Октмо как узнать


ОКМТО по ИНН | Как узнать ОКМТО? — Контур.Бухгалтерия

Организации и предприниматели обязаны уплачивать налоги и сборы. Заполняя отчетность и платежные документы, вы указываете реквизиты, среди которых код ОКТМО. В статье мы расскажем, что такое ОКТМО, каково его назначение и как узнать свой код.

Что такое ОКТМО

ОКТМО — это общероссийский классификатор территорий муниципальных образований. Классификатор состоит из 8 томов. Каждый том содержит коды для соответствующего федерального округа. На территории России множество областей, краев, республик. Они включают в себя муниципальные образования, каждому из которых присвоен свой код ОКТМО.

Для чего нужен ОКТМО

Код ОКТМО нужен государству, чтобы упростить и ускорить обработку информации о хозяйствующих субъектах, создать единую базу данных и прогнозировать развитие экономики. Кроме того, он определяет территориальную принадлежность налогоплательщика и указывает местный бюджет, в который казначейство перечислит платеж.

Предприниматели и руководители организаций должны знать свой код ОКТМО. Его нужно включать в реквизиты отчетных документов, налоговых деклараций и платежных поручений по налогам и другим обязательным платежам. Без верного ОКТМО нельзя сдать отчеты или получить налоговые вычеты.

Код присваивается не конкретной организации или ИП, а муниципальному образованию, на территории которого они зарегистрированы. Соответственно, один код может быть присвоен нескольким компаниям одновременно.

ОКТМО заменяет ОКАТО

В платежных документах обязательно указание кода. До введения ОКТМО в тех же целях применялся код ОКАТО (общероссийский классификатор объектов административно-территориального деления). Его недостаток в том, что он не указывает город, городской район или поселок в котором находится предприятие. ОКТМО уточняет эту информацию. Главное отличие кодов в принципе деления. ОКАТО зависит от субъекта РФ, а ОКТМО от муниципального образования.

До 2017 года указание кода ОКАТО вместо ОКТМО было допустимо. Теперь переходный период окончен, и неправильное заполнение реквизитов приведет к санкциям. Платежи по неправильным реквизитам попадают в категорию «невыясненных» и замедляют перераспределение средств между бюджетами.
Если вы указали неверный реквизит, то подайте заявление об уточнении платежа в ИФНС, ФСС или ПФР в зависимости от испорченного документа. На основании заявления госорганы примут решение об уточнении платежа и списании начисленных пеней.

Структура кода ОКТМО

ОКТМО включает два раздела: муниципальные образования и населенные пункты в составе муниципальных образований. Коды первого раздела состоят из восьми знаков, второго — из одиннадцати. Код содержит информацию:

  • 1 и 2 знаки обозначают субъект РФ;
  • 3-5 — городской округ или объединение, приравненное к нему;
  • 6,7 и 8 — населенный пункт, в котором зарегестрированы организация или ИП.

Коды второго раздела включают эти 8 знаков, а 9, 10 и 11 обозначают населенный пункт внутри крупного муниципального образования. При этом значения с 001 по 049 присваиваются городам, с 051 по 099 — поселкам городского типа, а с 101 по 999 — сельским населенным пунктам. Чем крупнее населенный пункт, тем меньше знаков включает ОКТМО. Например, город Дмитров Московской области имеет код 46608000, а поселок Антропово Костромской области — 34602403101.

Как узнать код ОКТМО

Мы уже знаем, что ОКТМО необходим для заполнения множества документов, поэтому его нужно обязательно знать. Код присваивается организации и ИП автоматически налоговым органом по месту регистрации. Уведомление о присвоении кодов статистики направляют по почте.
Если вы впервые заполняете декларации и платежные документы или ваш код изменился из-за смены адреса регистрации, то появляется вопрос, как узнать свой ОКТМО.

Для этого можно подать заявление в налоговый орган по месту регистрации с просьбой сообщить присвоенный код в письменном виде, ответ вы получите в течение 5 дней. Можно обратиться в налоговую по горячей линии, если повезет, вам подскажут нужный код, но скорее всего вам предложат воспользоваться сайтом ФНС и проконсультируют.

При непосредственном контакте с налоговой, возникают временные задержки. Проще и быстрее воспользоваться интернетом. В сети множество ресурсов, которые предлагают узнать коды статистики, но для получения достоверной информации обращайтесь к официальным источникам.

Узнать код ОКТМО онлайн

Узнать код по ОКАТО можно на сайте ФНС или kod-oktmo.ru. Код ОКТМО заменил ранее используемый ОКАТО. Зная свой старый код, вы без труда сможете узнать новый.

Для этого на сайте https://www.nalog.ru перейдите в раздел “Электронные сервисы” и выберите «Узнай ОКТМО». Укажите в поле свой ОКАТО или введите наименование муниципального образования и нажмите кнопку найти. В окне «Код ОКТМО» появится нужный код. Аналогичная информация понадобится на сайте http://kod-oktmo.ru/.

На официальном портале МинФина представлена таблица соответствия кодов ОКАТО и ОКТМО со всеми изменениями https://www.minfin.ru/ru/ismf/eiasmfrf/.

Узнать код по адресу регистрации. Для ИП и физлиц понадобится адрес прописки, для организаций — адрес регистрации компании. Узнать код по адресу также можно на сайте ФНС и портале http://kod-oktmo.ru/. Если в сервисе «Узнай ОКТМО» вы не смогли получить код, то инспекторы рекомендуют воспользоваться http://fias.nalog.ru/ Федеральной информационной адресной системой. Для этого поставьте галочку в поле муниципальное деление и выберите расширенный поиск. Заполните все известные данные и нажмите кнопку “Найти”.

Узнать ОКТМО организации или ИП по ИНН может потребоваться, если кроме этого реквизита вам ничего не известно. Для этого используйте сервис Росстата — http://statreg.gks.ru/. Перейдя на страницу, выберите тип формируемого уведомления и укажите один из реквизитов: ИНН, ОГРН или ОКПО.
Найдите нужный филиал в предложенном списке и выберите «Коды ОК ТЭИ». Для вас будет сформировано уведомление, которое отправляется Росстатом при регистрации организации. Оно содержит коды статистики, в том числе ОКТМО.

