智慧稅收征管體系構建探究
——基于京東及阿里巴巴的管理體系

◆陳旭煜

內容提要：物聯網、大數據及人工智能等新技術的快速發展帶來了經濟社會的巨大變革，也對稅務部門的稅收征管工作帶來全新的挑戰。如何借國地稅征管體制改革這一契機，改革現行征管體系復雜、征管工作被動的局面，已經成為稅收現代化改革必須探究的課題。文章通過案例實證，嘗試提出構建智慧稅收管理體系，并進行稅收適配性分析，通過對比當前征管體系與智慧管理體系存在的差距，從法律層面、技術框架、組織架構、征管工作機制等領域提出政策建議。

一、研究背景與概念界定

(一)研究背景

2018年我國征管體制發生了重大的變革：一是國地稅合并為下一階段的稅收現代化改革在體制上打下了堅實的基礎；二是確立“逐步建立綜合與分類相結合的個人所得稅制”，并以此為契機與阿里巴巴集團合作建立了以云計算為基礎的新的個人所得稅征管體系。雖然稅收現代化改革在不斷地推進和深化，但是“互聯網+”、區塊鏈、人工智能等新技術的快速發展，已經對現階段稅收征管工作提出了嚴峻的挑戰。第一，21世紀以來數據的爆炸性增長導致目前“管事制”的稅收征管體系下人力資源與日益擴大的稅收數據不相匹配。第二，稅源情況處在劇烈的變化之中。原有的產業結構與新動能結合呈現出新的經濟形態，新技術、新產業、新業態、新模式不斷涌現。第三，社會生產力的發展進入高速化、智能化的時代，無人自動化技術、畫像識別技術、深度學習技術等促使社會對智能、效率、理性的要求達到了一個前所未有的高度。面對這些挑戰與困境，國家稅務總局2013年提出了構建現代化征管體系的總目標，描繪了征管現代化的藍圖。2018年6月22日國辦印發《進一步深化“互聯網+政務服務”推進政務服務“一網、一門、一次”改革實施方案》，方案要求實現企業和群眾到政府辦事像“網購”一樣方便。在這一背景下，如何改革我國現階段的稅收征管體系過于依賴人力資源驅動的復雜、低效的狀況，打造智慧化的稅收征管體系，徹底實現我國征管體系的現代化，成為亟待解決的課題。

(二)智慧稅收征管體系的概念界定

2015年9月28日，國家稅務總局印發《“互聯網+稅務”行動計劃》。行動計劃中正式提出構建“智慧稅務”的總體目標，有關稅收征管體系如何智慧化運轉的探究逐步興起。

智慧原本形容人具備信息獲取、識別判斷、決策、改善進步的能力。而具備這一特征并最大限度減少人類主觀行為參與度的稅收征管體系就可以稱之為智慧的稅收征管體系，實現將數據相關的工作完全交由計算機完成。智慧稅收征管體系區別于傳統的信息化征管體系，其通過世界前沿技術形成一個完整的能夠實現數據的自我識別、處理、決策并可以根據反饋結果自我適應、自我改進、無須人工驅動的稅收征管生態系統。在這個體系內，不僅僅是簡單地對納稅人或者稅務機關的工具軟件進行升級，而且要實現稅務工作人員和納稅人由傳統的主體地位轉變為輔助參與者的地位，讓二者在納稅申報或者稅收管理過程中體會到征管體系的“類人屬性”。

二、基于京東及阿里巴巴智慧管理體系的分析

(一)研究方法與案例選擇

本文按照智慧化思維的處理流程，從數據收集存儲、人機使用交互、對象的識別評估以及決策改進等環節遞進分析，嘗試構建一個智慧化的管理體系所應當具備的基本框架，并總結出一個全新的智慧管理體系構建理論。

