Cbox US Tax Dataset

一个单一版本化的JSON格式美国销售税数据集，从开放、权威的政府来源编译，每条记录都有来源追溯：包括州和地方税率（含有效窗口）、经济关联阈值、每个州的SaaS税收适用性——覆盖美国所有州和哥伦比亚特区。数据集由Cbox的ETL管道（闭源）生成，并在每次实际变更时发布。每个数据都可追溯：自动化税率携带官方源文件的URL、名称、sha256和检索时间；人工整理的数据携带日期引用。A single versioned JSON-formatted United States sales tax dataset compiled from open, authoritative government sources, with full source tracing for each record: covering state and local tax rates (with effective validity windows), economic nexus thresholds, and SaaS tax applicability for each state, spanning all U.S. states and the District of Columbia. The dataset is generated by Cbox's closed-source ETL pipeline and released upon every actual change. Every data entry is traceable: automatically retrieved tax rates carry the official source file's URL, name, SHA256 hash, and retrieval timestamp; manually curated entries include date citations.

原始信息汇总

数据集概述：Cbox 美国销售税数据集

该数据集是一个单一版本化的 JSON 数据集，包含美国各州及哥伦比亚特区的销售税数据，所有数据均来自公开、权威的政府来源，并附带每条记录的数据来源信息。

核心内容

数据集覆盖了以下四个主要层面，按来源模式分为两类：

层面	覆盖范围	数据来源模式
地方税率	32 个州（包括 24 个 SST 成员州、TX、CA、AL、IL、AK、NM、MO、AZ）	官方州文件，每次构建时自动获取并校验哈希值（AZ 州为手动刷新，带有过期告警）
地方税率（人工编排）	7 个州（FL、NY、SC、VA、PA、HI、MS）	官方税务部门图表/出版物，按版本人工编排并附有日期引用
州基线税率	全部 50 个州及哥伦比亚特区	基于带有日期标注的全国性汇编文件，并在每次构建时与官方文件交叉核对
经济关联门槛	47 个司法管辖区	人工编排，每条数据附有日期引用，带有过期告警
SaaS 税收定性	40 个州	人工编排，附有日期引用，仅包含明确判定结果，带有过期告警

每个州都带有明确的 coverage 级别：

• locals：包含地方管辖区的官方文件税率数据。
• state_only：仅包含人工编排的州级基线税率，baseline.localsExist 字段会明确告知是否存在地方税。
• none：该州不征收一般销售税（特拉华州、蒙大拿州、新罕布什尔州、俄勒冈州）。

所有未覆盖的信息都会被明确陈述，而非沉默忽略。

使用规则

• rateBasis 决定算法：component 类型的州（SST 成员州、TX、AL）需要将适用记录相加；combined 类型的州（CA、IL）单条记录即为总税率，相加会导致重复计算。
• coverage 决定信任度：当 baseline.localsExist 为真时，不能将 state_only 的基线税率视为完整税率。
• excludedLocations 表示拒绝：数据源标记这些地点无法统一适用税率，需明确处理。
• 每条记录都包含 effectiveFrom 和 effectiveTo 字段，未来日期的记录可用于预配置税率变更。
• 本数据集不构成税务建议，也不等同于官方州数据库，数据来源跟踪信息可供用户验证或获取官方文件。

版本管理

版本类型	变更内容
补丁版本	自动化数据刷新（源文件变更）
次要版本	增加覆盖范围或字段；新增字段、覆盖列表、州或来源不会提升 schemaVersion，消费者必须忽略不认识的字段
主要版本	提升 schemaVersion（破坏性变更：字段被移除、重命名或重新解释）

每次发布说明会列出哪些州的源文件发生变更、覆盖范围变化以及记录差异，完整历史记录在 CHANGELOG.md 中。

许可协议

• 免费用于内部商业用途：遵循 PolyForm Internal Use License 1.0.0 协议，包括计算自身销售税。
• 禁止分发：转售、打包为产品、或向第三方提供数据集（或基于数据的税率查询服务）需向 Cbox 申请商业许可。

搜集汇总

数据集介绍

构建方式

Cbox US Tax Dataset的构建依托于Cbox内部ETL流水线，通过自动化与人工策展相结合的方式，从开放且权威的政府来源中系统性地汇编美国各州及哥伦比亚特区的销售税数据。自动采集的税率记录附带官方源文件的URL、名称、SHA256哈希值及检索时间，实现全程可追溯；对于人工策展的数据，则标注带有日期的引用来源。数据集采用语义化版本控制，每次真实变化都会生成新版本，并附带JSON Schema文件用于验证结构一致性。构建过程中，策展数据无法静默漂移——若官方文件与策展基线存在分歧，构建将自动中止；同时，每月会检查策展引用的时效性，超过120天未经人工复核即触发告警。