Автор статьи: Елизавета Кобрина

При поиске кодов статистики используйте только надежные источники. Облачный сервис Контур.Бухгалтерия поможет формировать платежные документы и отчеты. ОКТМО и другие реквизиты заполняются автоматически. Новым пользователям доступно 14 дней бесплатной работы с сервисом для ознакомления. Ведите учет, формируйте отчетность и начисляйте зарплату сотрудникам вместе с нами.

Код ОКТМО - Общероссийский классификатор территорий муниципальных образований 2021 года

С начала 2014 года появилось требование в финансовых документах для налоговой инспекции вместо ОКАТО прописывать другой код - ОКТМО. ОКТМО существовал и до этого, но активно внедряться начал только несколько лет назад. Расшифровывается это сокращение так: "общероссийский классификатор территорий муниципальных образований".

Появление и внедрение данного перечня связано с муниципальной реформой начала 2000-х годов, когда на ряду с привычными понятиями "город", "посёлок" появились такие определения, как "муниципальные образования" и им подобные.

Почему на смену привычному ОКАТО пришёл код ОКТМО? 

  • Последний перечень гораздо шире, он полностью соответствует положениям муниципальной реформы-2006 (классификация объектов составлена с учётом новых видов населённых пунктов, их современной иерархии).
  • Применение старого классификатора вызывало недоразумения, в результате которых уплаченные налогоплательщиком деньги ошибочно направлялись в бюджет другого уровня или муниципалитета.

Как "прочитать" код ОКТМО?

Перечень новых кодов составлен по иной системе, чем ОКАТО. База данных регулярно обновляется. На 2021 год в бумажном варианте она включает несколько томов. Новые шифры разделены на 2 группы:

  • Предназначенные для муниципальных образований (8 цифр), то есть для крупных территорий, которые управляются местными органами власти. Первые 2 числа в таком обозначении говорят о принадлежности к региону страны, остальные идентифицируют само муниципальное образование.
  • ОКТМО для городских и сельских поселений (11 цифр). Это дополненный вариант шифра, описанного выше. Так как поселения включены в состав муниципального образования, первые 8 позиций совпадают с его кодом. Остальные 3 соответствуют городу или селу, о котором идёт речь.

Как найти код ОКТМО?

Первое время после введения новой системы налоговые органы сами исправляли старое значение на ОКТМО, если плательщик сбора допускал ошибку. Сейчас при перечислении денег в бюджет все обязаны правильно указывать шифр именно по классификатору территорий муниципальных образований.

Поиск кодов ОКАТО и ОКТМО по адресу

Для того чтобы узнать код ОКТМО или ОКАТО, воспользуйтесь одним из сервисов:

Данные изменения в соответствии кодов ОКАТО кодам ОКТМО вступили в силу с 01.01.2014 года

Код
ОКАТО

Код
ОКТМО

Объект
административно-территориального деления

45 000 000 000

45 000 000

Город Москва, столица Российской Федерации, город федерального значения.

