以數治稅背景下基層稅收治理問題及優化路徑

2021年，中共中央辦公廳、國務院辦公廳印發《關于進一步深化稅收征管改革的意見》，標志著我國開啟了以數治稅的稅收治理模式新變革。基層稅務部門是稅收工作的前沿陣地，數據思維對提升基層稅收治理能力提出了新的更高的要求，以現代信息技術賦能基層稅收治理，推動以數治稅在基層稅務機關落地，對提高基層稅收治理水平、高質量推進中國式現代化稅務實踐以及助力國家治理體系和治理能力現代化具有重要意義。據此，本文通過厘清以數治稅背景下基層稅收治理的基本邏輯，總結以數治稅背景下基層稅收治理面臨的現實問題，并提出相應的優化路徑，為拓展提升基層稅務機關以數治稅能力提供參考借鑒。

以數治稅背景下基層稅收治理的基本邏輯

基層稅收治理現代化是反映稅收治理現代化乃至國家治理現代化的重要窗口，以數治稅作為一種新的稅收治理模式，對推動基層稅收治理現代化具有重要作用。加大信息化技術在基層稅務執法、稅收風險管理和納稅服務等領域的應用，加快基層稅務部門數字化轉型，不斷提升基層稅務部門以數治稅的能力和水平，推動基層稅收治理向現代化邁進，是實現稅收現代化和中國式現代化的邏輯要求。

（一）以數治稅是強化基層稅收風險管理的內在需求

以數治稅賦能稅收風險管理的關鍵在于數據資源的有效利用。由于市縣級基層稅務機關直接面向地方發展實際，是收集海量稅收數據、感知稅收運行情況的前沿陣地，與稅務總局和省級稅務機關相比，稅收風險管理更加實際具體，如何有效利用數據資源考驗著基層稅務機關稅收風險管理能力。通過收集、整理、分析和應用稅收大數據，建立基于大數據的稅收風險管理模型，可以實現稅收風險管理的信息化、智能化和自動化，幫助基層稅務部門進行稅收預警和風險防范，從而提高稅收風險管理的實效。比如，稅收大數據管理平臺可以整合稅務稽查、納稅評估、涉稅事項審批等涉稅信息數據，通過風險數據共享，強化風險識別和數據分析，形成信息采集、數據分析、風險排查、任務發布、風險應對等為一體的風險管理鏈條。同時，可以強化部門間信息共享與合作，加強稅務、財政、人民銀行、金融監管、市場監管、公安等部門以及第三方交易平臺的聯動，形成稅收風險協同治理合力，切實提升基層稅收風險管理質效。因此，深化稅費數據資源開發應用，推動稅收風險管理由“以人為主”模式向“數據驅動”模式轉變，實現稅費管理數字化、智能化轉型，是強化基層稅務部門稅收風險管理的內在需求。例如，鎮江市稅務局依托江蘇省稅務局智慧稅務平臺數字化場景、鎮江市稅務局大數據和風控中心實體化場景，探索建立稅收監管指揮中心，將稅收大數據預警體系、風險模型和可視化技術有機結合起來，加速釋放稅收大數據技術引領效應，有效預警和防范稅收大數據中可能存在的風險。

（二）以數治稅是優化基層納稅服務方式的現實需要

以數治稅賦能納稅服務的關鍵在于提高納稅服務效率，降低納稅服務成本。基層稅務機關處在服務廣大納稅人繳費人的第一線，其服務水平與納稅人獲得感、滿意度直接相關。運用稅收大數據可以有效解決納稅人繳費人辦稅繳費過程中的堵點、難點，精準提供線上納稅繳費服務。通過“非接觸式”辦稅繳費模式，可以簡化辦稅流程，壓縮辦理時間，為納稅人提供更加便捷高效的服務，從而提升納稅服務水平。例如，濰坊市稅務局聚焦以數治稅，充分發揮稅收大數據優勢，運用“全國納稅人供應鏈查詢”功能，積極為民營企業牽線搭橋，拓寬上游原材料供給來源，打通下游產品銷售渠道，有效回應企業產業鏈供應鏈不暢等訴求；深挖12366熱線數據，按月對熱線電話進行穿透式分析，實現全量來電的分類分層歸集，并與各類服務征管事項關聯穿透，敏銳分析出納稅人繳費人在辦稅繳費服務過程中的共性與個性需求，精準響應納稅人繳費人訴求。