采用多案例分析法進行研究。多案例相比單一典型案例，更能通過各個案例的相互比較驗證，來形成完整、系統、適用的全新理論，更好地提高構建理論的普遍性和可靠性。

圖1 研究方法的基本框架

京東和阿里巴巴是目前中國電商市場上的兩大巨頭，兩家公司2018年第一季度季報顯示：阿里巴巴市值2018年已經突破了28,000億，京東營銷規模也突破了2000億。兩家企業較早地進行智慧管理體系的建設。二者旗下除了電商以外還涉及金融、支付、物流、本地服務、旅游等，其龐大的業務板塊和海量的數據是如何通過智慧管理體系實現高效運轉值得研究借鑒。

（二）智慧管理體系構建的多案例分析

1.數據存儲方式與組織架構分析

京東從2008年開始布局建設全集團的大數據倉庫JDW，并成立了負責JDW數據平臺的數據管理部門。數據管理部門直屬于京東集團，為各事業部提供數據服務，實現了集團內數據的互聯互通及外部數據的歸集整理。

阿里巴巴建立了阿里云數據管理平臺。阿里云作為阿里巴巴25個事業部之一，與集團核心業務平級。阿里巴巴通過阿里云收集阿里系及與阿里系有業務合作關聯方的全部數據，除了用戶自身的數據，還涵蓋電商平臺、互聯網金融、云服務、落地商戶、互動文娛以及部分政府部門授權查詢的信息。

2.人機交互中的用戶體驗分析

通過統計單一賬戶可以登錄的軟件數可知京東和阿里巴巴都實現了旗下各平臺的賬戶互通。在實際使用中，對每項業務采用“最低手工數據輸入要求”和“頁面跳轉次數”可以衡量用戶使用的便捷程度，通過下表可知京東和阿里巴巴在各業務上都實現了服務的一鍵體驗。具體見表1：

表1 京東與阿里巴巴各業務辦理門檻比較

3.對象識別評估方式分析

案例企業都采用大數據→模型→標簽畫像的識別路徑。京東通過對用戶行為進行建模分析，賦予用戶的各類特征標簽形成用戶畫像。阿里巴巴旗下的螞蟻金服利用阿里云收集繪制用戶信用畫像并形成系統化的產品——芝麻信用。

圖2 京東用戶畫像

資料來源：根據京東網站整理得到。

4.智慧決策及自我改進分析

京東形成用戶畫像后結合每個商品的屬性，篩選出符合用戶偏好的商品并賦予不同的分值，在用戶搜索瀏覽時按分值自動排序，實現用戶購買的各個環節進行不同方式的營銷，具體見圖3。

圖3 京東智慧營銷策略

資料來源：根據京東網站整理得到。

阿里巴巴基于用戶信用畫像提供差別化服務。核心邏輯是通過用戶信用畫像的不同實施差別定價，并最終根據系統智慧定價下用戶的選擇對用戶信用模型和差別定價模型進行改進。具體見表2。

表2 阿里巴巴智慧營銷策略

（三）智慧管理體系構建的多案例實證結論與理論建立

通過對京東及阿里巴巴的多案例分析，可以得出一個完整的智慧管理體系應該包括以下幾個方面。

1.頂層組織統籌，依托云計算建立大數據下的應用共享機制與組織架構

將數據工作交由數據部門負責，成立專門的數據處理事業群，打造集約化的大數據平臺，實現對集團的扁平化管理。一要通過大數據平臺打破不同系統、軟件的壁壘，實現內部數據的共享共用，發揮數據的集團效益，降低數據管理成本；二要通過數據平臺進行最大限度的跨系統取數，突破業務板塊局限實現各類數據模型運算的全域、高效；三要依托互聯網和大數據技術建立統一管理平臺，統籌全集團全地域的業務，并且通過數據管理部門實現內外部的互通互聯，實現管理的網絡化。

2.以用戶體驗為核心指標進行人機交互設計

一個好的智慧管理體系，其人機交互一定是順滑、易用、美觀。而京東和阿里巴巴在具體使用過程中都感受不到數據輸入的門檻。其通過大數據技術由后臺自動抓取用戶數據，通過人工智能技術實現自動交互，降低使用過程中的“阻隔感”，在提高用戶使用體驗的同時，也將數據采集的主動權掌握在服務提供商手中。

