南充企业经营账以数治税下推进税收精准监管的思考

                工商注册
                记账报税
                企业内账
                税务外账
                企业经营账
            星月同辉，助力企业同心向前
作为税收征管理念和方式的重大创新，税收精准监管是深化“放管服”改革、加快政府职能转变的内在要求，也是减轻纳税人负担、优化营商环境的有力举措，更是加快信用体系建设、创新事中事后监管的重要内容。2021年3月，办公厅、办公厅印发了《关于进一步深化税收征管改革的意见》（以下简称《意见》），提出“建设……以税收大数据为驱动力的具有高集成功能、高安全性能、高应用效能的智慧税务，深入推进执法、精细服务、精准监管、精诚共治”。自此，智慧税务建设开启了“以数治税”新路径，尤其在税收监管方面，要借助大数据思维与技术，更加客观、全面、科学地对税收政策、经济趋势及纳税行为作出研判，并以此为基础实现税收监管模式创新。在国际上，各国税务机关借助现代大数据手段多角度探寻税收精准监管实践，大幅提高了税收监管效率和质量。本文通过探究“以数治税”下推进税收精准监管的路径，结合有关国家税务机关的实践经验，提出“以数治税”的背景下优化我国税收精准监管的政策建议。
一、“以数治税”下税收精准监管的路径
　（一）以“信用+风险”监管为基础
　　《意见》提出，建立健全以“信用+风险”为基础的新型监管机制。“信用+风险”分类监管指的是基于纳税人的信用风险数据，按月、按季、按年对纳税人信用风险情况进行动态积分评估，根据信用风险状况不同将纳税人划分为不同类别，再依据动态信用级别对纳税人采取差异化监管措施，以提升监管效能。该方式在大幅降低征税成本的同时，有效防控了税收风险，不仅彰显了税法公平正义，还推动了公平竞争，切实提升了税收治理体系和治理能力现代化水平。
　　（二）以“双随机、一公开”监管和“互联网+监管”为手段
　　2015年8月，办公厅发布《关于推广随机抽查规范事中事后监管的通知》，要求在全国全面推行“双随机、一公开”的监管模式。作为市场监管理念和方式的重大创新，该监管模式与同年国家税务总局印发的《“互联网+税务”行动计划》中的智慧税务生态系统紧密结合，使税收征管系统在充分运用互联网、大数据等信息技术手段的基础上，汇聚税收监管数据，实现监管事项全覆盖、监管过程全记录、监管数据可共享，为实现“智慧监管”提供了平台支撑。具体来说，借助“金税四期”建设搭建监管平台，将所有涉税交易信息在平台上采集、监控、审核，结合运用企业“信用+风险”分类结果开展“双随机、一公开”监管，大幅提高税收监管的有效性和精准性。同时，“双随机、一公开”结合“互联网+监管”还可以规范税务执法行为，提高税收监管效能，减轻企业负担，强化信用支撑，为市场监管领域进一步营造公平竞争的市场环境和法治化、便利化的营商环境提供保障。
　　（三）以重点领域风险防控和监管为补充
　　重点领域监管包括对逃等问题多发的行业、地区和人群进行重点监管。具体来说，通过明晰各级税务部门风险管理职责，实施风险分析识别差异化管理。各级税务部门依托大数据、人工智能等技术，设计监控指标和智能规则体系，动态监控评价纳税人全生命周期信用和全环节业务风险状况，分类实施差异化管理，尤其关注重点企业、重点人群，透过其税务数字账户精准掌握纳税人的身份画像标签及交易本质。对重点领域可能存在的税收风险按照统一程序进行提示提醒、督促整改、约谈警示甚至立案稽查、公开。此外，根据税收风险级别深入开展“双随机、一公开”稽查并适当提高抽查比例，提高防控和监督检查力度，从而打击涉税违法犯罪行为，保护守法诚信经营，维护经济税收秩序和国家税收安全。
二、“以数治税”下税收精准监管面临的困难与挑战
