運用“稅務助手”驅動智慧稅務建設的思考

◆鄭甫華 ◆鄧永勤 ◆周 超

內容提要：新一輪稅收征管改革以“稅收大數據為驅動力的具有高集成功能、高安全性能、高應用效能的智慧稅務”為實踐導向，揭示了稅務數據要素在智慧稅務建設中的突出作用。文章基于稅務數據要素與智慧稅務的密切聯系，分析了智慧稅務建設的內在邏輯，提出了稅務部門運用“稅務助手”驅動“智慧稅務”建設的思路。針對稅務系統推進智慧稅務建設存在的問題，設計了“稅務助手”的系統架構，對“稅務助手”在智慧稅務實踐中的應用場景進行了探討。

自2014年政府工作報告首次提出“在新一代移動通信、集成電路、大數據、先進制造、新能源、新材料等方面趕超先進，引領未來產業發展”以來，大數據技術已成為我國經濟發展的重要驅動力，對稅收征管改革提出了新要求、賦予了新動能。2021年3月，中辦、國辦印發《關于進一步深化稅收征管改革的意見》（以下簡稱《意見》），提出建立“以稅收大數據為驅動力的具有高集成功能、高安全性能、高應用效能（以下簡稱“三高特征”）的智慧稅務”，闡明了智慧稅務建設的內在邏輯、發展目標，為進一步深化稅收征管改革，明確了智慧稅務建設新方向。

一、“稅務助手”概述

“稅務助手”是基于全國稅務系統信息化主體架構建立的新型稅收大數據系統的形象稱謂。稅務部門對智慧稅務建設展開了一系列探索和實踐，逐步實現數據整合。通過建設全國統一規范的電子稅務局，全國納稅人80%以上的業務可以線上辦理。通過運用大數據和稅收規則進行自動算稅與申報表信息預填，當前已經有多個稅種實現了“簡并申報表，一表報多稅”。結合智慧稅務概念和內在邏輯辨析，基層稅務機關智慧稅務建設的思路是：以大數據和人工智能技術為依托，數據感知和獲取、處理和存儲、分析和挖掘能力提升為切入點，精確執法、精細服務、精準監管、精誠共治為目標，重塑稅收征管模式和流程。基于這一思路，對電子稅務局和稅收大數據平臺進行補充和完善，構建的具有安全高效、便利友好特性的新型稅收大數據系統就是“稅務助手”。通過“稅務助手”在稅務部門的“部署”，可以從微觀、中觀、宏觀三個層面，提升稅收征管質效。

在微觀層面，“稅務助手”通過對稅務數據的規模化、集約化應用有效提升稅費征管信息化水平。一是數據規模化。稅務助手融合來自金融、生態、社會各領域的數據資源，打破傳統稅務數據空間分散化、碎片化狀態，達到泛在聯系和無限感知，進而實現規模效應。二是資源集約化。借助云計算，可以提升數據運用效率，把以往重復化、程序化、非創造性的日常工作通過信息技術快速完成，促進日常稅費征管去人力化，從而有條件優化稅收征管資源配置，充實風險管理等關鍵環節。三是管理服務個性化。納稅人繳費人訴求多樣化、社會治理復雜化的新形勢對稅務機關的征管和服務提出了更新更高的要求。通過稅務助手實現數據最小顆粒度的靈活組合，可以輸出個性化、自動化服務供給，為稅費征管活動個性化夯實基礎。

在中觀層面，“稅務助手”通過分析挖掘稅務數據要素價值，實現決策質量、征管效能、執法質量顯著提升。一是提升決策質量。稅務數據要素高滲透、泛在使能的特性使得稅費數據能夠及時客觀反映企業生產經營情況和自然人收支變動情況等，通過分析挖掘，稅務助手可以對社會經濟發展運行態勢作出預測，進而為宏觀調控政策出臺提供有針對性的決策依據。二是提升征管效能。一方面，稅務助手可以使納稅人繳費人履行義務更加便利，稅務機關也可以精準識別失信違法信息。另一方面，通過挖掘稅務數據要素，稅務助手能夠及時發現和彌補稅費征管漏洞，確保依法依規應收盡收。三是提升執法質量。面對數量日益增長的市場主體，稅務機關面臨更加充滿不確定性的執法環境，基于稅務助手的“人工+智能執法”，更有利于規范執法行為和提升執法質量。