以數治稅背景下基層稅收治理的現實問題

雖然以數治稅模式在稅收治理方面已經取得了積極成效，但由于基層稅務部門既是稅務系統里落實各項政策的“最后一公里”，又是為廣大納稅人繳費人提供各項服務的“最先一公里”，因此，基層稅收治理存在一定的特殊性，以數治稅背景下基層稅收治理仍有提高的空間。

（一）數據思維有待啟發

隨著“以數治稅”模式的明確，納稅征管和服務已逐步實現電子化，從新電子稅務局的推廣到數電票的正式使用，稅務機關在“以數治稅”方面實現了更進一步，但基層的數據思維仍有待進一步啟發。有些工作人員對于大數據在稅收中的應用價值認識不清晰；另外，大數據應用需基于龐大、準確、有效的數據集，需經過分析后融入稅收征管的各個環節，以協助稅務人員進行稅源管理，并幫助納稅人順利辦理納稅事宜，而目前基礎數據集合的構建尚不完善，基層稅務機關所使用的系統種類繁多，再加上各區縣局自主開發的輔助系統，這些系統難免存在功能重疊、數據分散、應用閑置的問題。數據的分散性影響了數據的獲取、存儲、分析和應用。

（二）集成應用需拓新局

在當前稅收治理環境中，盡管已經取得了顯著進步，但稅務機關在數據應用和集成共享方面仍需要努力開拓新的局面。數據是稅務工作的核心資源，其應用、集成和共享程度直接影響稅收治理的效率和效果。

一方面，數據應用層面仍有待深化。目前，稅務機關在數據處理和分析方面已經具備了較強的能力，但在數據驅動的決策制定和業務流程優化方面還有提升空間。當前，稅收數據在部分基層稅務機關運用不足、數據使用受限、信息碎片化、整合分析浮于表面，未能充分發揮大數據優勢；數據分析仍限于查詢、趨勢描述和簡單規則匯總，缺乏深度和有效性，且數據模型與風險分析等業務未廣泛實施，風險模型覆蓋面不足，指標不全，數據基礎薄弱，風險指標主要依賴內部數據，缺乏與第三方數據的深入分析，導致風險應對模式單一。行業、區域及風險分析尚未深入，指標建立精準性不足，無法全面體現大數據價值。

另一方面，集成共享方面也存在不足。首先，現有系統無法全面歸集和分析數據，對基層稅務機關的指導性和導向性不足，影響后續工作。其次，數據系統分散，稅務總局“云平臺”集成度不夠，前沿技術掌握不足，軟硬件配置水平低，制約大數據應用。再次，稅收數據平臺需整合優化，金稅三期、四期系統也需進行功能完善和性能提升。最后，稅收治理中的數據需求不僅限于稅收數據，還包括其他相關部門和行業數據。雖已建立部分信息共享平臺，但數據處理、信息安全等問題阻礙了深度共享和聯動分析，導致大數據優勢未能充分發揮。此外，數據共享的法律保障不足，數據標準不統一，配套制度不健全，也是制約數據共享的重要因素。

（三）人才隊伍需加強建設

基層稅務工作人員雖能識別風險點，但缺乏深入分析數據的能力，制約了對數據的準確判斷。當前，稅務系統大數據和風險管理人員中，專業人才占比不高；現有培訓主要集中于基礎稅收政策，缺乏數據分析和數據運用能力的培訓；業務骨干的能力主要來源于經驗，專業化不夠，可復制性不強，很難在短時間內培養一大批數量可觀的高素質專業人才。