ОКАТО

ОКТМО

Районы Восточного округа

45 263 552 000

45 301 000

- Богородское

45 263 555 000

45 302 000

- Вешняки

45 263 558 000

45 303 000

- Восточное Измайлово

45 263 561 000

45 304 000

- муниципальный округ Восточный

45 263 561 101

45 304 000 106

>>> поселок Восточный

45 263 561 102

45 304 000 111

>>> поселок Акулово

45 263 564 000

45 305 000

- Гольяново

45 263 567 000

45 306 000

- Ивановское

45 263 570 000

45 307 000

- Измайлово

45 263 573 000

45 308 000

- Косино-Ухтомский

45 263 576 000

45 309 000

- Новогиреево

45 263 579 000

45 310 000

- Новокосино

45 263 581 000

45 311 000

- Метрогородок

45 263 583 000

45 312 000

- Перово

45 263 585 000

45 313 000

- Северное Измайлово

45 263 588 000

45 314 000

- Соколиная Гора

45 263 591 000

45 315 000

- Сокольники

45 263 594 000

45 316 000

- Преображенское

ОКАТО

ОКТМО

Районы Западного округа

45 268 552 000

45 317 000

- муниципальный округ Внуково

45 268 552 101

45 317 000 106

>>> поселок Внуково

45 268 552 102

45 317 000 111

>>> поселок Толстопальцево

45 268 552 103

45 317 000 116

>>> деревня Толстопальцево

45 268 554 000

45 318 000

- Дорогомилово

45 268 560 000

45 319 000

- Крылатское

45 268 562 000

45 320 000

- муниципальный округ Кунцево

45 268 562 101

45 320 000 106

>>> поселок Рублево

45 268 562 102

45 320 000 111

>>> деревня Мякинино

45 268 569 000

45 321 000

- Можайский

45 268 577 000

45 322 000

- Ново-Переделкино

45 268 579 000

45 323 000

- Очаково-Матвеевское

45 268 581 000

45 324 000

- Проспект Вернадского

45 268 584 000

45 325 000

- Раменки

45 268 588 000

45 326 000

- Солнцево

45 268 592 000

45 327 000

- Тропарево-Никулино

45 268 595 000

45 328 000

- Филевский Парк

45 268 597 000

45 329 000

- Фили-Давыдково

ОКАТО

ОКТМО

Районы г Зеленограда

45 272 580 000

45 330 000

- Крюково

45 272 562 000

45 331 000

- Матушкино

45 272 568 000

45 377 000

- Савелки

45 272 572 000

45 332 000

- Силино

45 272 576 000

45 927 000

- Старое Крюково

ОКАТО

ОКТМО

Районы Северного округа

45 277 553 000

45 333 000

- Аэропорт

45 277 556 000

45 334 000

- Беговой

45 277 559 000

45 335 000

- Бескудниковский

45 277 565 000

45 336 000

- Войковский

45 277 568 000

45 337 000

- Восточное Дегунино

45 277 571 000

45 338 000

- Головинский

45 277 574 000

45 339 000

- Дмитровский

45 277 577 000

45 340 000

- Западное Дегунино

45 277 580 000

45 341 000

- Коптево

45 277 583 000

45 342 000

- Левобережный

45 277 584 000

45 343 000

- Молжаниновский

45 277 586 000

45 344 000

- Савеловский

45 277 589 000

45 345 000

- Сокол

45 277 592 000

45 346 000

- Тимирязевский

45 277 595 000

45 347 000

- Ховрино

45 277 598 000

45 348 000

- Хорошевский

ОКАТО

ОКТМО

Районы Северо-Восточного округа

45 280 552 000

45 349 000

- Алексеевский

45 280 554 000

45 350 000

- Алтуфьевский

45 280 556 000

45 351 000

- Бабушкинский

45 280 558 000

45 352 000

- Бибирево

45 280 561 000

45 353 000

- Бутырский

45 280 563 000

45 354 000

- Лианозово

45 280 565 000

45 355 000

- Лосиноостровский

45 280 567 000

45 356 000

- Марфино

45 280 569 000

45 357 000

- Марьина Роща

45 280 572 000

45 358 000

- Останкинский

45 280 574 000

45 359 000

- Отрадное

45 280 577 000

45 360 000

- Ростокино

45 280 580 000

45 361 000

- Свиблово

45 280 583 000

45 362 000

- Северное Медведково

45 280 585 000

45 363 000

- Северный

45 280 594 000

45 364 000

- Южное Медведково

45 280 597 000

45 365 000

- Ярославский

ОКАТО

ОКТМО

Районы Северо-Западного округа

45 283 555 000

45 366 000

- Куркино

45 283 559 000

45 367 000

- муниципальный округ Митино

45 283 559 101

45 367 000 106

>>> поселок Новобратцевский

45 283 569 000

45 368 000

- Покровское-Стрешнево

45 283 573 000

45 369 000

- Северное Тушино

45 283 577 000

45 370 000

- Строгино

45 283 582 000

45 371 000

- Хорошево-Мневники

45 283 587 000

45 372 000

- Щукино

45 283 593 000

45 373 000

- Южное Тушино

ОКАТО

ОКТМО

Районы Центрального округа

45 286 552 000

45 374 000

- Арбат

45 286 555 000

45 375 000

- Басманный

45 286 560 000

45 376 000

- Замоскворечье

45 286 565 000

45 378 000

- Красносельский

45 286 570 000

45 379 000

- Мещанский

45 286 575 000

45 380 000

- Пресненский

45 286 580 000

45 381 000

- Таганский

45 286 585 000

45 382 000

- Тверской

45 286 590 000

45 383 000

- Хамовники

45 286 596 000

45 384 000

- Якиманка

ОКАТО

ОКТМО

Районы Юго-Восточного округа

45 290 554 000

45 385 000

- Выхино-Жулебино

45 290 558 000

45 386 000

- Капотня

45 290 562 000

45 387 000

- Кузьминки

45 290 564 000

45 388 000

- Лефортово

45 290 568 000

45 389 000

- Люблино

45 290 572 000

45 390 000

- Марьино

45 290 574 000

45 391 000

- муниципальный округ Некрасовка

45 290 574 101

45 391 000 106

>>> поселок Некрасовка

45 290 578 000

45 392 000

- Нижегородский

45 290 582 000

45 393 000

- Печатники

45 290 586 000

45 394 000

- Рязанский

45 290 590 000

45 395 000

- Текстильщики

45 290 594 000

45 396 000

- Южнопортовый

ОКАТО

ОКТМО

Районы Юго-Западного округа

45 293 554 000

45 397 000

- Академический

45 293 558 000

45 398 000

- Гагаринский

45 293 562 000

45 901 000

- Зюзино

45 293 566 000

45 902 000

- Коньково

45 293 570 000

45 903 000

- Котловка

45 293 574 000

45 904 000

- Ломоносовский

45 293 578 000

45 905 000

- Обручевский

45 293 582 000

45 906 000

- Северное Бутово

45 293 586 000

45 907 000

- Теплый Стан

45 293 590 000

45 908 000

- Черемушки

45 293 594 000

45 909 000

- Южное Бутово

45 293 598 000

45 910 000

- Ясенево

ОКАТО

ОКТМО

Районы Южного округа

45 296 553 000

45 911 000

- Бирюлево Восточное

45 296 555 000

45 912 000

- Бирюлево Западное

45 296 557 000

45 913 000

- Братеево

45 296 559 000

45 914 000

- Даниловский

45 296 561 000

45 915 000

- Донской

45 296 565 000

45 916 000

- Зябликово

45 296 569 000

45 917 000

- Москворечье-Сабурово

45 296 571 000

45 918 000

- Нагатино-Садовники

45 296 573 000

45 919 000

- Нагатинский Затон

45 296 575 000

45 920 000

- Нагорный

45 296 577 000

45 921 000

- Орехово-Борисово Северное

45 296 579 000

45 922 000

- Орехово-Борисово Южное

45 296 590 000

45 923 000

- Царицыно

45 296 593 000

45 924 000

- Чертаново Северное

45 296 595 000

45 925 000

- Чертаново Центральное

45 296 597 000

45 926 000

- Чертаново Южное

45 272 576 000

45 927 000

- Старое Крюково

ОКАТО

ОКТМО

Присоединенные территории
к г. Москве

45 298 578 000

45 931 000

- Троицк

45 297 581 000

45 932 000

- Щербинка

45 297 552 000

45 941 000

- поселение Внуковское

45 298 553 000

45 943 000

- поселение Вороновское

45 297 554 000

45 942 000

- поселение Воскресенское

45 297 556 000

45 944 000

- поселение Десеновское

45 298 555 000

45 945 000

- поселение Киевский

45 298 558 000

45 946 000

- поселение Кленовское

45 297 559 000

45 947 000

- поселение Кокошкино

45 298 561 000

45 948 000

- поселение Краснопахорское

45 297 562 000

45 949 000

- поселение Марушкинское

45 298 564 000

45 951 000

- поселение Михайлово-Ярцевское

45 297 565 000

45 952 000

- поселение Московский

45 297 568 000

45 953 000

- поселение "Мосрентген"