3.由數據自我驅動完成用戶的全面識別評估

智慧管理體系在用戶識別評估上最大限度降低了人類主觀行為的參與度，將人們從具體的某個用戶或群體的識別分析中剝離出來，由系統數據自動完成對用戶的識別分析，人們工作的重點在于數據識別方式的設計而非執行具體的用戶識別行為。

4.不依賴于主觀意志的智慧決策模式

人工驅動識別有賴于主觀意志，主要針對具體個體事件的主觀決策行為。而智慧管理體系能夠在數據自我識別分析的基礎上，自動做出最佳的決策方案，使得決策脫離于人們的主觀意志，實現決策的理性、全面、高效。

5.具備自我學習與改進的能力

智慧管理體系能將智慧決策結果反饋到數據倉庫中，并對每次決策的效果進行分析和評估，對智慧管理體系運行過程中的偏離情況進行修正。

三、智慧管理體系案例實證與稅收征管的適配性分析

本文嘗試基于京東及阿里巴巴等互聯網企業為研究對象構建智慧管理體系理論，但是稅收征管作為政府治理的手段之一具備較強的法理屬性和行政屬性，因此需要就稅收征管體系能否借鑒互聯網企業智慧管理體系做進一步驗證分析。

（一）在稅收數據獲取以及數據頂層組織統籌的能力上，稅務機關優于企業

首先，稅務機關和企業都需要獲取數據資源，但是在數據獲取的過程中二者所具備的主動權是不同的。企業通過與用戶簽訂數據協議行使對用戶數據獲取范圍和交互使用的權限。稅務機關無須與納稅人簽訂數據協議，《稅收征收管理法》對納稅人涉稅信息報送制定了相關規定，具備法理上的強制性。

其次，稅務機關和企業對數據頂層組織統籌的能力是不同的。各集團公司要最大限度地在頂層對數據進行統籌，通常需要在組織架構上采取提升數據部門層級、控股并購其他公司等方式擴大統籌數據的范圍。而稅務機關作為國家組織收入的機關，一方面在政務系統內部與國土、住建、公安等同層級政府部門進行數據交換不存在制度性的障礙，通過國家頂層設計可以實現政府各部門之間的數據共享和交換；另一方面稅法具備強制性，可以依托國家法律最大限度地統籌政府政務、社會服務、企業經營等多方數據。

（二）在對數據進行識別與評估的方式上，稅務機關與企業具有相似性

稅務機關和企業對客戶數據分析的側重點有所不同。稅務機關側重對企業經營行為分析涉稅信息，企業側重對客戶消費行為分析相關信息。但是不論稅收征管還是企業客戶關系管理，都是采用數據建模計算的方式進行識別與評估。

（三）在決策目標上，稅務機關與企業具備相似性

京東和阿里巴巴在用戶精準識別的基礎上，利用大數據和人工智能技術實現用戶的差異化營銷和定價，最大限度地增加企業營業額，實現企業利潤的最大化。而稅收本質是政府對社會產出進行分配的一種方式，是政府組織收入的主要手段。國家稅務總局印發的《“互聯網+稅務”行動計劃》也提及稅收征管要對納稅人進行差異化管理，依法、高效、足額地組織國家稅收收入。可見，稅務機關和企業在決策上都是通過差異化的應對方案實現其目標。

四、稅收征管現狀與智慧稅收征管方式的差距

根據智慧管理體系案例實證與稅收征管的適配性分析，我們可以得出智慧管理體系構建理論對構建智慧稅收征管體系具有指導和借鑒意義。但在借鑒運用新的理論之前，應先探究稅收征管現狀與智慧稅收征管方式的差距。

（一）數據的統籌應用與大數據技術存在差距

1.缺少平臺思維，系統內部存在一定的數據鴻溝

目前稅務機關內部擁有大量相互獨立的系統，雖然可以進行一定程度的數據交換，但是缺少平臺思維，各軟件的數據交換存在一定的滯后性，導致稅務機關空有大量數據，但無法及時進行系統的相關性分析。