在宏觀層面，“稅務助手”驅動智慧稅務建設最終表現為“飛輪效應①“飛輪效應（Flywheel Effect）”最早由美國管理專家吉姆柯林斯（Jim Collins）在《從優秀到卓越》（中信出版社 2002年出版）一書中提出，用來形容一件事情剛開始做比較吃力，成效不彰，但只要持之以恒的堅持，在后期會很順利，成效也會愈加明顯。“飛輪效應”能夠較好地從宏觀層面描述稅務數據要素驅動智慧稅務建設的客觀效果。”，這是稅務助手驅動智慧稅務建設的必然結果。稅收助手為征納雙方提供增值服務，政府部門和市場主體在享受增值服務過程中，也會產生新的稅務數據，而稅務機關利用新的稅務數據繼續產生新的增值服務，周而復始，這就是一個“正向循環”。隨著“正向循環”不斷演化，稅收治理體系和治理能力現代化水平也將呈現螺旋式上升發展趨勢。

二、以稅務數據為驅動打造“智慧稅務”

以稅務數據驅動智慧稅務建設，揭示了稅務數據要素與智慧稅務的密切聯系，即稅務數據要素在智慧稅務建設中具有突出作用，智慧稅務是稅務數據要素應用于稅收實踐的發展目標和必然結果。

（一）“智慧稅務”的實踐邏輯

“智慧稅務”作為稅收改革和創新的目標之一逐步進入理論界和實務部門的視野，形成了一批初步的研究成果。重慶市國家稅務局課題組（2017）較早從感知全面、識別準確、應對及時、持續創新四個方面概括了智慧稅務的基本特征，并從基層稅務機關角度對智慧稅務實現路徑進行了探索。孫存一和譚榮華（2018）較早闡述了數據資產與智慧稅務的關系，指出智慧稅務是以數據資產為核心的全流程、全要素管理，強調盤活、用好數據資產對形成稅務數據治理應用新格局具有重要作用。樊勇和杜涵（2021）也強調稅務大數據與稅收征管全過程都具有密切的聯系。楊志勇（2018）指出，人工智能技術的廣泛應用將有力促進智慧稅務建設，同時對稅收理論和政策創新也會帶來不可忽視的挑戰。謝波峰（2021）也關注到智慧稅務與人工智能的關系，指出將二者關系界定清楚，是探討技術與業務在高應用效能業務系統中融會貫通的基礎。根據《意見》關于稅收大數據驅動“三高特征”智慧稅務建設的闡述，智慧稅務是以稅務數據要素為基礎、以涉稅信息智能歸集、納稅人繳費人行為精準管理、稅務人員履責自動考核、稅務決策信息和任務自主分類推送為基本內容，集技術之大成，具有安全高效、便利友好特性的稅務生態。

智慧稅務建設的內在機理就是利用稅務數據要素夯實稅收管理體系數據基礎，通過數字化升級和智能化改造，引發稅務數據要素流動路徑、制度規范和征管思維的改革創新，繼而創造出適應新興信息技術和經濟社會發展、具有“三高特征”的智慧稅務體系，推動實現更加和諧的稅費征納關系。