45 298 567 000

45 954 000

- поселение Новофедоровское

45 298 572 000

45 955 000

- поселение Первомайское

45 298 575 000

45 956 000

- поселение Роговское

45 297 571 000

45 957 000

- поселение Рязановское

45 297 574 000

45 958 000

- поселение Сосенское

45 297 577 000

45 959 000

- поселение Филимонковское

45 298 583 000

45 961 000

- поселение Щаповское

Что такое ОКТМО? Как узнать ОКТМО по адресу? Код ОКТМО по ИНН — Контур.Бухгалтерия

ОКТМО — это Общероссийский классификатор территорий муниципальных образований ОК — 033-2013. А код ОКТМО указывает, к какому муниципальному образованию (городу, внутригородскому району, поселку, деревне) относится организация или ИП. 

Код состоит из 8 или 11 цифр, в зависимости от вида муниципального образования, которому присвоен код. Если вы вносите 8-значный код в поле, предусмотренное для 11 цифр кода, то оставшиеся три клетки оставьте пустыми.

Зачем нужен код ОКТМО?

Прежде всего коды ОКТМО нужны Службе государственной статистики (Росстату), чтобы правильно систематизировать и обрабатывать информацию, полученную от организаций и предпринимателей.

Каждый хозяйствующий субъект ведет деятельность на определенной территории. По коду ОКТМО Росстат узнает, к какому муниципальному делению относится предприятие. Каждая цифра этого кода имеет значение: по его структуре можно последовательно узнать регион, область и город или поселок, где находится организация.

Предприниматель или руководитель предприятия обязан знать свой код ОКТМО, чтобы проставлять его в отчетных документах и платежных поручениях при перечислении налогов и взносов. Этот код вписывают в соответствующее поле в следующие формы отчетности:

  • декларация УСН;
  • декларация ЕНВД;
  • декларация НДС;
  • 2-НДФЛ, 3-НДФЛ, 4-НДФЛ;
  • земельный налог;
  • транспортный налог;
  • налог на добычу полезных ископаемых;
  • декларация по акцизам;
  • декларация по налогу на игорный бизнес.

Когда появился ОКТМО?

Код ОКТМО ввели в работу не так давно — с 2014 года. До этого применялся классификатор ОКАТО (Общероссийский классификатор объектов административно-территориального деления). Но он не мог указать город, внутригородской район, поселок или хутор, в котором расположено предприятие. Благодаря классификатору ОКТМО, Росстату гораздо проще обрабатывать и систематизировать информацию.

Как узнать ОКТМО по адресу?

Код ОКТМО привязан к населенным пунктам и районам внутри городов-миллионников. Первые две цифры означают субъект РФ, вторые три цифры — город, а следующий ряд цифр шифрует населенный пункт, где ведет деятельность организация.

Есть несколько способов узнать ОКТМО:

Структура классификатора ОКТМО

Классификатор ОКТМО состоит из двух разделов: муниципальные образования и населенные пункты в составе муниципальных образований. В первом разделе в структуре кода содержится 8 знаков, во втором — 11 знаков.

Бухгалтерский онлайн-сервис Контур.Бухгалтерия позволяет вносить код ОКТМО в платежные документы и отчеты автоматически. Ведите учет в нашем сервисе, начисляйте зарплату, отправляйте отчетность и пользуйтесь поддержкой наших экспертов. 

ОКАТО по ИНН узнать онлайн | Узнать ОКАТО по адресу, ОГРН или ОКПО — Контур.Бухгалтерия

Специальные классификаторы и кодировки помогают государству систематизировать данные о субъектах хозяйствования, хранить информацию об организациях и ИП в единой базе данных и иметь к ней оперативный доступ. ОКАТО — один из классификаторов, разработанных государством. В статье ответим на вопросы: что это такое, для чего он нужен и как узнать ваш код ОКАТО?

Что такое ОКАТО

ОКАТО — это общероссийский классификатор объектов административно-территориального деления. Объекты классификации по ОКАТО — административные единицы. К ним относятся республики, края, области, районы и города, поселки. Объекты имеют различную степень подчиненности, она определяет структуру кода ОКАТО.

Структура кода ОКАТО

Код ОКАТО включает от 8 до 11 разрядов. Их число зависит от уровня классификации, на котором находится объект. Выделяют три уровня:

  • Первый включает республики, края, области, города федерального значения, автономные области, автономные округа, входящие в состав РФ.
  • Второй уровень включает объекты, подчиненные первому: автономные округа краев и республик; районы республик, краев и округов; города краевого значения и поселки городского типа.
  • Третий уровень — объекты районного подчинения: внутригородские районы, города районного значения, поселки районного подчинения и сельсоветы.

Первый и второй знаки кода означают объекты первого уровня, знаки с третьего по пятый — второй уровень, с шестого по восьмой — третий. Для отражения в коде сельских населенных пунктов используются знаки с девятого по одиннадцатый. Подробное руководство по составлению и структуре кода утверждено Постановлением Госстандарта №413.

Применение ОКАТО

Код ОКАТО применяется для ведения налогового учета и подачи отчетности. Он нужен налоговым органам, чтобы определить, на какой административной территории находится организация и куда она уплачивает налоги. Государственным органам статистики ОКАТО позволяет учитывать и систематизировать экономические субъекты, с его помощью госорганы:

  • автоматизируют информационный обмен;
  • подводят итоги по сбору платежей в каждом регионе;
  • определяют уровень жизни граждан;
  • фиксируют коэффициенты благосостояния.