2.過分注重內部數據，未建立統一的外部數據倉庫

我國以納稅人識別號作為納稅人辦理稅收事項和稅務機關管理納稅人的唯一標識，但是該制度實行以來，除了市場監督管理系統外，其他如法院、國土、住建、金融等部門雖然也使用統一信用代碼，但是并沒有給稅收征管開放相應的數據接口，其結果導致稅務機關與社會其他部門相互交換經濟情報和納稅信息存在困難。

3.數據采集過于注重格式化

信息日益豐富是社會科技發展的趨勢，過于苛求數據標準，反而會限制稅務機關的信息獲取和稅源挖掘能力。目前稅務機構的數據采集全部依靠表單的填報，且強調數據的邏輯準確性。數據采集過于注重格式化，缺乏大數據思維。

（二）納稅系統建設用戶體驗關注不夠

1.納稅人系統接入存在一定門檻

統計納稅人辦稅系統數和賬戶輸入數就會發現：納稅人端一共有電子稅務局、自然人辦稅平臺、自然人稅收管理系統扣繳客戶端、開票系統，且四個系統涉及三家軟件開發商，納稅人的賬戶無法做到互通互聯。具體見表3：

表3 納稅人辦稅系統

資料來源：根據電子稅務局·福建整理得到。

2.納稅系統使用流程較長，接口較深

以電子稅務局房產稅申報為例，其完整的申報流程（從最初數據錄入到最后聯網繳稅）涉及五個模塊，而自然人稅收管理系統扣繳管理客戶端（一次完整的代扣代繳申報）涉及人員登記、申報表填寫、申報表報送、輸入申報密碼、獲取反饋、聯網繳稅等六個模塊。

3.信息獲取的渠道不夠完善

現階段除了稅務機關告知、辦稅軟件查詢、涉稅知識學習以外，沒有其他更為有效的辦法讓納稅人及時便利地獲取涉稅信息，并且稅務咨詢還是以人工解答為主，容易受限于人力資源數量和個人業務素質，缺少稅務咨詢的人工智能客服。

（三）以人為核心的稅收數據識別分析機制不夠高效

1.稅收工作過于強調稅款的追征而非機制的完善

目前納稅評估和稅源監控工作流程為：稅源監控→納稅評估→風險應對。這種模式下納稅評估或風險應對的結果只能作用于單一的對象或者某個特定類別的群體，不具備從根本上對整個評估機制或數據模型進行改進的功能，導致在日常征管中存在重復勞動、低效勞動等情況。

2.稅收風險監控容易陷入依賴納稅人主動申報的數據陷阱

目前稅收風險監控，一方面高度依賴納稅人主動申報的納稅申報表和財務報表數據，需要納稅人高度的自覺以及稅務機關的努力；另一方面由于納稅人主動申報的數據規范性較差，存在為了通過校驗隨意填報現象。因此，現階段稅收風險監控依賴納稅人主動申報獲得的數據無論是在質量還是規模上都無法滿足稅務機關建立智慧稅收征管體系的需要。

3.對納稅人識別缺少“畫像”思維

以“金三”系統為例，目前稅收征管（對納稅人管理）邏輯通常為：稅務登記→行業/納稅人屬性/地區→管理分局，還處于簡單的線性管理，即以稅務登記為起點對納稅人進行自然屬性的歸類，而沒有進一步在畫像識別的基礎上對納稅人進行差異化管理。

4.納稅評估受限于人的主觀因素

即使在“金三”系統上線后，納稅評估還是依賴人工發起，指標模型也大量依賴人員導入計算。因此現行征管模式下基層稅務機關工作質效受制于人員數量及人員素質，大部分指標遇到執行難、針對性不強等問題，缺少一個對全域納稅人的智慧化識別評估機制。

（四）稅收決策及改進缺少系統的支持

1.缺少納稅人端的智慧決策支持系統

納稅服務軟件是直接服務納稅人、提高納稅工作效率的常用工具，而在日常稅收申報、風險應對、違規違法行為的處理等具體決策上還是依賴于納稅人的主觀能動性以及稅務機關的查賬征收，缺少智慧的決策系統進行輔導和幫助。