（四）分析效果仍需提升

稅務大數據的應用為基層稅收治理帶來了革命性的變化，但同時也存在了分析效果尚未達到預期的問題。

一方面，數據質量問題會影響數據分析結論的準確性。對稅務部門來說，數據質量高低直接關系到稅收征管的效率和準確性，以及稅務服務的質量。在稅務數據的整個生命周期中，從收集到傳輸，再到存儲和處理，各個環節都可能出現數據質量問題。首先，數據收集過程是多渠道的，涵蓋了納稅人自主申報、第三方信息提供以及稅務部門自行采集等多種方式，這些途徑在數據采集時可能因人為因素（如數據輸入錯誤、理解偏差）而引入誤差。其次，數據傳輸環節存在風險，由于網絡故障、設備故障等原因，數據可能在傳輸過程中失真或丟失，進一步影響了數據的準確性和完整性。最后，數據存儲和處理過程中的不規范操作，比如數據備份不及時、數據清洗不徹底等，同樣會引發數據質量問題的產生。因此，確保稅務數據的質量需要在整個數據生命周期中嚴格把控各個環節。

數據質量問題對稅收征管工作具有重要的影響。一旦數據出現質量問題，稅務部門在數據分析、風險評估、稅款計算等關鍵環節就可能得到不準確的結果，這不僅會直接影響稅收征管的效率和準確性，還可能導致一系列的連鎖反應。此外，數據質量問題還可能增加稅收風險。由于數據不準確，稅務部門對納稅人的風險評估可能產生偏差，這可能導致漏稅、逃稅等稅收風險的出現，對稅收征管的穩定性和公正性構成威脅。同時，數據質量問題還會降低稅務部門為納稅人提供服務的質量。如果稅務部門所依賴的數據不準確，那么納稅人在咨詢、查詢等服務中就可能得到錯誤的信息或建議，這將嚴重影響納稅人的滿意度和信任度，進而對稅務部門的形象造成負面影響。

另一方面，模型的選擇和可解釋性對分析結論和效果具有重要影響。在基層稅務部門應用大數據分析的過程中，模型的選擇至關重要。然而，這一過程并非易事，因為它往往需要深厚的專業知識和豐富的實踐經驗來準確判斷模型的適用性。此外，許多復雜的機器學習模型雖然性能優越，但在可解釋性方面卻存在不足，這常常給基層稅務部門帶來困擾和挑戰。

以數治稅背景下基層稅收治理的優化路徑

以數治稅作為新時代稅收治理的重要方向，為基層稅收治理帶來了前所未有的機遇與挑戰。針對基層稅收治理在數據整合、技術應用、人才隊伍建設等方面存在的問題，提出優化路徑，以期進一步提升基層稅收治理效能，高質量推進中國式現代化稅務實踐，更好地服務于國家經濟社會發展大局。

（一）激發基層數據思維，提升“數據素養”

首先，稅務部門應組織系統性的培訓和學習活動，不僅涵蓋大數據技術的基礎知識，還要深入講解大數據在稅收征管中的應用實例，以及數據驅動的決策方式。這些培訓應結合具體案例，使基層人員能夠直觀地理解大數據在稅收征管中的應用及其帶來的效率和準確性提升。其次，鼓勵基層人員積極參與實際的大數據應用項目。通過參與項目的實踐，基層人員可以親身體驗大數據帶來的變革，并在實踐中不斷學習和成長。同時，項目完成后，可以組織經驗分享會，讓參與人員分享心得和體會，從而激發更多人的興趣和熱情。此外，稅務部門還應加強與高校、研究機構等外部機構的合作，引入外部專家為基層人員提供指導和支持。通過與外部機構的合作，可以引入更多的先進理念和技術，為基層人員提供更多的學習機會和資源。

（二）拓展數據應用集成，促進信息共享

針對當前稅收治理環境中數據應用和集成共享方面的不足，稅務部門應深化數據應用，提升數據驅動的決策制定和業務流程優化能力。通過強化數據處理和分析，提高分析的深度和有效性，并廣泛實施數據模型與風險分析等業務，以全面體現大數據價值。同時，應加強數據集成共享，提高系統集成度和軟硬件配置水平，整合優化稅收數據平臺，并完善“金稅三期”“金稅四期”系統的功能和性能，建立更廣泛的信息共享平臺，克服數據處理、信息安全等障礙，推動與第三方數據的深度共享和聯動分析。同時，加強數據共享的法律保障，統一數據標準，健全配套制度，確保數據的安全、有效和合規共享。通過這些措施，基層稅務部門將能夠更好地利用數據資源，提升稅收治理的效率和效果。

