张涵诚:大数据时代的政府治理创新案例推荐-陕西税务

来源: 数据猿丨作者:张涵诚 郭章献

数据猿官网 | www.datayuan.cn

今日头条丨一点资讯丨腾讯丨搜狐丨网易丨凤凰丨阿里UC大鱼丨新浪微博丨新浪看点丨百度百家丨博客中国丨趣头条丨腾讯云·云+社区

以前,群众和企业需求简单的时候,管理起来相对容易,一个文件一个会议一个制度能满足绝大多数人需求。而现在,群众和企业的需求包罗万象,复杂多变,实时在线,管理起来就变得很难。如果还是用传统的方法,管理靠经验,那么为人民服,就只能是为少数人服务。

因此,政府的治理方法需要创新!那么,如何建立智慧政府,责任政府,如何更精细化,个性化的满足大家的需求,大数据无疑是一剂良药。大数据有望解决社会治理的复杂性,个性化问题。当前政府治理应该将科学性与艺术性借力数据融合,在工作中融入数据科学,统计科学,决策精准度大幅提高。

但是真的用数据管理工作,在很多领导看来就是无稽之谈,怎么可能用数据管理工作,数据指导工作?顶多作为参考,这里我们推荐一个典型案例-陕西税务。在大数据助力政府治理税收方面起到了示范作用。他们在数据采集全面化,数据资源可视化,数据质量管理体系化,业务分析可视化,数据反馈业务,数据支持业务、管理业务,决策业务,打通了几乎所有业务环节(财务工作的事前,事中、事后工作),以下是案例正文。

推进大数据条件下税收治理现代化的思考和实践

关键词:大数据认识 大数据实践 税收现代化

摘要:大数据已成为新时代税务部门的重要课题,陕西税务深刻理解和认识税收大数据的内涵,积极开展大数据在税收治理现代化中的实践和探索,形成了独具特色的“大数据、大风险、大服务、大平台”税收征管新格局,有力推进税收治理现代化。

习近平总书记在中共中央政治局第二次集体学习时强调“要运用大数据提升国家治理现代化水平”。面对这一时代要求,应用大数据提升税收治理现代化水平,已成为新时代税务部门的重要课题。

01

对税收大数据的认识

大数据时代,税收大数据将成为税收管理的主要生产资料,数据管理将成为税收管理的核心生产力,这也将推动生产方式和生产关系发生深刻变化。

(一)数据资源是推进税收治理现代化的关键要素

从数据的角度来看,税收管理工作也就是税收数据获取、分析、应用的过程,可以说,数据贯穿于税收管理活动的全过程,能够全面客观反映税收管理情况。

一是反映了税源情况。通过对分散在各区域、各部门、各环节的涉税数据进行集中和整合,客观、全面反映出税源的区域分布、生产经营、增减变化、发展趋势等情况。

二是反映了税收管理行为。税收大数据能够全面记录纳税人税法遵从、税务机关依法行政、税务干部廉洁从政等一系列行为活动。

三是反映了纳税服务情况。通过数据在纳税服务中的使用广度和深度,客观反映出税务机关纳税服务水平和效率。

(二)数据管理是转变税收征管方式的重要手段

税收征管的过程就是税收机关依法获取纳税人涉税数据,并不断提高纳税申报数据真实性、准确性的过程。

一是数据管理相当于业务管理。数据管理和业务管理是相互融合和统一的,管理数据的过程也就是管理业务的过程。

二是数据质量体现了征管质量。数据质量是税收征管质量最直接的表现形态,能够客观反映出税收征管现状。可以说,治理数据质量就是加强税收征管的过程,提高征管质量就是要依托提高数据质量来实现。

三是数据流融合业务流。以数据流为驱动,打破部门业务壁垒,消除“数据孤岛”,构建所有业务共同依托的业务“生产线”,集成推进跨层级、跨部门、跨业务的协同管理和服务。

(三)数据服务是提升纳税服务水平的主要动能

税收大数据为建立多元便捷的纳税服务体系提供了无限发展空间。

一是服务于纳税人减负。以数据整合共享推动办税事项、涉税资料、办税流程的简并优化,以数据分析推进税收优惠政策落实到位,真正减轻纳税人办税负担。

二是服务于纳税服务方式创新。以满足纳税人正当需求为导向,创新纳税服务方式,实现纳税服务由传统的“端菜式”向多元化“点菜式”转变。

三是服务于精准化纳税服务。依托纳税服务数据开展分析,找出纳税人关注的“热点”、“难点”、“堵点”问题,提供个性化、精准化纳税服务。

02

税收大数据的实践情况

近年来,陕西税务深入开展税收大数据实践,牢固树立大数据思维,积极构建以数据管理和风险管理为主线、以业务管理数据化、数据管理业务化、风险管理职能化、资源调配工单化为主要内容的“两线四化”新型征管模式,形成了独具特色的“大数据、大风险、大服务、大平台”税收征管新格局。

