大数据推动税收风险管理探析
作 者 信 息
王葛杨(国家税务总局北京市西城区税务局)
文 章 内 容
加强税收风险管理是深化税收征管改革的重要方向,在当前以人工智能、云计算、网络爬虫、区块链等技术为支撑的大数据背景下,加强大数据在税收风险管理中的应用已经成为推进税收治理体系和治理能力现代化建设的重要手段。2021年3月中共中央办公厅、国务院办公厅印发的《关于进一步深化税收征管改革的意见》中提出,要实现税务执法、服务、监管与大数据智能化应用深度融合、高效联动、全面升级,实现从“以票管税”向“以数治税”分类精准监管转变。如何利用大数据加强税收风险管理并进一步构建智慧税务体系,需要在认清我国当前大数据应用实际情况的基础上,借鉴国际先进经验,强化大数据思维,完善相关法律制度建设,重塑税收风险管理业务流程体系,建立大数据复合型税务人才培养使用机制。
税收风险管理是风险管理理论在税收领域的应用,20世纪90年代由经济合作与发展组织(OECD)率先应用于税收管理实践。税收风险管理是指税务部门通过先进的技术和管理手段,预测各类可能导致税款流失的风险,通过合理的服务和管理措施,规避、防范和控制风险;并根据各类纳税人不同的纳税遵从风险情况,制定不同的战略,采取相应的应对方式,提高纳税人的税法遵从度。随着大数据时代的到来,税收大数据为税收风险管理提供了详尽的数据和技术支持,利用大数据加强税收风险管理的理念已经融入我国税收征管改革战略规划之中,税收风险管理应用水平在我国税收治理现代化进程中得到突飞猛进的发展。
(一)数据大集中为税收风险管理奠定基础
近年来,国家税务总局着力打造金税三期税收管理系统和增值税发票税控系统V2.0,基本实现了税收数据的全国大集中。金税三期税收管理系统能够全面采集纳税人登记、申报、缴税、评估、稽查等涉税信息,增值税发票税控系统V2.0则全面掌握企业的开票数据。通过这两个系统可以实现全程对企业涉税信息的采集和分析,基本实现了税收数据的大集中,并进一步推动了数据之间的逻辑校验,增强了税收大数据的延续性和准确性,为税收大数据应用于税收现代化征管奠定了坚实的基础。
(二)“云平台大数据”提升税收风险管理效能
在平台建设方面,国家税务总局开发建设了“云平台大数据”集成系统,该系统在数据大集中的基础上,以云化建设推动大数据、人工智能与业务深度融合,形成一套可查、可看、可管、可用的税收数据资产,实现对海量涉税数据的采集、存储、加工、挖掘、共享等应用。目前该系统在全面集中与整合全国范围内各类涉税业务数据的基础上,提供增值税发票查询分析、纳税人关系分析、票流分析、风险情报系统、用户画像五大功能。全国各级税务部门均可依托该系统,通过由点及面的数据分析,对风险行业、风险区域进行精准识别,进而判定纳税人的风险等级,精准施策。例如:基层税务部门可以根据单户企业的数据分析其办税行为特征,进而为企业精准“画像”;也可以通过税收大数据进行区域特点分析,识别税收高风险区域和行业。“云平台大数据”集成系统的建立,提高了税收风险管理的精准性,进一步提升了“以数治税”效能。
(三)税收风险管理运行机制日趋完善
随着2018年国税地税征管体制改革的顺利实施,我国进一步加强了税收风险管理的组织机构建设。国家税务总局层面组建了税收大数据和风险管理局,省级税务局层面设立税收大数据和风险管理局,地市级税务局设立税收风险管理部门,税收风险管理组织体系进一步得到完善。在运行机制方面,2021年3月国家税务总局办公厅下发《关于明确税收风险管理工作若干问题的通知》(税总办发〔2021〕7号),在前期工作规范的基础上进一步明确国家税务总局和地方各级税务局在税收风险管理中制度建设、风险推送、风险应对的工作职责,规范了风险应对和质量管控工作流程,为税收风险管理在深化征管体制改革进程中发挥应有作用提供了制度保障。
在发达国家的税收风险管理中,税务机关对于大数据的应用非常重视,在法律和技术层面都给予一定保障。他山之石,可以攻玉,深入分析借鉴各国税收风险管理在大数据应用方面的先进经验,可以达到优化我国税收风险管理的目的。笔者通过梳理分析发达国家在税收风险管理中应用大数据技术的实践,得出以下几方面经验。
(一)自成体系的税收风险管理模型