众所周知，税收监管的目标是提升税收遵从度。而传统税收风险管理是基于流程驱动机制进行的，即“金税三期”中的“流程驱动”，通过对税收业务的分析、抽象、提炼，完成业务流程的统一再造和全面建模，再借助计算机系统的大范围应用，以电子方式实现标准化、层级式的业务处理和流程运转。从税收管理的发展趋势来看，结合部分发达国家税收监管经验，当前“以数治税”下我国税收精准监管还面临一些挑战。
　　（一）监管数据的收集和集中化管理水平有待提高
　　大数据的基础在于数据，数据的价值在于分析，强大的数据分析依托于监管数据的收集与集中化管理。当前，涉税基础数据薄弱，数据孤岛林立、融合困难，降低了税收监管的精准性。
　　一是数据采集不够全面。从现状来看，征管系统中采集的数据尚不能全面反映市场主体全生命周期生产经营情况。例如，开办注销、社会保险登记、违法犯罪等信息均需与其他政府部门交互。各部门站在自身职责的角度对数据进行理解和定义，并进行存储和维护，彼此无法实现数据共享。税务部门对市场主体的监管只能依托内部数据，由此限制了精准监管的深度和覆盖面，降低了监管效率。
　　二是数据交互存在局限性。各政府部门根据各自需求独立开发业务系统，存在数据口径和格式不统一问题，再加上尚没有统一规范的数据交互平台，导致现有海量税收数据资源难以盘活，无法充分发挥其大效能，大大增加了各政府部门履行职责的困难。例如，在税务部门与电力部门数据交换过程中，由于税务登记与电力登记信息无匹配关键字，前者登记的纳税人名称并非用电户名，故需要人工逐户核实并进行手动关联，容易出现数据缺失、采集难、核实难等问题，造成税务检查专项工作推进较慢，成效不明显。
　　三是平台数据复杂多样。税务数据应用平台虽然数量繁多，但集成度不够。税务部门现在使用的数据平台既有国家税务总局统一开发的，也有地方自行开发的，其主要功能集中在数据采集上，数据分析、应用功能还无法满足日常工作所需。例如，在耕地占用税征管案件分析中，目前主要通过金税三期系统查询、实地核查等方式了解企业占用耕地情况、纳税情况，并未对土地的潜在价值进行深入分析。税务部门尚未与国土资源等有关部门建立信息共享机制，也未建立税源土地信息预警、土地异常预警、未申报预警、欠税预警等系列风险管理预警机制。
　　（二）监管模型的自动适应性不强
　　税收精准监管的实现必须依托于对税收大数据的深度挖掘，其中科学构建税收监管模型是必不可少的重要手段。目前，各国税务机关普遍增强了风险管理领域分析工具、技术的挖掘使用，借助模型进行风险监管，探索税收风险自动化智能处理模式。国内在构建税收监管模型并实现模型共建共享共用方面还存在以下影响因素。
　　一是数据质量的局限性。基础数据的质量在很大程度上影响监管风险模型的准确性和稳定性。数据中存在的任何误差都会对计算的精准性产生严重影响。目前来看，可用于分析建模的数据来源和方法都相对有限。如何科学合理地将基础数据整合统一起来，后服务于风险模型的建立，是破解精准监管的首要难题。
　　二是风险变量的外生性。复杂多变的内外部环境，包括国内国际形势、新政策的出台、疫情起伏反复等都会影响营商环境，从而影响税收风险的外生变量。在建立风险模型时如何通过构建指标体系对外生变量进行量化，以提升模型的“可算性”，是提高税收监管模型精准性的重要方面。
　　三是模型指标的重复性。纵观当前国内建立的风险模型，大多针对不同的风险级别与类型，设置不同的风险指标。对于纳税人基本信息、开票数据、净入库数据、销售收入等常规性基础指标，存在重复读取、加工、使用的情况，不仅增加了模型建立的工作量，也大大降低了税收监管工作效能。
　　（三）监管模式尚未实现与时俱进
　　一方面，互联网、大数据、物联网等技术的发展促使众多产业走上了数字化转型的“快车道”。越来越多的传统企业正在打破行业界限进行重构和再生，以寻求新的发展机遇。纳税人的经营方式更加灵活多样，跨地区、跨行业的多元化经营模式不断涌现，涉税信息爆发式增长并呈现复杂多样性。税务部门虽然一直在顺应时代潮流进行监管模式的探索和改变，但远远赶不上社会经济的发展速度，存在一定的滞后性。当前，尚未实现企业经济行为全过程“一户式”监管，尤其是对企业经营信息和涉税风险的自动分类推送机制还未建立。