(一)建设数据资源库,夯实税收大数据基础

紧抓数据资源这一核心要素,聚焦数据标准、数据采集、数据质量治理三大任务,着力打造了标准全统一、采集全覆盖、治理全流程的税收大数据资源库。

一是数据标准坚持“合”。按照“全省标准规范统一、省局主导建设、市局补充完善”的工作思路,制定了全省统一的资源目录和数据标准,实现了各类涉税数据的“采集常态化,存储集约化,资源共享化”。

二是数据采集突出“全”。从纳税人依法报送、税务机关依职权采集、第三方信息交换和互联网抓取等多个方面开展数据采集工作,使数据采集范围更加广泛、采集内容更加丰富。

三是数据质量治理务求“准”。把数据质量作为衡量征管水平的首要标准,按照“寓管理于服务、以服务促管理”的工作思路,建立了事前服务、事中管控、事后治理的全流程、集成式管理链条,有效提高了涉税数据质量。

(二)加强事中事后监管,突出税收大风险导向

准确把握“放管服”改革深刻内涵,按照“放管结合、以管促放”的工作原则,坚持大风险管理理念,初步形成了“事前防范、事中控制、事后应对”的一体化、全流程税收风险管理模式。

一是事前突出“防”。以税收大数据为支撑,对纳税人、税务机关进行数据化、立体化描述,总结风险产生的根本原因,通过发布预警、重点服务等手段,从源头上预防风险产生,有效提高对风险因素的感知、预测、防范能力。

二是事中强化“控”。针对涉税风险特征,探索建立动态化风险监控指标体系,实时监控纳税人所办涉税事项,对发现的风险疑点,通过风险提醒、业务阻断等手段及时予以控制,降低风险发生概率,减少税款流失。特别是在增值税专用发票风险控制方面,开展了实时发票风险监控,建立了省局监控到基层风险应对的直接传输通道,极大提高了风险快速反应效率,有效阻断了发票虚开风险。

三是事后聚焦“实”。按照分级分类管理原则,对低风险,采用以服务为主的应对方式,将风险疑点直接推送纳税人,由纳税人进行自我纠正,既减轻了征纳双方负担,也促进了纳税人自我遵从;对中风险,通过建立长效风险防控机制,采取纳税评估、税务审计、反避税调查等形式,在督促纳税人纠正的同时,帮助纳税人完善涉税风险内控机制;对高风险,通过税务稽查,实施精准打击,努力营造公平竞争市场环境。

四是结果注重“回”。建立健全风险应对反馈机制,将各种形式的应对结果全部纳入反馈当中,并以数据的形式传输至税收大数据资源库,通过更正数据、补充数据等形式,提高了数据准确性和完整性,促进了后续管理质效的进一步提升。

(三)以纳税人为中心,树立税收大服务理念

以深化“放管服”改革为主线,全面树立以纳税人为中心的“大服务”理念,开展以税收大数据为依托的服务创新,不断增强纳税人获得感。

一是纳税人负担着力“减”。持续深化“放管服”改革,依法取消、下放审批权限,简并纳税人报送资料,全面落实税收优惠政策,让纳税人切实享受到改革红利。

二是服务方式重点“加”。积极创新“让数据多跑路、让纳税人少跑腿”的服务方式,初步形成了涉税费业务“全覆盖”、电子化办理“全流程”、多平台协同“全渠道”、7×24小时“全天候”的办税新格局,纳税人的服务满意度显著提升。

三是服务内容突出“新”。将推送涉税风险作为对纳税人最好的服务,推进纳税服务与事中事后风险管理的互联互通,帮助纳税人回避涉税风险。

(四)依托金税三期,构建税收大平台支撑

从税务云化的角度出发,以“资源集中共享、应用按需获取”为原则,按照统一架构、统一标准、统一数据、统一应用的工作思路,依托金税三期,全力构建了“前端电子税务局优化纳税服务,中端金税三期统领征收管理,后端大数据云综合平台支撑数据管理和风险管理”三位一体的现代化信息系统架构,为高质量推进税收现代化提供技术保障。