（二）稅務數據要素的內涵及其應用淺析

2020年政府工作報告提出“培育技術和數據市場，激活各類要素潛能”，明確了數據要素具有市場特性，表明數據資產的概念日益得到廣泛認同，正在從理論進入實踐。稅務數據要素作為一項重要的數據資產，包括政府、企事業組織和個人參與稅費收入征納全過程所產生的原始數據和基于原始數據挖掘分析所產生的衍生數據。稅務數據要素確定權屬可分為以下三種情形：一是納稅人繳費人依法向稅務機關申報和稅務機關在依法履職過程中采集的未經加工、可識別數據主體的原始數據，其所有權歸稅務部門和數據主體共有，但稅務部門除了公共用途外，不能隨意披露、推送和使用；二是基于特定目的和數據技術對海量原始數據進行處理形成的衍生數據，其所有權歸數據處理的主體，以體現“誰釆集、誰投入、誰受益”原則；三是其他具有個體識別性，能夠識別數據主體的原始稅務數據，以及經過處理但仍可識別原始數據主體的“假衍生數據”，其所有權歸原始數據主體所有。

稅務數據要素具有高滲透性、有限流動性、泛在使能性、通用目的性四個基本特征。高滲透性，指隨著稅務機關職責范圍不斷拓寬，稅務數據已經滲透到企業、個人、政府等全部經濟活動主體，成為重要的生產要素。有限流動性，指稅務數據要素以在特定平臺架構內、同一主體內流動為主或優先在不同平臺、不同主體內流動。泛在使能性，指稅務數據要素覆蓋了“社會生產一流通一分配一消費”各個領域，通過挖掘稅務數據要素潛力，能夠賦能社會生產生活各個方面。通用目的性是指稅務數據要素具有普遍適用的性質和潛力，能夠對經濟社會轉型產生深遠影響。

三、智慧稅務建設的壁壘、障礙和瓶頸

近年來，稅務部門數據釆集和處理能力顯著提升，“數據驅動、風險導向”稅費征管格局初具雛形。但由于在數據感知和獲取、處理和存儲、分析和挖掘等方面還存在不足，導致智慧稅務建設與應用存在較大差距。

（一）稅務數據獲取存在“壁壘”

稅務數據需求缺乏“理解力”。一是缺乏對全稅種、全流程的業務認知能力，導致稅務數據中存在的一些深層次問題（比如數據邏輯錯誤）不能及時發現；二是缺乏對納稅人繳費人需求的理解能力，導致推出的服務舉措常常與納稅人繳費人需求存在較大差距；三是缺乏將數據轉變成生產力的應用能力，具體表現在日常工作中缺乏數據思維，簡單的數據釆集和堆砌較多，運用數據思維發現和解決問題不足。

稅務數據獲取缺乏“及時性”。近年來，稅收共治雖然已成為全社會的共識，但出于數據安全、技術等方面考量，基層稅務機關與各部門之間的數據共享仍然不夠及時。部門之間的數據接口尚待建立和完善，信息共享交換多以移動存儲設備、電子郵箱等傳統方式進行，安全性、保密性難以保證，時效性、有用性大打折扣。同時，稅務部門對納稅人繳費人管理過程中形成的數據分散在各系統模塊中，沒有實現統一整合，阻礙了稅務數據更高層次的及時應用。

（二）稅務數據處理和存儲存在“障礙”

稅務數據口徑存在差異。稅務活動的特殊性決定涉稅數據必定是多主體的。不同部門、行業由于各自背景職能不同，對同一涉稅事項的描述可能存在差異，所用指標名稱、標準甚至實際意義大相徑庭。面對海量的稅收大數據，人工處理存在時間長、效率低等特點，通過算法模型處理則存在識別不精準，影響數據挖掘分析成效的可能。

稅務數據存儲能力不強。稅務部門當前數據存儲主要方式是關系型數據庫。關系型數據庫一般適用于結構性數據的存儲，當數據規模達到一定量級后，就會出現文件不能有效管理，海量數據讀寫速度急劇下降等一系列問題。面對涉稅數據規模大、半結構和非結構化數據快速增加的現狀，顯然傳統的關系型數據庫已經不能滿足海量稅務數據存儲需要。

（三）稅務數據分析存在“瓶頸”