Для нас ОКАТО важен в виде реквизита по документам. До 2014 года он использовался в отчетности, платежных документах в налоговую, налоговых декларациях, формах гособразца. Но с января 2014 года ему на смену пришел код ОКТМО, который теперь заменяет ОКАТО в документах. Его ввели для уточнения классификации, код ОКТМО уточняет населенный пункт, в котором работает фирма.

Если вместо ОКТМО в реквизитах документов вы укажете код ОКАТО, то с помощью таблиц соответствия налоговые органы определят код ОКТМО и зачислят на него платеж. Но это приведет к перечислению средств в другой бюджет, тогда понадобится подать уточненку.

Организациям, зарегистрированным в 2014 году и позже, при регистрации выдается код ОКТМО. И каждому устаревшему коду ОКАТО соответствует код ОКТМО.

Код ОКАТО (ОКТМО) для Москвы

Москва относится к первому уровню классификации по ОКАТО, кодируется в первых двух знаках — 45. У организаций, находящихся в Москве код ОКАТО включает 11 знаков и отображает область, город, район, улицу, номер дома и квартиры. С 2014 года организации Москвы в отчетах и документах указывают ОКТМО. А с 1 января 2018 муниципальные районы были преобразованы в городские округа.

При составлении отчетности москвичам стоит быть внимательнее. При заполнении платежных поручений нужно указывать новый код, иначе платеж попадет в категорию «невыясненных».

Как узнать код ОКАТО по ИНН, адресу, ОКТМО, ОГРН или ОКПО

Код ОКАТО нужно знать для того, чтобы определить свой код ОКТМО. Организациям, зарегистрированным до 2014 года, был выдан только ОКАТО, но зная старый код, можно определить новый по таблицам соответствия или использовать специальные сервисы.

Чтобы узнать ОКАТО можно обратиться в отделение ФНС, воспользоваться терминалом налоговой службы или позвонить в налоговую по горячей лини. Однако такие способы требуют затрат времени и сил, гораздо проще узнать код ОКАТО онлайн, воспользовавшись интернетом. Узнать ОКАТО можно по ИНН, адресу организации, коду ОКТМО, ОГРН или ОКПО.

Сайт https://kladr-rf.ru представляет собой классификатор адресов РФ и содержит полный перечень кодов ОКАТО. Введя в строку поиска адрес организации, вы узнаете точный код ОКАТО.

На сайте ФНС можно загрузить программу «Налогоплательщик ЮЛ» и с ее помощью определить код ОКАТО.

Поиск ОКАТО по ИНН предлагают различные сервисы и программы, например, сервис формирования уведомлений http://statreg.gks.ru/ от Росстата. Он предлагает определить ОКАТО по ИНН, ОКПО или ОГРН. 

Как узнать код ОКТМО по ОКАТО

Так как коды ОКАТО стали не нужны для заполнения реквизитов, то стоит знать как на основании ОКАТО определить код ОКТМО.

Для этого разработана таблица соответствия кодов, она размещена на официальном сайте МинФина и регулярно обновляется https://www.minfin.ru/ru/ismf/eiasmfrf/. Разберемся, как ей пользоваться:

  1. Второй столбец содержит наименование муниципального образования или населенного пункта.
  2. В столбце 4 указан код по ОКАТО на 1 ноября 2013, в столбце 5 — действующий на данный момент. Если ваш код ОКАТО действовал до 2013 года, вы можете найти актуальный.
  3. Столбец 6 содержит действующие коды ОКТМО для населенных пунктов.
  4. Далее указаны данные, которые относятся к новому коду ОКТМО, то есть республика, город, район, поселок и т.д.

На сайте ФНС есть электронный сервис «Узнай ОКТМО». Введя код ОКАТО или наименование муниципального образования, вы сможете узнать актуальный ОКТМО.

Автор статьи: Елизавета Кобрина

Облачный сервис Контур.Бухгалтерия вносит код ОКТМО в платежные документы и отчеты автоматически. С использованием сервиса вы сможете быстро и эффективно вести учет, сдавать отчетность, начислять зарплату и пользоваться поддержкой экспертов. Всем новым пользователям доступен бесплатный 30-дневный период для ознакомления.

Перевод ОКАТО в ОКТМО и ОКТМО в ОКАТО

Меню


Интернет ресурс «Service-Online.su» разработан для свободного и бесплатного использования. На этом сайте никогда не будет вирусов или других вредоносных программ. Наша задача упростить вашу работу и постараться помочь Вам по мере своих сил.
Данный сайт является бесплатным сервисом предназначенным облегчить Вашу работу. На сайте представлено большое количество бланков которые удобно заполнять и распечатывать онлайн, сервисов по работе с текстами и многое другое.
Материалы сайта носят справочный характер, предназначены только для ознакомления и не являются точным официальным источником. При заполнении реквизитов необходимо убедиться в их достоверности сверив с официальными источниками.
© Service-Online.SU 2013-2020
По всем вопросам обращайтесь на почту: support(@)service-online.su

git - Как узнать, в какой коммит был добавлен тот или иной код?

Переполнение стека
  1. Около
  2. Продукты
  3. Для команд
  1. Переполнение стека Общественные вопросы и ответы
  2. Переполнение стека для команд
.

способов обнаружения и удаления выбросов | Наташа Шарма

Что вы ищете, работая над проектом Data Science? Что является наиболее важной частью фазы EDA? Есть определенные вещи, которые, если не будут выполнены на этапе EDA, могут повлиять на дальнейшее статистическое моделирование / моделирование машинного обучения. Один из них - поиск «выбросов». В этом посте мы попытаемся понять, что такое выброс? Почему так важно идентифицировать выбросы? Какие есть методы для выбросов? Не волнуйтесь, мы не будем проходить только теоретическую часть, мы также займемся кодированием и построением графиков данных.

Определение Википедии,

В статистике выброс - это точка наблюдения, удаленная от других наблюдений.