　　另一方面，新经济、新业态的成长对税收信息化建设提出新挑战。数字经济下，利用互联网平台销售商品和提供服务已经成为经济发展新业态。电子商务、共享经济、互联网金融等数字经济新模式普遍以平台为载体，以互联网为通道，以数据为资产，开展经营活动。对平台的管理和涉税数据的收集缺乏法律指引，各类涉税数据平台与税收征管系统尚未实现对接，使得当前在涉税信息共享共治方面还存在短板。
三、国际经验借鉴
　　随着数字经济的快速发展，尤其是技术进步和数据应用为化解风险和简化流程提供了新的选择，世界各国税务部门在税收监管方面积累了丰富经验，也为我国实现税收精准监管提供了有益借鉴。
　　（一）加强对数据集成的探索
　　随着“数据集成”技术的广泛应用，越来越多的税收数据能够通过新技术实现集中处理，极大地促进了税收风险管理模式创新，并助力实现税收精准监管。这些税收数据集来源多元，既包括纳税人直接申报的数据，也包括来源于其他渠道的第三方数据，如电信运营商、金融部门、网络平台等。这些数据集合可以为核实纳税人申报的所得和资产提供依据，也有助于拓宽税收监管的数据源。因此，对数据集的探索已成为实施税收精准监管的重要步骤。例如：加拿大税务局（Canada Revenue Agency,CRA）正在利用机器学习技术促进数据探索和数据理解，深度挖掘有价值的涉税信息；法国公共财政总署（Direction Générale des Finances Publiques,DGFIP）研发了一个大数据基础设施，专门用于解决原始数据来源广、但无法有效处理的问题；新加坡国内收入局（Inland Revenue Authority of Singapore,IRAS）设置了统一数据平台，将不同来源的数据整合到一个灵活、可扩展的数据存储库中，以便对该数据进行集中处理。
　　对于数据集的获取，英国税务和海关总署（HM Revenue and Customs,HMRC）将信用卡和借记卡交易处理商的数据用于辅助查明疑似隐匿销售收入等逃税行为，再据此实施更有针对性的监管措施；瑞典税务局通过在线巡回赛收集扑克玩家的信息，以及时找到未向税务机关申报所得的个人；新加坡国内收入局借助车辆记录和雇员缴纳公积金数据来确定一家公司是否有商业活动存在，从而了解该公司处于何种状态（持续经营或停业），以便为实施动态税收监管提供依据。还有一些国家借助电子发票系统，充分利用供应商数据，以便更全面地了解纳税人生产经营情况，并对其开展精准的税务稽查。
　　此外，大多数国家税务机关通过大力聘用数据分析类专业人才，提高税收监管的精准程度。
　　（二）对纳税人实施精细分类
　　借助大数据分析技术，对纳税人实施精细分类，是大多数发达国家提升税收精准监管的重要手段之一。例如，美国国内收入局（Internal Revenue Service,IRS）开发了一款数据驱动型风险评估产品，运用机器学习识别大企业和跨国公司申报群体潜在的高、中、低风险类型，并利用贝叶斯模型来分析不同风险类型纳税人群体的申报数据；同时，通过与大企业和国际税收专家组成的团队协作，依据实际经验界定具体风险属性。此外，还有一些国家对纳税人的纳税遵从程度进行分级分类。例如，西班牙税务局（Agencia Tributaria,AEAT）利用人工智能技术，针对1000多家大企业及高净值个人设计了一系列风险识别指标和模型，对风险进行分级分类管理。该模型可以自动评估和识别风险、输出风险报告，并根据新经营模式和工作方式及时进行迭代更新。
　　（三）深化税收数据的分析运用
　　近年来，在税收风险评估，尤其是强化风险定 位方面，世界各国均大幅增加了先进分析技术的应用力度。例如：比利时税务局开发了四个预测模型，通过调节参数不断优化模型，以不完整或不正确的数据，并将优化后的数据与纳税申报及评估、风险预测、历史审计、诉讼和申述信息等挂钩，减少了欠税发生；加拿大税务局从内部多个系统提取数据，通过集群分析、决策树、神经网络和深度学习，制作中小企业预测模型，以确定中小企业群体中风险高的纳税人。