(五)转变税收征管方式,建立大征管格局

坚持以联动集成为总原则,以数据整合共享为途径,努力构建了协同共治的税收征管大格局。

一是税收征管模式体现“大”。在内部管理方面,创建了以大数据和风险管理局为中枢,以纳税服务中心为纽带、以税源管理机构为抓手共同支撑的联合共治税收征管新模式,在外部协同方面,加快推动税收数据与政务数据、金融数据、信用数据等方面的共享融合,构建了基于数据共享共用的税收协同共治格局。

二是税收征管业务体现“全”。坚持以数据流带动业务流,将税收征管、税政管理、大企业管理、社保基金和税务稽查全部纳入税收征管一体化框架之内,形成了全覆盖、闭环式管理机制。

三是税收征管能力体现“强”。深入开展多层次、多角度的数据分析,充分发挥数据分析在宏观决策、中观管理,以及微观风险识别和纳税服务等方面的服务和促进作用,不断增强税收服务政府治理能力。

03

未来税收大数据发展的展望

我认为,未来税收大数据的发展应立足于业务数据化,可以考虑从以下几点入手。

(一)推进收入体系数据化

按照“以数据资源管控税源”的思维理念,加快推进数据与收入管理各环节的深度融合,努力形成覆盖全部税源、贯彻全部过程的数据化收入监控体系,不断提高收入预测的科学性和精准性,促进税收持续平稳增长和税收收入质量持续提升。

(二)推进征管体系数据化

按照“以数据流融合业务流”的工作导向,以数据整合共享推动税收征管要素集成,努力构建以税收大数据为基础、以数据流为主线、以一体化统筹管理为前提、以风险管理为导向、以分类分级管理为方式、以信息平台为支撑的数据化征管体系。

(三)推进服务体系数据化

建立“以数据分析支撑高效服务”的有效机制。在服务政府决策方面,用税收的视角看经济、看社会、看民生、看发展,为各级政府宏观决策提供系统、客观、科学的参考依据。在服务纳税人方面,以优化提升营商环境为目标,依托数据分析,不断优化办税流程、创新服务方式,为纳税人提供精准服务。在服务基层方面,开展基于数据分析的精准化业务培训、基于数据互动的业务指导等工作,不断提升基层管理和服务能力。

(四)推进组织体系数据化

按照“大数据是实现创新发展重要动能”的创新理念,积极构建基于数据的高效清廉的组织体系。在党建方面,大力推广“互联网+党建”,推动党建工作数据化,实现用数据展现工作、用数据评价工作、用数据监督工作。在人事管理方面,以深化数字人事为基础,推进数据在人事管理中的深层次应用,实现干部德能勤绩廉的数据化描述和动态化管理。在行政管理方面,将数据化管理作为提高行政管理效能的重要途径,不断提高行政办事效率,充分发挥行政管理的决策作用、协调作用和保障作用。

(五)推进数据化的技术体系

信息技术是释放税收大数据价值的重要支撑。在数据采集方面,从满足多渠道数据采集需要出发,持续完善数据交换、网络爬虫、图像识别等技术支撑,确保数据采集高效、快捷。在数据处理方面,围绕税收大数据处理全过程,加快推进信息化建设,全方位满足数据清洗、数据转换、数据建模、处理监控、数据匹配、数据实时处理、数据分布式处理、数据大规模计算等数据处理需求,为大数据分析应用打好基础。在数据分析方面,构造“双模态”数据分析整体技术框架,形成既涵盖传统数据分析所需的统计分析、OLAP、智能报表等技术,又能够支撑税收大数据发展所需的机器学习、人工智能、深度学习等技术的核心技术引擎。在数据可视化方面,以形式和载体为抓手,构建数据可视化统一技术支撑体系,在可视化形式上,同时涵盖传统和创新数据可视化技术构件;在载体支撑上,灵活支撑PC端、大屏、APP、微信公众号、短信等多位一体的展现所需。

关于作者:

张涵诚,数据猿专栏专家,大数据与互联网运营资深专家,曾在国内外知名公司用友网络、SAGE、亚信科技、创新工场、东华软件、甲骨文、任职高级售前顾问,副总裁、咨询总监、营销副总裁,数据科学家等职务。