Приведенное выше определение предполагает, что выброс - это что-то отдельное / отличное от толпы. Многие мотивационные видео предлагают отличиться от толпы, особенно Малькольма Гладуэлла. Что касается статистики, это тоже хорошо или нет? мы собираемся найти это в этом посте.

Google Image - Wikihow

Вы видите что-нибудь по-другому на изображении выше? Все числа в диапазоне 30, кроме числа 3.Это наш выброс, потому что он не где-то рядом с другими числами.

Теперь мы знаем, что такое выброс, но задаетесь ли вы вопросом, как выброс представился населению?

Проект Data Science начинается со сбора данных, и именно тогда выбросы впервые представляются населению. Однако на этапе сбора данных о выбросах вы вообще не узнаете. Выбросы могут быть результатом ошибки во время сбора данных или могут быть просто показателем расхождения в ваших данных.

Давайте посмотрим на несколько примеров. Предположим, вас попросили понаблюдать за выступлениями индийской команды по крикету, т. Е. Пробегом каждого игрока, и собрать данные.

Собранные данные

Как видно из собранных выше данных, все остальные игроки набрали 300+, кроме Игрока 3, который набрал 10. Эта цифра может быть просто ошибкой ввода или дисперсией ваших данных и указанием на то, что Player3 работает очень плохо, поэтому требует улучшений.

Теперь, когда мы знаем, что выбросы могут быть либо ошибкой, либо просто отклонением, как бы вы решили, важны они или нет. Что ж, это довольно просто, если они являются результатом ошибки, тогда мы можем их игнорировать, но если это просто расхождение в данных, нам нужно подумать немного дальше. Прежде чем мы попытаемся понять, игнорировать выбросы или нет, нам необходимо знать способы их выявления.

Большинство из вас может подумать: «О! Я могу просто получить пик данных, чтобы найти выбросы, как мы это делали в ранее упомянутом примере с крикетом.Давайте представим файл с 500+ столбцами и 10k + строками. Как вы думаете, выбросы можно найти вручную? Чтобы облегчить обнаружение выбросов, у нас есть множество методов статистики, но мы будем обсуждать только некоторые из них. В основном мы будем стараться рассматривать методы визуализации (самые простые), а не математические.

Итак, приступим. Мы будем использовать набор данных Boston House Pricing Dataset, который включен в API набора данных sklearn. Мы загрузим набор данных и разделим функции и цели.

 boston = load_boston () 
x = boston.data
y = boston.target
columns = boston.feature_names # создать фрейм данных
boston_df = pd.DataFrame (boston.data)
boston_df.columns = columns
boston_df.head ()
Boston Housing Data

Характеристики / независимая переменная будет использоваться для поиска любых выбросов. Глядя на данные выше, кажется, что у нас есть только числовые значения, то есть нам не нужно выполнять какое-либо форматирование данных. (Вздох!)

Есть два типа анализа, которым мы будем следовать, чтобы найти выбросы - Uni-variate (анализ выбросов с одной переменной) и многомерный (анализ выбросов с двумя или более переменными).Не запутайтесь, когда вы начнете кодировать и строить график данных, вы сами убедитесь, насколько легко было обнаружить выброс. Для простоты мы начнем с основного метода обнаружения выбросов и постепенно перейдем к более продвинутым методам.

Обнаружение выбросов с помощью инструментов визуализации

Коробчатая диаграмма-

Определение Википедии,

В описательной статистике прямоугольная диаграмма - это метод графического изображения групп числовых данных через их квартили.Коробчатые диаграммы также могут иметь линий, идущих вертикально на из прямоугольников ( усов, ) , указывающих на изменчивость за пределами верхнего и нижнего квартилей, отсюда термины прямоугольная диаграмма и прямоугольная диаграмма. Выбросы могут быть , нанесенными на график как отдельных точек.

Приведенное выше определение предполагает, что если есть выброс, он будет отображаться в виде точки на прямоугольной диаграмме, а другая совокупность будет сгруппирована вместе и отображаться в виде прямоугольников.Давайте попробуем и увидим сами.

 import seaborn as sns 
sns.boxplot (x = boston_df ['DIS'])
Boxplot - Distance to Employment Center

На графике выше показаны три точки от 10 до 12, это выбросы, поскольку они не включены в рамку другое наблюдение, т. е. не где-то рядом с квартилями.

Здесь мы проанализировали однозначный выброс, т.е. мы использовали столбец DIS только для проверки выброса. Но мы также можем проводить многомерный анализ выбросов. Можем ли мы провести многомерный анализ с помощью прямоугольной диаграммы? Ну, это зависит от того, если у вас есть категориальные значения, вы можете использовать их с любой непрерывной переменной и выполнять многомерный анализ выбросов.Поскольку у нас нет категориальной ценности в нашем наборе данных Boston Housing, нам, возможно, придется забыть об использовании ящичной диаграммы для многомерного анализа выбросов.

Диаграмма рассеяния -

Определение в Википедии

Диаграмма рассеяния - это тип графика или математической диаграммы, использующей декартовы координаты для отображения значений обычно двух переменных для набора данных. Данные отображаются в виде набора из точек , каждая из которых имеет значение , одна переменная , определяющая положение на горизонтальной оси , , и значение , другая переменная , определяющая положение на вертикальной оси , . .

Как следует из определения, диаграмма рассеяния - это набор точек, который показывает значения двух переменных. Мы можем попытаться построить диаграмму рассеяния для двух переменных из нашего набора данных о жилищном строительстве.

 fig, ax = plt.subplots (figsize = (16,8)) 
ax.scatter (boston_df ['INDUS'], boston_df ['TAX'])
ax.set_xlabel ('Доля акров, не связанных с розничной торговлей на город ')
ax.set_ylabel (' Полная ставка налога на имущество на $ 10 000 ')
plt.show ()
Точечная диаграмма - Доля некоммерческих коммерческих площадей на город по сравнению с полной стоимостью налога на недвижимость

На графике выше мы видим, что большинство точек данных находятся внизу слева, но есть точки, которые далеки от населения, например, в правом верхнем углу.

