتند که با روش هدفمند انتخاب شدند. همچنین، در مرحله کمی از 109 نفر از مدیران، معاونان و کارشناسان ارشد فناوری اطلاعات و ارتباطات و انفورماتیک سازمان امورمالیاتی کشور در شهر تهران با پرسشنامه محقق ساخته نظرخواهی به عمل آمد. در این مرحله، روش محاسبه حجم نمونه فرمول کوکران و روش نمونه گیری تصادفی ساده بود. به منظور اعتبارسنجی مدل نیز از روش تحلیل عاملی تاییدی استفاده شد.
یافته‌ها: برای حاکمیت داده در سازمان امور مالیاتی، 4 بعد شامل عوامل مدیریت داده، عوامل زیرساختی، عوامل سازمانی و عوامل مدیریتی و 15 مولفه شناسایی شد. همچنین، نتایج تحلیل عاملی تاییدی نشان داد که کلیه متغیرهای شناسایی شده مورد تایید بوده و در این بین عوامل مدیریت داده و عوامل مدیریتی دارای بالاترین ضریب تعیین به مقدار 724/0 و 709/0 است.
نتایج: حاکمیت داده در سازمان امور مالیاتی، پدیده ای پیچیده و چندبعدی است که اجرای آن برای تحقق نظام مالیاتی هوشمند ضرورت دارد.
از این رو، در این تحقیق الگویی برای مدل حاکمیت داده در سازمان امور مالیاتی طراحی شده که علاوه بر جنبه جدید بودن و نوآوری در آن می تواند به عنوان یک چار چوب کاربردی و بومی ودر حقیقت یک نقشه راهی درجهت حرکت به سمت هوشمند سازی نظام مالیاتی مورد استفاده قرار گیرد .
روش: تحقیق حاضر از نظر هدف توسعه ای- کاربردی بوده و در زمره تحقیقات آمیخته است. در مرحله کیفی تحقیق حاضر از روش مصاحبه نیمه ساختاریافته با خبرگان و تکنیک تحلیل تم استفاده گردید. مشارکت کنندگان در این مرحله 19 نفر از خبرگان مشارکت داشتند که با روش هدفمند انتخاب شدند. همچنین، در مرحله کمی از 109 نفر از مدیران، معاونان و کارشناسان ارشد فناوری اطلاعات و ارتباطات و انفورماتیک سازمان امورمالیاتی کشور در شهر تهران با پرسشنامه محقق ساخته نظرخواهی به عمل آمد. در این مرحله، روش محاسبه حجم نمونه فرمول کوکران و روش نمونه گیری تصادفی ساده بود. به منظور اعتبارسنجی مدل نیز از روش تحلیل عاملی تاییدی استفاده شد.
یافته‌ها: برای حاکمیت داده در سازمان امور مالیاتی، 4 بعد شامل عوامل مدیریت داده، عوامل زیرساختی، عوامل سازمانی و عوامل مدیریتی و 15 مولفه شناسایی شد. همچنین، نتایج تحلیل عاملی تاییدی نشان داد که کلیه متغیرهای شناسایی شده مورد تایید بوده و در این بین عوامل مدیریت داده و عوامل مدیریتی دارای بالاترین ضریب تعیین به مقدار 724/0 و 709/0 است.
نتایج: حاکمیت داده در سازمان امور مالیاتی، پدیده ای پیچیده و چندبعدی است که اجرای آن برای تحقق نظام مالیاتی هوشمند ضرورت دارد.
فهرست منابع
1. کامیاب تیموری، رضا، رستمی، احسان، الماسی، مجتبی و روحی، مرتضی(1402). ارائه مدلی برای سازمان مالیاتی هوشمند با استفاده از رویکرد معادلات ساختاری. پژوهشنامه مالیات، دوره سی و یکم، شماره 57، 69-94.
2. سامی، احمد، احمدی، مسعود، غفاری، رحمان و محمدی زاده، چنگیز (1401). مدل حکمرانی داده‌باز در راستای سلامت اداری با استقرار دولت الکترونیک در سازمان امور مالیاتی. سیاست های راهبردی و کلان، دوره دهم، شماره 40، 826-846.
3. جلیلی، فریبا، درودی، فریبرز و فامیل روحانی، علی اکبر (1400). بررسی راهبردهای حاکمیت داده برای ارائه خدمات اطلاعاتی مؤثر در کتابخانه‌های دانشگاهی. دوره سی و ششم، شماره 106، 1031-1048.
4. میرزایی، ابراهیم و فرساد امان اللهی، غلامرضا (1401). شناسایی عوامل موثر بر حاکمیت مطلوب مالیاتی در ایران. دانش حسابداری و حسابرسی مدیریت، دوره یازدهم، شماره 44، 297-308.
5. مرتضوی، محمدرضا.(1397). طراحی چارچوب حاکمیت داده در مراکز تبادل داده و اطلاعات ملی (مورد مطالعه: وزارت علوم، تحقیقات، و فناوری). تهران: پژوهشگاه علوم و فناوری اطلاعات ایران(ایران داک).
6. اکبری، سعیده.(1396). ارائه یک مدل بلوغ سنجش کیفیت داده¬ها به عنوان پیش نیاز داده کاوی در سازمانها. پایان¬نامه کارشناسی ارشد،.گروه صنایع. دانشکده فنی و مهندسی. دانشگاه غیرانتفاعی خاتم.
7. فتح اله زاده، فرحناز و امینی، مصطفی (1396). مروری بر مدل های بلوغ حکمرانی داده ها در بنگاه های اقتصادی. ارائه شده در پنجمین همایش مدیران فناوری اطلاعات، پژوهشگاه علوم و فناوری اطلاعات ایران، تهران، ایران.