特点

该数据集的核心特征在于其分层覆盖结构与明确的信任度标识。数据涵盖地方税率（覆盖32个州，其中24个为SST成员）、策展地方税率（覆盖7个州）、州基线税率（50州+DC）、经济关联阈值（47个司法管辖区）及SaaS数字服务应税性（40个州）。每个州均标注明确的覆盖等级（locals/state_only/none），告知用户该州是否包含地方税率数据或完全无销售税。记录携带有效期范围（effectiveFrom/effectiveTo），未来生效的税率已预置其中。同时，数据集通过rateBasis字段区分加法型（component）与综合型（combined）税率计算规则，并通过excludedLocations字段标记官方来源自身排除的不可统一税率的地区，有效指导用户正确处理税务计算逻辑。

使用方法

用户可通过GitHub CLI或直接下载仓库中发布的JSON文件获取数据集，并使用随附的SHA256校验文件验证数据完整性。导入数据后，需依据rateBasis字段决定税率算术规则：component类型州需对适用记录求和，combined类型州则直接使用单条记录作为含税总额。根据coverage字段判断信任度——当州标注为state_only且baseline.localsExist为true时，不应将基线税率视为完整税率。对于包含excludedLocations的地区，用户需额外处理地址级税率解析。未来生效的税率记录可用于预配置税率变更；数据集明确声明不作为官方税法律建议，用户可在需要法定依赖时通过溯源信息验证官方源文件。

背景与挑战

背景概述

在美国复杂的税收体系中，销售税的计算涉及州级和地方级税率、经济关联门槛以及数字服务税等多个维度，其数据来源分散且更新频繁，给企业税务合规带来了巨大挑战。Cbox US Tax Dataset应运而生，由Cbox公司于近年创建，旨在提供一个单版本化的、完全可溯源的美国销售税JSON数据集。该数据集整合了官方政府来源的数据，涵盖所有50个州及华盛顿特区，包括地方税率、经济关联门槛和SaaS税定性信息，每条记录均附有明确来源，支持自动化验证与人工审核，显著提升了税务数据的可靠性与可用性，已在税务合规、财务系统及技术集成领域产生重要影响。

当前挑战

该数据集面临的核心挑战包括：其一，所解决的领域问题在于美国销售税体系的多层次性与不一致性，如部分州采用组件税率（需累加）、部分州采用综合税率（单条即为全貌），且地方管辖区的税率覆盖率参差不齐，32个州采用官方文件自动抓取模式，7个州需要人工整理，其余州则仅提供州级基线，这种异构性增加了数据解析与使用的复杂度。其二，构建过程中的挑战集中于数据溯源与质量保障，例如需要为每条自动化抓取的记录计算官方来源文件的SHA256哈希值并保留检索时间，人工整理的数据则须注明带日期的引用，同时实施月度检查机制防止引用超过120天未验证，任何与官方文件的偏差都会导致构建中止，这种严格的可追溯性要求极大地提升了数据集维护的工程成本与人力投入。

常用场景

经典使用场景

在电子商务与多州税务合规领域，Cbox US Tax Dataset被广泛用于构建精准的销售税计算引擎。研究者与开发者利用该数据集中的州级与地方级税率、生效时间窗口以及经济关联阈值，设计自动化税务估算模型。该数据集以单一版本化JSON格式呈现，每条记录均附有权威政府来源的溯源信息，尤其适用于需要区分‘组件化’与‘合并化’税率计算逻辑的场景，如SST成员州与加州、伊利诺伊州的差异化处理。其未来生效日期字段还支持预置税率变更，便于模拟政策调整对税务的影响。

衍生相关工作

该数据集衍生出了若干经典技术工作，包括基于速率基础的自动化税率路由框架，即通过解析`rateBasis`与`coverage`字段动态选择求和或直接取值策略。研究者还开发了针对`excludedLocations`标记的异常处理算法，利用地理编码服务对伊利诺伊州等需地址级分辨率的区域进行降级兜底。另有工作聚焦于数据集的时效性增强，通过构建监督式健康检查系统，利用每月120天的引文过时告警触发人工复核流程，进而形成半自动化的数据更新管道。这些衍生工作共同强化了税务数据集在工程可靠性方向的实践边界。

数据集最近研究

最新研究方向

随着美国各州与地方政府持续调整销售税政策以应对数字经济崛起，Cbox US Tax Dataset为跨辖区税率合规性研究提供了高精度、可追溯的数据基础。该数据集融合了官方文件自动化抓取与人工核验的双重机制，覆盖47个经济关联阈值及40个州的SaaS应税判定，成为当前税务科技领域研究自动化税率映射、多层级税率聚合算法及政策演变追踪的前沿工具。其版本化语义标签与透明溯源链，在应对远程销售税司法冲突（如Wayfair案后期效应）、多州合并纳税申报优化及实时合规审计等热点事件中，展现出支撑大规模实证分析与监管科技创新的关键价值。