Выявление выбросов с помощью математической функции

Z-Score-

Определение Википедии

Z-score - это стандартное отклонение со знаком, на которое значение наблюдения или точки данных превышает среднее значение того, что наблюдается или измеряется.

Интуиция, лежащая в основе Z-показателя, заключается в описании любой точки данных путем определения их взаимосвязи со стандартным отклонением и средним значением группы точек данных.Z-оценка находит распределение данных, где среднее значение равно 0, а стандартное отклонение равно 1, то есть нормальное распределение.

Вам должно быть интересно, как это помогает в идентификации выбросов? Что ж, при вычислении Z-показателя мы повторно масштабируем и центрируем данные и ищем точки данных, которые слишком далеки от нуля. Эти точки данных, которые слишком далеки от нуля, будут рассматриваться как выбросы. В большинстве случаев используется порог 3 или -3, то есть, если значение Z-оценки больше или меньше 3 или -3 соответственно, эта точка данных будет идентифицирована как выбросы.

Мы будем использовать функцию Z-score, определенную в библиотеке scipy, для обнаружения выбросов.

 из scipy import stats 
import numpy as npz = np.abs (stats.zscore (boston_df))
print (z)
Z-score of Boston Housing Data

Глядя на код и выходные данные выше, трудно сказать какая точка данных является выбросом. Давайте попробуем определить порог для выявления выброса.

 порог = 3 
печать (np.where (z> 3))

Это даст результат, как показано ниже -

Точки данных, где Z-оценка больше 3

Результаты не могут вас смутить.Первый массив содержит список номеров строк, а второй массив номеров соответствующих столбцов, что означает, что z [55] [1] имеют Z-оценку выше 3.

 print (z [55] [1]) 3.375038763517309 

Итак , точка данных - 55-я запись в столбце ZN является выбросом.

Оценка IQR -

Ящичковая диаграмма использует метод IQR для отображения данных и выбросов (форма данных), но для того, чтобы получить список идентифицированных выбросов, нам нужно будет использовать математическую формулу и получить выброс данные.

Определение Википедии

Межквартильный диапазон ( IQR ), также называемый средним или средний 50% , или технически H-разброс , является мерой статистической дисперсии, равной разница между 75-м и 25-м процентилями или между верхним и нижним квартилями, IQR = Q 3 - Q 1.

Другими словами, IQR - это первый квартиль, вычитаемый из третьего квартиля; эти квартили можно четко увидеть на прямоугольной диаграмме данных.

Это мера дисперсии, аналогичная стандартному отклонению или дисперсии, но гораздо более устойчивая к выбросам.

IQR в чем-то похож на Z-оценку с точки зрения определения распределения данных и последующего сохранения некоторого порога для выявления выброса.

Давайте выясним, что мы можем использовать коробчатый график с использованием IQR и как мы можем использовать его для поиска списка выбросов, как мы это делали при вычислении Z-показателя. Сначала мы рассчитаем IQR,

 Q1 = boston_df_o1.quantile (0.25) 
Q3 = boston_df_o1.quantile (0,75)
IQR = Q3 - Q1
print (IQR)

Здесь мы получим IQR для каждого столбца.

IQR для каждого столбца

Поскольку теперь у нас есть оценки IQR, пора зафиксировать выбросы. Приведенный ниже код даст результат с некоторыми истинными и ложными значениями. Точка данных, где у нас есть False, означает, что эти значения действительны, тогда как True указывает на наличие выброса.

 print (boston_df_o1 <(Q1 - 1.5 * IQR)) | (boston_df_o1> (Q3 + 1.5 * IQR)) 
Обнаружение выбросов с помощью IQR

Теперь, когда мы знаем, как обнаруживать выбросы, важно понимать, нужны ли они быть удаленным или исправленным.В следующем разделе мы рассмотрим несколько методов удаления выбросов и, при необходимости, подстановки новых значений.

Во время анализа данных, когда вы обнаруживаете выброс, одним из самых сложных решений может быть то, как поступить с выбросом. Должны ли они их удалить или исправить? Прежде чем мы поговорим об этом, мы рассмотрим несколько методов удаления выбросов.

Z-Score

В предыдущем разделе мы видели, как можно обнаружить выбросы, используя Z-оценку, но теперь мы хотим удалить или отфильтровать выбросы и получить чистые данные.Это можно сделать с помощью всего одного строчного кода, поскольку мы уже вычислили Z-оценку.

 boston_df_o = boston_df_o [(z <3) .all (axis = 1)] 
С и без размера выброса набора данных

Итак, приведенный выше код удалил около 90+ строк из набора данных, т.е. выбросы были удалены.

Оценка IQR -

Так же, как Z-оценка, мы можем использовать ранее рассчитанную оценку IQR, чтобы отфильтровать выбросы, сохраняя только действительные значения.

 boston_df_out = boston_df_o1 [~ ((boston_df_o1 <(Q1 - 1.5 * IQR)) | (boston_df_o1> (Q3 + 1.5 * IQR))). Any (axis = 1)] boston_df_out.shape 

Приведенный выше код удалит выбросы из набора данных.

Существует несколько способов обнаружения и удаления выбросов, но методы, которые мы использовали для этого упражнения, широко используются и просты для понимания.

Следует ли удалять выбросы. Эти мысли могут возникать у каждого аналитика / специалиста по данным хоть раз при каждой проблеме, над которой он работает. Я нашел несколько хороших объяснений -

https: // www.researchgate.net/post/When_is_it_justifiable_to_exclude_outlier_data_points_from_statistical_analyses

https://www.researchgate.net/post/Which_is_the_best_method_for_removing_outliers_in_a_best_method_for_removing_outliers_in_a_a_data_set 9000-data_set 9000-data-data_set

Подводя итог их объяснения - неверные данные, неправильные вычисления, их можно определить как выбросы, и их следует отбросить, но в то же время вы можете захотеть исправить и их, поскольку они изменяют уровень данных i.е. означают, что вызывает проблемы при моделировании данных. Например, 5 человек получают зарплату 10К, 20К, 30К, 40К и 50К, и вдруг один из них начинает получать зарплату 100К. Рассмотрим эту ситуацию, поскольку, если вы являетесь работодателем, новое обновление зарплаты может быть воспринято как необъективное, и вам может потребоваться увеличить зарплату и другим сотрудникам, чтобы сохранить баланс. Итак, может быть несколько причин, по которым вы хотите понять и исправить выбросы.

