打牢三個基礎 強化數據應用

本報記者 張衛海 通訊員 劉宜文

稅收大數據具有覆蓋經濟領域“全”、反映經濟活動“快”、數據顆粒度“細”等特點。但是，基層稅務部門存在基礎數據質量不高、運用分析能力不強等問題。如何讓數據“寶庫”更好地為基層稅收征收管理賦能？

國家稅務總局青島市城陽區稅務局的做法是，升級智稅應用體系，通過夯實內外部數據深度整合和科學清洗后形成的“數據基礎”、完善涵蓋100個智稅模型的“模型基礎”、強化由100名智稅分析人才組成的“人才基礎”，提高征管效能。不久前，其相關做法獲評山東省“大數據創新應用典型應用場景”。

“數據基礎”：從各類數據到關鍵數據庫

如何以數據的深度應用推動稅務管理？城陽區稅務局做的第一步是打牢“數據基礎”。那么，基礎數據從何而來？

日版次：03作者：本報記者 張衛海

稅收大數據具有覆蓋經濟領域“全”、反映經濟活動“快”、數據顆粒度“細”等特點。但是，基層稅務部門存在基礎數據質量不高、運用分析能力不強等問題。如何讓數據“寶庫”更好地為基層稅收征收管理賦能？

國家稅務總局青島市城陽區稅務局的做法是，升級智稅應用體系，通過夯實內外部數據深度整合和科學清洗后形成的“數據基礎”、完善涵蓋100個智稅模型的“模型基礎”、強化由100名智稅分析人才組成的“人才基礎”，提高征管效能。不久前，其相關做法獲評山東省“大數據創新應用典型應用場景”。

“數據基礎”：從各類數據到關鍵數據庫

如何以數據的深度應用推動稅務管理？城陽區稅務局做的第一步是打牢“數據基礎”。那么，基礎數據從何而來？

城陽區稅務局黨委書記、局長馬政瑞說：“城陽區稅務局從三個方面獲取基礎數據資源，包括稅收征管系統發票等數據、對外公開的官方數據和外部門傳遞數據。”除了稅務系統中關于登記、申報、征收等各類稅費數據，以及跨地區、上下游等各類關聯數據等內部數據外，城陽區稅務局使用Python技術收集獲取網絡公開的各類官方信息，累計圍繞35類數據分析主題，收集各類官方數據百萬余筆。同時，深化協同共治，與財政、統計、工信、發改等12個政府職能部門建立數據交換共享機制，獲取關鍵信息。

海量數據匯集后，為了保障數據質量，還需對它們進行預處理。

據介紹，所謂預處理，就是剔除無效數據、填補缺失數據、修正異常數據。隨后，按照征管邏輯和規則，對預處理后的數據進行標準化、關聯化和標簽化處理，按照稅種、人群、行業、行為特征等維度進行分類篩選、數據重組、清洗轉換和規則計算，形成可以支撐后續分析和判定的關鍵數據庫或數據表。

“模型基礎”：從分析預測到長效長治

打好“數據基礎”后，如何將紛雜龐大的數據，用于稅務監管？城陽區稅務局做的第二步是打造“模型基礎”。

馬政瑞介紹，通過卷積神經網絡、BP神經網絡、支持向量機、主成分回歸、Lasso回歸、Logistic回歸、聚類算法等機器學習算法，結合稅種、行業、行為、人群特征等不同維度，他們將數據轉變為指標、形成體系，最終經實踐應用打磨成100個智稅模型。這些模型已經成為城陽區稅務局將稅收大數據應用于稅務監管的“武林秘籍”。

例如，針對流轉稅、財產稅，主管稅務部門根據稅種搭建了虛開發票風險模型、留抵退稅異常進項等模型，對全區15萬余戶正常狀態納稅人開展實時風險監測和預測。再如，在物業企業管理過程中，基層稅務所針對服務型合同等疑點搭建了物業行業風險模型，其數據分析結果在防范稅收流失方面發揮了重要作用。

通過風險模型進行分析預測只是智稅應用的第一步。通過“分析預測—動態監控—更新迭代”的三級遞進工作模式，城陽區稅務局使智稅應用不斷“進化”，持續保持生命力。

對于模型導出的結果，該局通過企業畫像等技術，直觀展示相關關系和風險疑點，通過分類算法劃分風險等級，進行分色預警，同時繪制風險熱力圖，動態監控稅收風險動態，輔助迅速決策及有效應對。隨著數據資源的不斷豐富和風險應對經驗的不斷積累，該局依托實時加權算法賦分、強化高發生概率事項學習等方法，實現現有應用的更新迭代，確保數據應用的長效長治。

“人才基礎”：從人為數據賦能到數據為人賦能

馬政瑞介紹，模型從何而來，又用到哪里去？其中發揮重要作用的是“人”，“人機結合”在基層稅收征管效能提升中的探索與實踐不可或缺。

城陽區稅務局在全局范圍內優選智稅分析團隊，在數字化專業技術培訓的基礎上，再由團隊成員立足本職崗位，聚焦重點行業、重點人群、重點工作等領域，緊盯流轉稅、所得稅、資源稅等類別，通過精細化指標和數理化算法，對不同風險場景建立8大主題智能化模型，實現風險疑點正列舉、關聯關系可視化展示、業務流向模擬推演、分色預警自動監測等稅收大數據的賦能應用，推動基層稅收征收管理效能提升。