2.缺少稅務端的智慧決策支持系統

目前稅務機關的決策主要依賴集體人員的聚集商討，針對的是具體的稅收事件，稅收分析依靠的是有限的系統數據和人工收集的外部數據，決策效果往往取決于集體智慧及經驗。這一決策方式存有三方面的局限：一是過度依賴人員素質；二是對具體復雜的問題往往需要長時間的研判、討論；三是隨著經濟情況的不斷變化，依賴人工決策往往會出現考慮不周全，執法不規范，導致一定的稅收執法風險。

3.系統無法進行自我改進和糾偏

目前“金三”系統內部運營的各項指標模型的改進優化都是遵循“問題分析、需求提出、修正升級”的路徑，過于依靠人員數量及人員素質對系統需求和指標模型的有效性進行分析評估。后臺技術部門只能依據人工分析評估的結果對系統參數進行修改，無法實現系統自我改進和糾偏。

五、構建智慧稅收征管體系的對策建議

京東及阿里巴巴的案例實證很好地說明了智慧管理體系能很好地改善用戶體驗，提高企業效益，符合社會生產力的發展方向，也為構建智慧稅收征管體系提供了思路。

（一）確立數據共享的法律約束機制，夯實智慧稅收征管體系的法理基石

1.在國家法律層面建立社會唯一標識接口制度，實現政府、服務提供商、納稅人三者信息識別的統一

通過全國人大立法規定以社會唯一的標識碼進行檔案建立與對象識別，并且以唯一標識碼作為連接各個系統的接口。社會經濟活動的參與者可以依靠唯一標識一站式辦完政府有關部門的行政手續，同時政府通過標識碼與其他社會經濟服務相關聯。

2.通過法律規定各機構涉稅信息共享的義務和范圍

就京東、阿里巴巴等服務提供商而言，其第三方信息的獲取是通過在服務過程中與用戶簽訂各種信息使用授權；稅務機構與其不同，政府的公共性無法將授權與否與服務的排他性關聯起來，而用戶企業為了維護自身利益都會盡可能少地提供涉稅信息。因此必須通過法律規定第三方機構對稅務機構共享信息的義務和責任，建立與工商、公安、民政、金融、證券、國土、房管等部門的涉稅信息數據交換機制，實現多方數據的調取和交換。

3.賦予智慧化服務的法理屬性

人工智能發展迅速，但人工智能相關法律規定相對滯后，人工智能做出的決定是否具備法律效益，能否成為執法鏈條中的一環，還未明確。因此，需要對智慧征管體系下系統自動形成的法律文書和做出的行政決策進行法理屬性的確認，明確其法律效力。

（二）依托前沿科技，搭建智慧稅收征管體系的未來技術框架

1.以云計算和大數據技術作為稅收征管系統的技術基礎

無論是阿里巴巴還是京東，都是利用云計算技術搭建統一數據應用平臺，并在此基礎上構建具體業務應用系統。因此未來智慧稅收征管體系應改變傳統服務器和數據庫搭建模式，依托云計算和大數據技術，打造多層級的系統框架。一要將現階段各個稅務系統的數據庫采用“松耦式”的分布設計接入統一的云計算平臺，消除各系統之間的數據鴻溝；二要歸集公安、人社、住建、金融、物流等領域的多方公共數據，將“公共數據歸集庫”與“垂直數據基礎庫”在相同結構的數據層面進行脫敏交互，提升數據的交互效率，夯實智慧稅務的數據基石；三要對收集交換到的原始數據進行清洗和處理，形成具備一定特征的數據集，直接面向“稅務機構決策”和“納稅人應用”，提升數據調取的效率。

圖4 基于云計算和大數據技術的稅收征管系統框架

2.充分賦權，利用人工智能技術實現涉稅決策的智慧、高效

人工智能技術的核心在于通過深度學習實現系統自我決策和自我改進，最大限度地減少人類主觀因素的影響，提高決策效率和質量，其在納稅服務和稅收管征方面存有巨大的應用空間。