自然語言處理存在“阻礙”。自然語言是指伴隨文化和思想演變所產生的人類相互交流的語言。稅收實踐結果顯示，讓算法充分理解自然語言還任重道遠，具體表現為：自然語言靈活度高，同一語義可用多種形式來表達，對算法而言容易產生歧義；處理自然語言過程中，遇到錯別字，算法不能準確理解這些錯別字所表達的真正含義；在這樣一個新詞額出的時代，讓算法及時發現新詞，并將其準確運用在稅收征管中也是一個難點。

模型可解釋性仍需加強。傳統的統計機器學習模型如Logistic回歸、線性回歸等具有較高的可解釋性，可以針對模型進行歸因分析，確保決策的正確性。新的模型如隨機森林（Random Forest）、支持矢量機器學習（SVM）等，其應用邏輯較傳統模型而言由因果關系轉變為相關關系，雖然更容易得出對改進納稅服務、識別稅費風險有價值的結果，但由于無法準確歸因，導致模型結果合理性不能判別。對于應用到稅務數據上的模型而言，預測結果缺乏詳細的解釋和依據，會影響結果的應用性、可執行性。

四、以“稅務助手”驅動“智慧稅務”建設的創新和實踐

從當前基層稅費征管的痛點、堵點出發，結合理論思考和典型案例，較為合理設計便于稅收征納的“稅務助手”架構，可以有效地將納稅人、繳費人、稅務人從重復機械的工作中解放出來，變“納稅人繳費人圍著稅務轉”為“稅務資源圍著納稅人繳費人轉”，破解辦稅痛點和堵點。

（一）“稅務助手”系統架構

稅務助手的系統架構分為感知、數據、服務三個依次遞進的層面（圖1）。

圖1 “稅務助手”系統架構

第一，感知層面。感知層按照真實性、全面性、多元化、時效性要求，在優化整合內部數據感知和聯通的基礎上，打通數據獲取壁壘，構建起囊括金三系統、電子稅務局、12366系統及第三方數據等多數據源的多渠道、多維度數據感知體系。比如，將銀行、證券交易所產生的金融數據，抖音、快手等平臺產生的交易信息等納入感知范圍，數據交換時間從“T+1”變為“T+0”甚至實時交換等。

第二，數據層面。“稅務助手”按照業務原則、分析原則、效率原則和冗余原則建立的“知識圖譜+傳統數據庫”的數據整合平臺，其由結構化數據、半結構化數據和非結構化數據整合而成。稅務數據存儲到數據層之前需要按照數據標準化要求進行“預處理”，達到統一定義、統一口徑、統一標準后方可存入。同時，參照操作系統的局部性原理，將常用數據放在知識圖譜中，而將訪問頻率不高、重復性強、對關系分析影響微乎其微的數據放在傳統關系型數據庫中，使得數據存儲和訪問時的性能更優。

第三，服務層面。“稅務助手”利用新興信息技術對稅務數據要素資源進行分析和挖掘的平臺，在服務層設計出了情感分析引擎、行為分析引擎、自然語言處理引擎，對改進納稅服務大有裨益。情感分析引擎根據納稅人繳費人的面部特征，利用多模態數據分別計算憤怒、厭惡、輕蔑、害怕、悲傷、驚訝、愉悅和中性等8種基本情緒概率值，并根據不同情緒的權重計算出納稅人繳費人的情感狀態，同時，將情感狀態映射在1分至100分區間范圍內，以便后期比對處理；行為分析引擎是“稅務助手”的核心引擎，綜合運用社會工程學、社會關系網絡分析、機器學習、工作經驗、專家意見及數據可視化等方法，通過稅務機關確定的行為特征對納稅人繳費人行為進行識別；自然語言處理引擎主要通過自然語言交流的方式接收、處理和應答納稅人、繳費人、稅務人提出的問題（文字、語音、視頻等形式均可），同時也可幫助稅務人員自動識別納稅人提交資料中的信息要點，并將其上傳到信息庫中，優化和節省信息搜索時間，提高工作效率。