“數據模型由人從實踐中提煉總結出來，經過審核打磨固定下來，編寫形成智稅分析手冊進行推廣應用，最終再反哺于基層稅收征收管理，實現了‘人為數據賦能、數據為人賦能’的有效閉環。”馬政瑞說。

據了解，城陽區稅務局將機關整體的“數字化轉型”與干部的數字化能力提升同步推進，優化“常態推進”與“有效激勵”兩個機制，一方面，常態開展專題推進、項目講評，定期舉行“稅收檢查大比武”“干部智稅分析大比武”；另一方面，優化“激勵機制”，通過多種機制強化“智稅”成效的結果運用。

城陽區稅務局黨委書記、局長馬政瑞說：“城陽區稅務局從三個方面獲取基礎數據資源，包括稅收征管系統發票等數據、對外公開的官方數據和外部門傳遞數據。”除了稅務系統中關于登記、申報、征收等各類稅費數據，以及跨地區、上下游等各類關聯數據等內部數據外，城陽區稅務局使用Python技術收集獲取網絡公開的各類官方信息，累計圍繞35類數據分析主題，收集各類官方數據百萬余筆。同時，深化協同共治，與財政、統計、工信、發改等12個政府職能部門建立數據交換共享機制，獲取關鍵信息。

海量數據匯集后，為了保障數據質量，還需對它們進行預處理。

據介紹，所謂預處理，就是剔除無效數據、填補缺失數據、修正異常數據。隨后，按照征管邏輯和規則，對預處理后的數據進行標準化、關聯化和標簽化處理，按照稅種、人群、行業、行為特征等維度進行分類篩選、數據重組、清洗轉換和規則計算，形成可以支撐后續分析和判定的關鍵數據庫或數據表。

“模型基礎”：從分析預測到長效長治

打好“數據基礎”后，如何將紛雜龐大的數據，用于稅務監管？城陽區稅務局做的第二步是打造“模型基礎”。

馬政瑞介紹，通過卷積神經網絡、BP神經網絡、支持向量機、主成分回歸、Lasso回歸、Logistic回歸、聚類算法等機器學習算法，結合稅種、行業、行為、人群特征等不同維度，他們將數據轉變為指標、形成體系，最終經實踐應用打磨成100個智稅模型。這些模型已經成為城陽區稅務局將稅收大數據應用于稅務監管的“武林秘籍”。

例如，針對流轉稅、財產稅，主管稅務部門根據稅種搭建了虛開發票風險模型、留抵退稅異常進項等模型，對全區15萬余戶正常狀態納稅人開展實時風險監測和預測。再如，在物業企業管理過程中，基層稅務所針對服務型合同等疑點搭建了物業行業風險模型，其數據分析結果在防范稅收流失方面發揮了重要作用。

通過風險模型進行分析預測只是智稅應用的第一步。通過“分析預測—動態監控—更新迭代”的三級遞進工作模式，城陽區稅務局使智稅應用不斷“進化”，持續保持生命力。

對于模型導出的結果，該局通過企業畫像等技術，直觀展示相關關系和風險疑點，通過分類算法劃分風險等級，進行分色預警，同時繪制風險熱力圖，動態監控稅收風險動態，輔助迅速決策及有效應對。隨著數據資源的不斷豐富和風險應對經驗的不斷積累，該局依托實時加權算法賦分、強化高發生概率事項學習等方法，實現現有應用的更新迭代，確保數據應用的長效長治。

“人才基礎”：從人為數據賦能到數據為人賦能

馬政瑞介紹，模型從何而來，又用到哪里去？其中發揮重要作用的是“人”，“人機結合”在基層稅收征管效能提升中的探索與實踐不可或缺。

城陽區稅務局在全局范圍內優選智稅分析團隊，在數字化專業技術培訓的基礎上，再由團隊成員立足本職崗位，聚焦重點行業、重點人群、重點工作等領域，緊盯流轉稅、所得稅、資源稅等類別，通過精細化指標和數理化算法，對不同風險場景建立8大主題智能化模型，實現風險疑點正列舉、關聯關系可視化展示、業務流向模擬推演、分色預警自動監測等稅收大數據的賦能應用，推動基層稅收征收管理效能提升。

“數據模型由人從實踐中提煉總結出來，經過審核打磨固定下來，編寫形成智稅分析手冊進行推廣應用，最終再反哺于基層稅收征收管理，實現了‘人為數據賦能、數據為人賦能’的有效閉環。”馬政瑞說。

據了解，城陽區稅務局將機關整體的“數字化轉型”與干部的數字化能力提升同步推進，優化“常態推進”與“有效激勵”兩個機制，一方面，常態開展專題推進、項目講評，定期舉行“稅收檢查大比武”“干部智稅分析大比武”；另一方面，優化“激勵機制”，通過多種機制強化“智稅”成效的結果運用。