近年来,OECD不断加强风险管理理论和现代税收管理实践相融合的研究,形成了一系列具有特色的税收风险管理模型。在实践中,一些发达国家根据自身税收管理的特点,通过对海量涉税数据的深度整合、分析和挖掘,对纳税人进行客观的风险识别、风险排序和风险确认,建立了不同特点的税收风险管理理论体系和相关模型。如将纳税遵从理论和风险管理理论有机结合的“合作型遵从金字塔模型”、将纳税人分类管理理论和风险管理理论有机结合的“分类管理模型”、将风险防范理论和风险管理理论有机结合的“事前风险管理模型”等。再如,澳大利亚税务局针对税收风险管理提出了“建立与纳税人合作的税法遵从关系”理论。该理论一方面通过“合作型遵从金字塔模型”对税收数据进行分析,分别对不同风险水平的纳税人采取不同的遵从应对措施,从而增强税企双方合作互信,形成一个有利于自愿遵从税法的社会环境;另一方面,强调对税收风险统计结果进行反思,深入研究纳税人不遵从的制度原因,根据以往的经验和理论,形成税收风险管理基本策略,不断完善风险管理制度,改进税收风险管理模型。
(二)获取税收风险管理数据的法律支撑
发达国家普遍通过制定法律法规为税务部门获取涉税信息、保障税收数据安全、共享各方数据提供强有力的制度支撑。如美国的《国内收入法典》规定了政府相关部门应向税务部门报送涉税信息的义务,对税务部门获取第三方信息的权利给予了明确;澳大利亚的《纳税人宪章》通过明确纳税人的各项权利义务,有效解决了征纳双方信息不对称问题,进一步为获取真实、可靠、准确的基础涉税数据资源提供支持;法国的《税收程序法典》赋予税务机关一系列获取信息的权利,使获取信息权构成法国税务机关履行税收执法职责而享有的一项重要手段;英国的《数字经济法案》对保护个人信息安全、保护网络服务发展等方面进行了法律界定,使纳税人能够更好地保护自己的权益。
(三)风险管理标准化流程和评价体系
发达国家的税收风险管理一般分为风险识别、风险分析、风险评估、风险处理和风险评价五个阶段。一些发达国家将这五个阶段组成标准闭环流程,并建立可量化的评价体系。如美国国内收入局建立的以“判别函数工作量选择模型”(Discriminate Function Workload Selection Model)为基础的纳税遵从风险评定预警监测系统,就是一种可量化的税收风险管理系统。该系统以纳税申报表信息为基础,同时涵盖大量第三方数据,综合测算识别纳税人遵从风险发生的概率及风险等级,评出风险系数得分,通过事先开发好的系统按照一定比例筛选出风险等级高的纳税人作为风险评估对象。税务部门通过实地调查、约谈、税务审计等方式,促使这些风险等级高的纳税人遵守税法,以进一步提升全社会的税法遵从度。
(四)专业高效的数据分析体系
发达国家通过加强对数据分析工具和分析技术的应用,提升税收风险管理的效能。一方面通过数据提取技术对银行、保险、海关等部门涉税信息数据进行发掘,另一方面通过机器学习等先进技术对数据进行加工、清洗,以便运用风险管理模型对税收风险进行识别。如意大利税务部门用于分析大企业税收风险的系统工具FALCO,可以自动搜索和筛选网络上与大企业有关的信息,快速识别涉税风险信息,及时为分析应对纳税人的税收风险提供支持。美国国内收入局大企业和国际税务管理局在税收风险分析环节,广泛利用第三方数据进行深入分析,如该风险事项的商业环境、商业模式、企业治理结构、会计处理、税收政策等,同时听取行业专家、会计专家和法律专家的意见,根据需要适当采集相应信息,全面掌握产生该风险事项的成因,通过对大数据的应用达到对税收风险事项精准分析的工作目标。
(五)复合型人才培养和使用机制
许多发达国家的税务部门在为税收风险管理部门配备专业复合型人才的同时,充分利用好相关行业的专家力量,为大数据下税收风险管理提供充足的人力资源。例如,美国国内收入局下设的大企业和国际税务管理局配备了包括大数据、税收、审计、金融等行业的专家,这些专家深度参与税收风险管理的各类项目。该部门还可以根据实际工作需要额外聘请特殊领域专家(如数据科学家),为相关工作研究提供技术支持。该部门下设的5个行业分局均配备了复合型税收风险管理人才,保证了大企业风险评估的质量。英国皇家税务与海关总署设立了知识、分析和情报理事会(Knowledge,Analysis & Intelligence Directorate,KAI),该理事会由统计学、经济学、运筹学和社会学等多学科、多领域的专家团队组成,主要从大数据中识别发展趋势、潜在威胁、预警指标、纳税人行为,并根据情况提供针对性纳税服务或进行执法干预。同时该理事会将税务局内部技能与强大的分析功能相融合,培养大量综合性人才,进一步确保税收风险分析的决策准确度。
(本文为节选,原文刊发于《国际税收》2021年第12期)
(为繁荣国际税收学术研究,扩大刊物宣传覆盖面,本刊诚挚邀请各位编委及作者转发“国际税收”微信公众号推送文章)
点击“阅读原文”快速订刊~
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。