SYSTEMS AND METHODS FOR IDENTIFYING AND EXPLAINING SCHEMA ERRORS IN THE COMPUTERIZED PREPARATION OF A PAYROLL TAX FORM

Computer-implemented systems, methods and articles for identifying errors in the computerized preparation of a payroll tax form to be submitted to a tax agency. The system includes a computing device, a data store, and a payroll tax form preparation software application executable by the computing device. The payroll tax form preparation software includes a payroll calculation engine, an error check engine, and a schema error module having a plurality of error rules in the form of meta data generated from tax agency schema requirements. The calculation engine is configured to read tax data from the shared data store, perform payroll calculation operations, and write calculated payroll data to the shared data store. The error check engine is configured to read the tax data and payroll data and check the data against the error rules to identify errors. An explanation engine may generate narrative explanations of the errors. L'invention concerne des systèmes, des procédés et des articles mis en œuvre par ordinateur permettant d'identifier des erreurs dans la préparation informatisée d'une déclaration fiscale qui doit être soumise à une agence fiscale. Le système comprend un dispositif informatique, une mémoire de données et une application logicielle de préparation de déclaration fiscale exécutable par le dispositif informatique. Le logiciel de préparation de déclaration fiscale comprend un moteur de calcul de salaire, un moteur de vérification d'erreurs, ainsi qu'un module d'erreur schématique comprenant une pluralité de règles d'erreur sous la forme de métadonnées générées à partir des besoins schématiques de l'agence fiscale. Le moteur de calcul est conçu pour lire les données fiscales de la mémoire de données partagée, effectuer des opérations de calcul de salaire et écrire les données salariales calculées dans la mémoire de données partagée. Le moteur de vérification d'erreurs est configuré pour lire les données fiscales et les données salariales, et vérifier les données par rapport aux règles d'erreurs afin d'identifier les erreurs. Un moteur d'explication peut générer les explications narratives des erreurs.