На протяжении этого упражнения мы видели, как на этапе анализа данных можно столкнуться с некоторыми необычными данными i.е выброс. Мы узнали о методах, которые можно использовать для обнаружения и удаления этих выбросов. Но был поднят вопрос о том, можно ли удалить выбросы. Чтобы ответить на эти вопросы, мы нашли дополнительные материалы для чтения (эти ссылки упоминаются в предыдущем разделе). Надеюсь, этот пост помог читателям узнать о выбросах.

Note- Для этого упражнения использовались инструменты и библиотеки, указанные ниже.

Framework- Jupyter Notebook, Language- Python, Libraries - библиотека sklearn, Numpy, Panda и Scipy, Plot Lib- Seaborn и Matplot.

  1. Boston Dataset
  2. Github Repo
  3. KDNuggets выбросы
  4. Обнаружение выбросов
.

Найти vs. узнать - Урок запутанной лексики

Вступай в клуб!

НАЖМИТЕ, ЧТОБЫ УЗНАТЬ БОЛЬШЕ

Сегодня давайте посмотрим на слова «найди и узнай».

Найти означает найти что-то. Вы можете найти предмет или вещь. Можно даже найти человека. Вы можете найти то, что вы потеряли, или найти то, что ищете. Обычно находят что-то собственными действиями.Мы используем find + [something] и find + [something]. Обычная грамматика: find + существительное . Помните, что найти - неправильный глагол, поэтому мы говорим найти, найти, найти . Вот несколько примеров:

  • Если вы найдете хороший китайский ресторан рядом с офисом, дайте мне знать.
  • Я нашел мой кошелек. Он упал за мой стол.
  • Джейн еще не нашла своих ключей. Надеюсь, она скоро это сделает.

Узнать означает найти некоторую информацию.Вы можете найти из что-то о ком-то, каком-то месте и т. Д. Обычно находят из что-то, проводя исследование или у кого-то еще. Мы используем find out + [something]. Обычная грамматика: узнать + [именная фраза] и узнать + [подлежащее / глагол]. Узнать - это фразовый глагол с обнаружением прошедшего времени. Вот несколько примеров:

  • Я наконец нашел из ее адрес электронной почты.
  • Я узнал, что повар был из Тайваня.
  • Вы, , узнали , почему Джека уволили?

Итак, вы что-то нашли, но вы узнаете информацию.

Если вы знаете кого-нибудь, кто может быть заинтересован в этом вопросе по английскому языку, почему бы им не помочь! Просто поделитесь с ними этим уроком. Спасибо, что учились сегодня!

Все, чему ваша ГРАММАТИЧЕСКАЯ КНИГА не научила вас

Да, ваша грамматика, вероятно, научила вас различать , и и , но, вероятно, не научила вас, как мы на самом деле используем эти слова в повседневном английском.Эта книга делает!

Вы также узнаете, как на самом деле использовать такие фразы, как:

  • До пятницы и до пятницы
  • В конце и В конце
  • Мне скучно, и мне скучно
  • Даже если и Хоть… и многое другое!

Вы также узнаете, как использовать причинные, условные, частотные наречия, модальные глаголы, артикли и предлоги.

ПОЛУЧИТЬ НА AMAZON

Учебник по грамматике английского языка для взрослых

Пособие для самообучения по улучшению функционального письма

Учебное пособие по грамматике английского языка для взрослых здесь, чтобы помочь вам улучшить беглость письма, чтобы вы могли обрести уверенность при составлении электронных писем, сопроводительных писем, ведении повседневных дел и личной переписки.

Независимо от вашего текущего уровня навыков, эта рабочая тетрадь по грамматике английского языка содержит все необходимое для изучения основных элементов, включая существительные, глаголы, прилагательные, наречия, времена и т. Д. Затем вы примените то, что вы узнали, в повседневных ситуациях, с которыми вы можете столкнуться в школе, на работе, в социальных ситуациях, в творческом письме, в Интернете и во многих других ситуациях.

ПОЛУЧИТЬ НА AMAZON

ЭЛЕКТРОННЫЕ КНИГИ И БУМАГИ

Комментарии

комментариев

.

Узнай по-русски, перевод, англо-русский словарь

(идиоматический) Узнай, как задавая вопрос, так и исследуя.

Чтобы узнать, спросив или исследуя.

Чтобы обнаружить или разоблачить (кого-то) как непослушного, нечестного и т. Д.

Чтобы выявить слабость (в ком-то).

для обнаружения

установить после расчета, исследования, эксперимента, опроса или исследования; «найти произведение двух чисел»; «Физик, обнаруживший неуловимую частицу, получил Нобелевскую премию»

выясняет, изучает или определяет с уверенностью, обычно путем исследования или других усилий; «Я хочу посмотреть, говорит ли она по-французски»; «Посмотрите, работает ли»; «узнать, говорит ли он по-русски»; «Проверить, уходит ли поезд вовремя»

узнают или узнают, обычно случайно; «Я узнал, что у нее двое взрослых детей»; «Я вижу, что вас повысили»

ловушка; особенно в случае ошибки или предосудительного поступка; «Его поймали»; «Она была обнаружена, когда она пыталась обналичить украденные чеки»

(чтобы) узнать

подробнее

узнать ( простой подарок от третьего лица единственного числа найти , причастие настоящего времени найти , простое причастие прошедшего и прошедшего времени обнаружено )

глагол
найти ( третье лицо единственного числа простое настоящее обнаруживает , причастие настоящего времени обнаруживает , простое причастие прошедшего и прошедшего времени обнаружено )

.

Смотрите также