（三）加強人才隊伍建設，夯實技術保障

稅務部門應重點加強數據分析能力培訓，以提升團隊整體的數據素養。首先，制定一套系統的大數據及稅收業務相結合的培訓計劃，確保培訓內容既涵蓋基礎稅收政策，又注重數據分析、數據運用能力的提升。其次，應積極引進和培養既精通大數據技術又熟悉稅收業務的復合型人才，建立激勵機制，吸引高端技術人才加入稅務部門。同時，加強內部培訓，尤其是數據分析方面的專業培訓，確保工作人員能夠掌握先進的數據分析工具和方法，提升數據處理和分析能力。此外，鼓勵業務骨干分享經驗，形成可復制、可推廣的經驗案例，加快高素質專業人才的培養步伐。

（四）強化數據安全管理，筑牢安全防線

首先，稅務部門應加強數據安全意識培訓，確保每位員工都了解數據保護的重要性和相關法律法規。其次，要進一步構建多層次、全方位的數據安全防護體系，加強技術研發和應用，包括但不限于加強數據加密、實施訪問控制、建立安全審查機制等。稅務部門應引進先進的數據安全技術，如防火墻、入侵檢測系統和數據加密技術等。例如，深圳市稅務局利用人工智能搭建AI風控平臺，結合稅務登記數據、個人征信數據、風控模型、涉稅指標，利用機器學習的算法進行建模，為企業畫像，根據畫像結果精準識別稅務風險，風險識別準確率高達90%。這種技術的應用不僅提高了數據安全性，還提升了稅務管理的效率。最后，要加強數據安全監管與審計。稅務部門應定期進行數據安全審計，檢查數據保護措施的有效性。例如，大連市稅務局在“金稅三期”工程建設中，提出了稅務業務未來的發展模式應該是數據與業務大集中的模式，同時意識到數據流動帶來的安全新風險，因此加強了數據安全監管，確保稅務數據在各系統間的互通互用、各單位間的互通互用時的安全性。

（五）改進數據質量控制，優化分析方法

對于數據質量控制的改進方面，首先，應建立嚴格的數據質量管理制度。稅務部門應制定數據質量管理的相關制度和規范，明確數據采集、傳輸、存儲、處理等各個環節的質量標準和要求。其次，在數據采集和處理過程中，應加強數據校驗和清洗工作。稅務部門應加強數據校驗、數據清洗，確保數據的一致性、準確性、完整性。例如，深圳市稅務局通過AI風控平臺的實時數據分析，能夠快速響應市場變化，及時更新稅務數據，提高了稅收征管的時效性。最后，應引入先進的信息化技術和工具，以提升信息化水平。如大數據分析平臺、人工智能等，提高數據處理和分析的效率和準確性。

分析方法選用方面，首先，稅務部門應明確自身的業務需求、數據特性以及預期目標，并基于這些因素構建一套科學且嚴謹的模型篩選機制。在模型選擇的過程中，應充分融合專業知識和實踐經驗，對模型的適用性、準確性以及穩定性進行綜合評估。其次，稅務部門應特別關注模型的可解釋性，優先選用那些既能滿足業務需求，又具有較高可解釋性的模型。對于復雜但性能出色的機器學習模型，稅務部門可以考慮引入可視化工具、簡化模型結構或結合專家意見等方法，以增強模型的可解釋性，確保稅務人員能夠準確理解數據分析結果，從而做出更為精確和明智的決策。

基金項目：國家稅務總局稅務干部學院2024年青年課題“深化稅收大數據應用研究——在基層稅收治理方面的應用”（2024QNKT007）；國家稅務總局稅務干部學院2024年青年課題“減稅降費政策效應評估及優化研究”（2024QNKT010）

作者單位：國家稅務總局黑龍江省稅務局國家稅務總局稅務干部學院（長沙）