在納稅服務方面，納稅服務系統過于強調納稅申報過程中法律要素的體現，從而對用戶思維視而不見。而用戶思維與法制思維二者并不矛盾，可以依托人工智能技術，實現數據的自我學習和填報，降低納稅人實際使用過程中的“阻隔感”。從有用、易用、友好及視覺感受等角度來加強納稅服務系統的頂層設計，讓納稅人從感觀、情感以及交互上都能得到良好的體驗。通過人工智能的深度學習，實現經營信息和財務數據自動加工計算后自動報送。同時根據納稅人關聯企業的信息以及具體的經濟行為，自動預報納稅人存在的涉稅風險點，推送給納稅人端，并對納稅申報及風險應對進行建議。同時根據納稅人的涉稅互動記錄及咨詢熱點對納稅人進行個性化政策宣傳推送，提高稅法宣傳的效率。

在稅收征管方面，稅收征管系統通過人工智能技術自動收集數據，自動對納稅人申報是否真實、是否存在欠繳少繳稅款等稅收風險點進行計算評估認定，自動生成評估結論和稅務事項通知書。稅務機關無須人工錄入評估指標、評估模型、評估結論以及自作送達文書等，這些業務全部由系統自動完成。納稅人發生的各項稅收違法行為由系統識別后自動調用相應法律條文，同時通過系統采取電話自動催繳、電文自動發送、軟件信息自動推送等方式對納稅人進行涉稅信息送達，并利用閱讀反饋技術，對納稅人是否簽收文書進行判斷。

3.運用區塊鏈技術進行數據記錄和處理，保證數據的及時、準確

區塊鏈技術是一種去中心化的分布式數據存儲技術，通過加密算法和點對點傳送使得數據的存儲與傳輸具備透明性和不可篡改性，這兩個特性與“稅收數據要求完整、真實地反應納稅人經濟行為”的特性完全一致。因為區塊鏈的去中心化的分布式存儲，導致沒有一方可以單獨掌握絕對的數據話語權。納稅人各類經濟行為都分布式存儲在各個節點上，可以完整地反應納稅人的經濟活動，同時區塊鏈分布式存儲通過各個節點達成共識而形成完整的數據，導致數據被記錄后就無法篡改，可以有效保證數據的真實。區塊鏈技術運用于發票領域可以減少發票虛開和偷稅漏稅行為，并且區塊鏈技術進行數據存儲，納稅人經濟活動產生的各項數據實時記錄在各個節點上，保證涉稅信息和應交稅款的及時、準確。

4.搭建物聯網稅收平臺進行數據采集，保證數據的真實、全面

物聯網作為互聯網的應用拓展，依托移動信息技術，實現了物物相聯和物物相息。物聯網通過智能感知、識別技術將道路、電力、交通、貨物、人力等各要素的運行數據轉化為實時的動態數據，通過云計算分析動態數據并實時監控各系統的運營狀況。具體到稅收征管領域，嘗試搭建物聯網稅收平臺，與納稅人、通訊、能源、交通等物聯網系統對接，實時監控比對納稅申報信息與企業生產經營狀況的一致性，及時排查應對涉稅風險點，保證稅收數據采集的真實和全面。

（三）重塑組織架構，建立以風險管理和數據分析為主導的組織模式

1.建立完整的稅收風險管理流程，實現稅收征管的風險導向

各級稅務機關應成立專門的稅收風險管理部門，并轉變傳統的征管理念，依托云計算、大數據以及區塊鏈和物聯網等前沿技術，實行從稅源監控到風險應對的全流程風險管理。在風險管理部門內部按行業設立風險管理小組，每個小組負責本行業風險管理計劃的制定、風險識別指標的維護和風險評估工作。建立風險管理外部專家聯絡組，外聘法律、金融、財務以及特殊行業等方面的專家，保證納稅評估工作的專業性。

2.成立專門的大數據管理機構，實現數據的頂層統籌

建立國家和省級集約化大數據管理機構，增強頂層大數據統籌領導能力。稅務總局數據管理機構負責對全國涉稅數據的交換、收集、處理工作，挖掘跟蹤重大稅源，向省稅務局推送稅收風險數據，并指導下級開展涉稅數據的分析、運用；省級數據管理機構負責本級涉稅數據收集、交換、分析處理工作，組織本級稅源的稅收分析和風險管理。在國家和省級涉稅數據管理機構中，增配稅收業務、信息技術、數據處理三類專業人才。