（二）“稅務助手”應用場景

基于數字經濟時代納稅人經營模式復雜、交易主體隱匿、交易資產流動性強的特點，稅務助手提出了服務評測、風險預警、智能坐席等三個具有現實可行性的典型應用場景。

第一，服務評測是指將納稅人繳費人的滿意度與對應的稅務部門進行實時關聯和反饋。稅務助手根據納稅人繳費人業務辦理完成度設置不同節點并賦予權重，利用情感分析引擎對納稅人繳費人業務辦理節點的音頻（視頻）實時分析加權得到情感狀態生成相應的滿意度。如果發現某一工作人員經常性出現較低滿意度，則重點關注該工作人員；如果發現某一納稅人繳費人經常性出現低滿意度，則通知對應稅收管理員進行核査處理。同時，利用情感分析引擎可對互聯網上的涉稅評價進行監測評判，以便稅務部門及時有效識別和應對。

第二，風險預警包括風險點預測、利益關聯風險測算、風險可視化、人工驗證等階段。風險點預測是稅務機關通過專家意見、工作經驗和機器學習成果將稅費不遵從行為特征化，并將其存儲在知識圖譜中，“稅務助手”根據知識圖譜中生成的納稅人繳費人社會關系網絡，通過行為分析引擎與圖形特征庫進行比對預測出風險點。利益關系風險測算是基于風險點利益關聯的結構特征和關聯交易的業務特征，通過行為分析引擎計算出該稅費風險在其社會關系網絡傳播過程中各個節點的稅務風險評分。風險可視化是將社會網絡關系上各個節點的稅務風險評分輸入可視化界面，構建交互式可視化環境。人工驗證是將稅務風險評分大于閾值的風險點推送給稅收管理員，由其作出進一步應對。同時，將在人工驗證階段發現的稅費不遵從行為新特征補充至知識圖譜，實現風險預警的全流程閉環。

第三，智能坐席是擁有獨立主張、豐富專業知識、類人的機器坐席，分為呼叫、接聽、反饋三個階段。呼叫階段中，“稅務助手”接到呼叫后，迅速調取該納稅人繳費人相關稅務數據，利用行為分析引擎進行分析，初步得到可能咨詢的問題及應答清單，釆取個性化導航方式，回應問題。如若納稅人繳費人對導航問答不滿意則進入接聽模式，由機器坐席利用自然語言處理引擎對提出的問題進行處理后在知識圖譜中檢索答案并以自然語言的方式回應納稅人繳費人，同時，在問答過程中，輔以情感分析引擎使得交流“人性化”。反饋階段分為兩部分，一部分是將納稅人繳費人咨詢問題運用行為分析引擎預測出涉及此類問題的納稅人繳費人清單，推送至對應稅收管理員，由稅收管理員依據納稅宣傳輔導情況決定是否將此類問題及解決方案推送至相關納稅人繳費人，另一部分則將納稅人繳費人咨詢問題補充至知識圖譜，促進知識圖譜的持續改進和創新。

五、結語

在云計算、大數據、人工智能等新興技術融合賦能下，以稅收大數據為驅動的智慧稅務發展前景可期，稅收征管和服務流程也隨之加速變革。“稅務助手”是基層稅務機關智慧稅務建設的思考和探索，對驅動智慧建設更好更快發展，貫徹“以服務納稅人繳費人為中心”的現代稅收征管理念，構建“規范性、便捷性、精準性”現代稅收征管業務體系，引導納稅人從“被動遵從”向“主動遵從”轉變具有促進作用。“稅務助手”利用稅務數據要素夯實稅收管理體系數據基礎，通過提升稅費征管信息化水平，促成決策質量、征管效能、執法質量的三重提升，把稅務數據優勢向稅收治理優勢和治理效能轉化，推動稅收治理體系和治理能力現代化水平提高，賦能智慧稅務創新發展。