中关村大数据交易产业联盟副秘书长,中国通信协会顾问专家,北大电子商务总裁班特聘讲师、大数据课题组主任,中国计算机学会会员,河北工业大学EMBA特聘老师,CDA分析师特约大数据专家。

从事参与多家大数据企业的初建工作,并发表过多篇大数据有影响力的文章,为多家知名企业和创业公司做大数据系统平台建设方案,大数据中心建设,大数据驱动的产业生态发展规划、大数据营销、个性化推荐系统,用户体验、用户评价管理、社交企业、微博营销、CRM系统建设、创业咨询服务。培训咨询过的客户涵盖广州市政府、贵阳政府、绍兴政府、沈阳市政府、西安市政府、山西省政府、山西大学、广州移动、陕西电力、中国电信集团、广东联通、北大总裁班、广东电信、北京电信、东莞移动、河南移动、海康威视、大连联通、创新工场、江苏移动、四川电信、四川移动、洛阳移动、中国人寿、东方航空、中国农业银行、中国银行、深圳航空、贵阳数博会。

同时是数据观、36大数据、IT168、CSDN等机构媒体专业撰稿人和评论顾问;慧科集团大数据特约讲师,萝卜科技大数据特约讲师; 南开KAB特约讲师,Hadoop中国峰会专家,DTCC中国数据库大会专家。

主要研究领域:大数据基础概论,大数据在企业和政府的应用实践,应用案例解析、数据驱动业务变革的商业模式,运营商大数据体系,旅游大数据体系,数据资产管理,大数据产业生态分析、数据交易市场,区块链,人工智能、政府大数据项目体系等。

本文分享自微信公众号 - 数据猿(datayuancn)

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2019-01-25

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏流川疯编写程序的艺术

大数据ETL实践探索(6)---- 使用python将大数据对象写回本地磁盘的几种方案

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/wangyaninglm/article/detail...

15920
来自专栏码字搬砖

关于分布式计算框架连接kafka不满足同一消费者组不满足只有一个消费者的情况

版权声明:本文为博主原创,欢迎转载,转载请标明出处 Blog Address:http://blog...

9620
来自专栏CRM日记本

企业所需要了解的物联网基本知识

物联网(通常称为IoT)最早由Kevin Ashton于1999年命名得来。在短短几年内,这一概念逐渐变为现实。 移动智能设备只是一个开始。 在本世纪的前十年中...

7810
来自专栏机器学习与统计学

一篇文章彻底明白Hive数据存储的各种模式

Hive是基于Hadoop分布式文件系统的,它的数据存储在Hadoop分布式文件系统中。Hive本身是没有专门的数据存储格式,也没有为数据建立索引,...

14140
来自专栏机器学习与统计学

【周末荐书】-信号与噪声

人类每时每刻都需要对未来进行预测并制定相应的策略,如此国家、企业乃至个体才能持续发展,因此我们对于“下一刻会发生什么”倍加关注。

10920
来自专栏机器学习与统计学

将Hadoop作为基于云的托管服务的优劣势分析

 Apache Hadoop是一种开源软件框架,能够对分布式集群上的大数据集进行高吞吐量处理。Apache模块包括Hadoop Common,这是一组常见的实用...

15510
来自专栏机器学习与统计学

【数据分析 R语言实战】学习笔记 第一章 数据分析导引

(1)数据分析是为了验证假设的问题,需要提供必要的数据验证。在数据分析中,分析模型构建完成后,需要利用测试数据验证模型的正确性。

12220
来自专栏软件开发-青出于蓝

windows7下运行flink的WordCount.jar

1、要先在命令窗口中运行flink/bin/start-local.bat  之后不要关闭这个窗口

24830
来自专栏用户5130516的专栏

大家都在说的5G,你真的懂吗

“5G”这个词,出现的频率越来越高,相信大家和小编一样,都有同样的疑问,5G到底是什么,真的重要吗?5G会让现在的生活有什么不同,5G是否真的值得让人为之激动?

15830
来自专栏大数据技术学习

大数据新手的0基础学习路线,从菜鸟到高手的成长之路

大数据作为一个新兴的热门行业,吸引了很多人,但是对于大数据新手来说,按照什么路线去学习,才能够学习好大数据,实现从大数据菜鸟到高手的转变。这是很多想要学习大数据...

9500

扫码关注云+社区

领取腾讯云代金券

年度创作总结 领取年终奖励