3.重新配置歸集業務群，保證征管體系運行的專業、高效

在數據管理集約化的基礎上，重新配置歸集基層業務群，各業務群負責征管流程的具體業務并且向數據管理部門提出具體的數據業務需求。如何保證實現數據歸集管理專業化的同時避免產生數據與征管的脫節割裂？一要建立具有執法資格的稅收征收服務分局（辦稅服務中心），負責智慧管理體系前端與納稅人的直接交互工作，如一般稅務申請、審批等工作。二要在省局設立直接從事稅收執法與管理的工作部門，如大企業管理部門、稅收風險管理部門、稅收執法調查部門等，直接承擔大企業稅收管理和涉稅重大案件調查執行工作。三要在市縣局設立小企業稅收管理分局、自然人稅收管理分局、稅收執行分局。稅收管理分局主要進行具體的稅收風險評估和風險應對；稅收執行分局承擔轄區內稅收強制征收等稅收執法工作。

圖5 以風險管理和數據分析為主導的組織模式

（四）轉變征管方式，構造從數據到稅源的全景稅收征管機制

隨著大數據、物聯網和人工智能等技術催生的數字經濟的不斷發展，新技術、新產業、新業態、新模式不斷涌現，在這一背景下依靠人力資源推進的稅收風險識別評估機制無法滿足稅收征管現代化建設的需要。智慧稅收征管體系的關鍵就是讓稅收征管體系具備甚至優于人類的思維和處理方式。在這一體系下，不但可以突破人的素質和精力的局限，最大限度地分析經濟稅收的全景數據，同時也可以最大范圍地對廣大納稅人進行稅收風險監控和納稅評估。

1.建立以納稅人行為分析模型為起點的全景稅收風險監控模式

以納稅人申報為主體的稅收風險監控模式容易陷入納稅人主動申報的數據陷阱。借鑒京東基于靜態數據或動態數據設立的消費者行為模型來預測消費者偏好實現精準營銷的經驗，稅務機關可以依托大數據技術，突破依賴納稅人主動申報的數據獲取局限，自動抓取社會經濟活動參與者的各類經濟活動信息，利用系統最大范圍內地獲取納稅人的涉稅數據，再通過相關分析模型預測納稅人的涉稅活動，然后推送到具體的業務應用層。

圖6 從數據到稅源的全景征管機制

2.設立基礎性稅收評價模型進行全域風險識別預警

借鑒阿里巴巴以用戶信用為驅動的用戶評價模型體系，在納稅識別評估領域也可通過建立一個基礎性的全域稅收風險識別指標，并設定一定的閾值對納稅人進行基礎性質的初步識別，實現由大數據到稅收數據的初步過度。通過基礎性稅收評價模型不但可以將稅務人員從繁雜的稅收指標中解放出來，避免陷入數據漩渦，同時也可以讓納稅人直觀感受到自身稅收繳納情況。

3.利用納稅人畫像實現全域識別基礎上的風險精準識別應對

京東及阿里巴巴數據倉庫對每個用戶通過模型計算賦予各類標簽，最后形成完整的用戶畫像，并據此針對性地提供可供參考的決策。稅務機關也可依托數據倉庫和數據模型，為納稅人賦予各類涉稅標簽并整合出完整的納稅人畫像，實現稅收征管數據的可視化。其中納稅人標簽按照數據加工的流程可以將其劃分為不同的層級關系。首先是描述客觀事實的事實標簽層，反映企業每期納稅申報時間、稅務咨詢熱點以及稅收違法行為等動態的事實屬性；其次是對各類數據加工得出企業稅收風險、稅收負擔率，稅收遵從率等標簽；再次是對納稅人作出差異化風險應對標簽；最后是對標簽優先級排序，即可形成納稅人的整體稅收畫像。