打牢三个基础 强化数据应用

税收大数据具有覆盖经济领域“全”、反映经济活动“快”、数据颗粒度“细”等特点。但是，基层税务部门存在基础数据质量不高、运用分析能力不强等问题。如何让数据“宝库”更好地为基层税收征收管理赋能？ 国家税务总局青岛市城阳区税务局的做法是，升级智税应用体系，通过夯实内外部数据深度整合和科学清洗后形成的“数据基础”、完善涵盖100个智税模型的“模型基础”、强化由100名智税分析人才组成的“人才基础”，提高征管效能。不久前，其相关做法获评山东省“大数据创新应用典型应用场景”。 “数据基础”：从各类数据到关键数据库 如何以数据的深度应用推动税务管理？城阳区税务局做的第一步是打牢“数据基础”。那么，基础数据从何而来？ 城阳区税务局党委书记、局长马政瑞说：“城阳区税务局从三个方面获取基础数据资源，包括税收征管系统发票等数据、对外公开的官方数据和外部门传递数据。”除了税务系统中关于登记、申报、征收等各类税费数据，以及跨地区、上下游等各类关联数据等内部数据外，城阳区税务局使用Python技术收集获取网络公开的各类官方信息，累计围绕35类数据分析主题，收集各类官方数据百万余笔。同时，深化协同共治，与财政、统计、工信、发改等12个政府职能部门建立数据交换共享机制，获取关键信息。 海量数据汇集后，为了保障数据质量，还需对它们进行预处理。 据介绍，所谓预处理，就是剔除无效数据、填补缺失数据、修正异常数据。随后，按照征管逻辑和规则，对预处理后的数据进行标准化、关联化和标签化处理，按照税种、人群、行业、行为特征等维度进行分类筛选、数据重组、清洗转换和规则计算，形成可以支撑后续分析和判定的关键数据库或数据表。 “模型基础”：从分析预测到长效长治 打好“数据基础”后，如何将纷杂庞大的数据，用于税务监管？城阳区税务局做的第二步是打造“模型基础”。 马政瑞介绍，通过卷积神经网络、BP神经网络、支持向量机、主成分回归、Lasso回归、Logistic回归、聚类算法等机器学习算法，结合税种、行业、行为、人群特征等不同维度，他们将数据转变为指标、形成体系，最终经实践应用打磨成100个智税模型。这些模型已经成为城阳区税务局将税收大数据应用于税务监管的“武林秘籍”。 例如，针对流转税、财产税，主管税务部门根据税种搭建了虚开发票风险模型、留抵退税异常进项等模型，对全区15万余户正常状态纳税人开展实时风险监测和预测。再如，在物业企业管理过程中，基层税务所针对服务型合同等疑点搭建了物业行业风险模型，其数据分析结果在防范税收流失方面发挥了重要作用。 通过风险模型进行分析预测只是智税应用的第一步。通过“分析预测—动态监控—更新迭代”的三级递进工作模式，城阳区税务局使智税应用不断“进化”，持续保持生命力。 对于模型导出的结果，该局通过企业画像等技术，直观展示相关关系和风险疑点，通过分类算法划分风险等级，进行分色预警，同时绘制风险热力图，动态监控税收风险动态，辅助迅速决策及有效应对。随着数据资源的不断丰富和风险应对经验的不断积累，该局依托实时加权算法赋分、强化高发生概率事项学习等方法，实现现有应用的更新迭代，确保数据应用的长效长治。 “人才基础”：从人为数据赋能到数据为人赋能 马政瑞介绍，模型从何而来，又用到哪里去？其中发挥重要作用的是“人”，“人机结合”在基层税收征管效能提升中的探索与实践不可或缺。 城阳区税务局在全局范围内优选智税分析团队，在数字化专业技术培训的基础上，再由团队成员立足本职岗位，聚焦重点行业、重点人群、重点工作等领域，紧盯流转税、所得税、资源税等类别，通过精细化指标和数理化算法，对不同风险场景建立8大主题智能化模型，实现风险疑点正列举、关联关系可视化展示、业务流向模拟推演、分色预警自动监测等税收大数据的赋能应用，推动基层税收征收管理效能提升。 “数据模型由人从实践中提炼总结出来，经过审核打磨固定下来，编写形成智税分析手册进行推广应用，最终再反哺于基层税收征收管理，实现了‘人为数据赋能、数据为人赋能’的有效闭环。”马政瑞说。 据了解，城阳区税务局将机关整体的“数字化转型”与干部的数字化能力提升同步推进，优化“常态推进”与“有效激励”两个机制，一方面，常态开展专题推进、项目讲评，定期举行“税收检查大比武”“干部智税分析大比武”；另一方面，优化“激励机制”，通过多种机制强化“智税”成效的结果运用。