8. نیک¬پور، محسن.(1396). بررسی عوامل کلیدی موفقیت در ایجاد سیستم مدیریت امنیت اطلاعات (ISMS) در سازمان امور مالیاتی کشور. پایان¬نامه کارشناسی ارشد، رشته مدیریت فناوری اطلاعات. دانشکده مدیریت اقتصاد و حسابداری ( مرکز تهران غرب). دانشگاه پیام¬نور.
9. Alhassan, I., & Sammon, D. & Daly, M. (2019) Critical success factors for data governance: a telecommunications case study, Journal of Decision Systems, 28(1), 41-61, [DOI:10.1080/12460125.2019.1633226]
10. Association of Chartered Certified Accounts (ACCA) 2018, 'Technology tools and the future of tax administration', research insight report, 13 December. Available at: https://www.accaglobal.com/hk/en/professional-insights/global-profession/technology-tools.html
11. Baisalbayeva, K., Enden, E.,. Tenan, R. & Flores, R. (2018). The Data Intelligent Tax Administration, Meeting the challenges of Big Tax Data and Analytics, Microsoft and PricewaterhouseCoopers Belastingadviseurs N.V. (KvK 34180284). All rights reserved. http://www.pwc.com/structure . Pp:5.
12. Begg, C. & Caira, T. (2011). Data governance in practice: the SME quandary reflections on the reality of data governance in the small to medium enterprise (SME). sector. In: Proceedings of 5th European Conference on Management Information and Evaluation System, 75-83.
13. Braun, V. & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3, 77-10. [DOI:10.1191/1478088706qp063oa]
14. Collbira. (2021). Creating a data governance framework. https://www.collibra.com/us/en/blog/creating-a-data-governance-framework.
15. Dai, W., Wardlaw, I., Cui, Y., Mehdi, K., Li, Y., Long, J. (2016). Data Profiling Technology of Data Governance Regarding Big Data: Review and Rethinking. In: Latifi, S. (eds) Information Technology: New Generations. Advances in Intelligent Systems and Computing, 448, 439-450. [DOI:10.1007/978-3-319-32467-8_39]
16. Davidson, E., Wessel, L., Winter, J. S. & Winter, S. (2023). Future directions for scholarship on data governance, digital innovation, and grand challenges. Information and Organization, 33(1), 100454. [DOI:10.1016/j.infoandorg.2023.100454]
17. Filgueiras, F. & Lui, L. (2023). Designing data governance in Brazil: an institutional analysis. Policy Design and Practice, 6(1), 41-56. [DOI:10.1080/25741292.2022.2065065]
18. Gregory, R.W. Henfridsson, O., Kaganer, E. & Kyriakou, H. (2021). The role of artificial intelligence and data network effects for creating user value. Academy of Management Review, 46(3), 534-551. [DOI:10.5465/amr.2019.0178]
19. Griffin, J. (2005). Data governance: A strategy for success. DM Review, 15(6).
20. Karkošková, S. (2023). Data Governance Model To Enhance Data Quality In Financial Institutions. Information Systems Management, 40(1), 90-110. [DOI:10.1080/10580530.2022.2042628]
21. Khatri, V., & C. V. Brown. (2010). Designing data governance. Communications of the ACM 53 (1): 148-152. [DOI:10.1145/1629175.1629210]
22. Koltay, T. (2016). Data governance, data literacy and the management of data quality. IFLA journal, 42(4), 303-312. [DOI:10.1177/0340035216672238]
23. Ladley, J. (2012). Data Governance How to Design, Deploy, And Sustain an Effective Data Governance Program,
https://doi.org/10.1016/C2017-0-03353-0 [DOI:10.1016/C2017-0-03353-0.]
24. Madison, M.J. (2020). Tools for data governance University of Pittsburgh Legal Studies Research Paper, 23, 29-43.
25. Merriam, S. B. (2009). Qualitative research: A guide to design and implementation. John Wiley & Sons.
26. Rivera, S. Loarte, N. Raymundo, C. & Dominguez, F. (2017). Data Governance Maturity Model for Micro Financial Organizations in Peru. ICEIS 2017 - Proceedings of the 19th International Conference on Enterprise Information Systems, 203-214. [DOI:10.5220/0006149202030214]
27. Solomonides, A. (2023). Research Data Governance, Roles, and Infrastructure. In: Richesson, R.L., Andrews, J.E., Fultz Hollis, K. (eds) Clinical Research Informatics. Health Informatics. Springer, Cham.
https://doi.org/10.1007/978-3-031-27173-1_11 [DOI:10.1007/978-3-031-27173-1_11.]
28. Thomas, G. (2008). The DGI Data Governance Framework: The Data Governance Institute. Orlando, FL, USA: Data Governance Institute.
29. Van Donge, W., Bharosa, N., & Janssen, M.F.W.H.A. (2022). Data-driven government: Cross-case comparison of data stewardship in data ecosystems. Government Information Quarterly, 39(2), 101642. [DOI:10.1016/j.giq.2021.101642]
30. Walsh, M.J., McAvoy, J. & Sammon, D. (2022). Grounding data governance motivations: a review of the literature. Journal of Decision Systems, 31(1), 282-298. [DOI:10.1080/12460125.2022.2073637]
31. Wolfers, L. Duijkers, r & Zegers, a. (2021). Tax Data Management. KPMG, 1-14.
32. Zhang, O., Sun, X., & Zhang, M. (2022). Data Matters: A Strategic Action Framework for Data Governance. Information & Management, 59(4), 103642. [DOI:10.1016/j.im.2022.103642]
ارسال پیام به نویسنده مسئول
| ./files/site1/images/%D8%B3%D9%85%DB%8C%D9%85_%D9%86%D9%88%D8%B1.pngبازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
