税收数据质量是税务工作的生命线。随着税务信息化建设不断深入，特别是金税工程三期规划和《税务管理信息系统一体化建设总体方案》的实施，税收数据管理在税源管理乃至整个税收管理中的基础性作用越来越受到各级税务部门的重视，不少地方的税务部门建立起了较为规范、规模庞大的信息数据库，并逐步实现了数据市级集中和省级集中。加强数据管理的最终目的在于利用，但随着经济社会和信息技术发展，税收数据的一般应用已经难以满足税收管理精细化的内在需求。加强税收数据深度利用应成为下步税务部门数据管理的核心和重点。建设集约式专业化税收数据管理机制，应是防范税收数据风险、推进税收数据深度利用的有效路径。
一、影响税收数据深度利用的主要风险分析
数据深度利用作为一项复杂的系统工程，存在着来自多方面的潜在风险。
（一）基础数据管理仍有较大风险。一是来源不统一。多个税收管理软件并行，由于数据采集标准和要求不尽相同，容易造成数据不一致。同时，来自税务机关外部多个部门不同口径的数据引入，进一步加大了这方面的风险。二是更新不及时。税收数据处于经常变动之中，税务机关如不能及时将变更的数据信息录入，可能引起分析结果出现偏差甚至错误。三是录入不准确。据统计，熟练录入人员的录入错误率在2%左右，这种人为因素是无法避免的。四是数据不全面。税收数据大部分仍以申报纳税有关数据为主，与纳税人密切相关的外部数据还不能有效引入，存在信息不对称现象，并可能影响分析结果的正确性。五是安全应加强。海量的数据信息给存储安全提出了更高要求，同时部分数据涉及到保密要求，需要进一步做好数据存储、备份、恢复和数据库监控、维护三方面的运维工作，并对无效信息进行定期清理，减轻系统负荷。
（二）数据利用机制不够科学合理。在原有的数据管理机制中，缺少专业性的数据利用组织机构和科学合理的数据管理流程，一般由各税收管理部门按业务分工自己负责数据的提取、分析和结果发布，存在多头应用、多头发布的现象，没有统一的税收数据分析口径和信息发布渠道，很容易造成各部门的分析结果出现偏差甚至背离。而随着数据集中的层次越来越高，面对海量税收数据，已经不能简单地一次性分析比对，必须经过多道复杂程序，对基础数据进行抽取、加工、清洗和转换，提取出有效数据进行分析和验证。在数据流动增值过程中，利用程度越深，程序越复杂，数据失真风险相应加大。各个部门各自为战的方式已经无法适应税收数据深度利用的需要。打一个比方。税收数据是工厂的原材料，软件和运算设备是生产线。假若原料出了问题，再先进的生产加工线也产不出优质产品。税收数据质量这个原料质量至关重要，是生命线。
（三）数据分析方式仍显简单粗放。数据利用系统在构架、标准、口径等很多方面还没有形成统一的标准，没有建立起专业化的数据算法模型和应用平台。大量核心分析实际上仍部分由人工完成，存在着一定的主观性和随意性，不同人员对同一数据的分析结果可能大相径庭。比较常见的利用方式局限于报表浏览、检索查询、税负分析、数据比对等，一般基于汇总、分类、简单计算基础之上的，应属对原始数据的“复制式”展现和对税收现象的“陈列式”描述。同时，数据利用较多地侧重于对基层具体征管行为的指导和监督，对税收经济关系刻画、管理决策参考、政策效应分析等应用相对不足。
二、形成税收数据风险的管理要素分析
（一）缺乏有效的数据质量控制机制。高质量的数据是正确决策的前提和基础。目前，大多数税务机关都建立了数据质量监督机制，但在实际工作中，一般仍由基层征管部门集数据采集、应用、监督功能于一身，缺少来自第三方专业有效的数据质量监测考核，在一定程度上影响了数据的正确性、准确性、及时性，同时间接影响了管理决策。同时，在税务部门多年积累和通过各种渠道采集的信息数据中，有很多是无效数据、垃圾数据，不仅长期占用系统资源，还一定程度上影响数据分析结果的正确性。在这方面大多数税务机关没有建立明确有效的应对机制。
（二）缺少专业性数据利用支持机制。随着经济社会发展，税收数据在计算机系统中表现为海量数据，特别是深度利用不仅涉及经济理论、税收业务、信息技术，而且需要数理分析等学科知识。数据深度利用需要专业化的数据管理机构提供支持。目前，税务部门数据管理机构基本上有两种模式：一种是设立专门机构对税收基础数据进行集中采集、清理和安全维护等管理。这种模式是在税收信息化发展到一定程度为完成系统整合或数据集中进行的数据准备，似停留在技术层面上，没有完全上升到为税收管理和科学决策服务上来，具有一定的局限性和时限性。另一种是挂靠于信息中心等内部一部门，抽调有关业务部门的人员集中办公，负责分析整理数据并根据自己获取的数据进行相关税收业务的分析。这种模式似是一种功能的集中，很难从根本上实现工作流程监督和保障决策效果。
（三）数据管理与税源管理衔接不紧密。现代意义上的数据管理应依据流程再造理论，在信息化技术普遍应用的基础上，按数据采集、分析、利用的一般流程，对单项税源管理流程进行整合再造，强调对数据流的控制和监督，形成一体化管理模式。实际工作中，并没有完全依照数据管理主线来整合业务流程、优化岗位设置、规范业务处理，仍以单项的、分散的、独立的数据管理为主，数据分析利用往往难以与税务核心管理业务相衔接。山东省地税局局长于希信同志提出的大框架下税源管理思路，应是解决这一问题的有效路径。
三、建设集约式专业化税收数据管理机制的探讨
基于上述分析，笔者认为可在实践大框架下税源管理一体化的基础上，探索实行税收数据集约式专业化管理，即将税务部门内部各部门、各单位负责的单项数据管理工作进行集约整合，在市、县两级税务机关设数据管理中心，在基层分局设立数据管理岗，建设数据管理专业化服务团队，采取独立开展工作的方式，集中运用专业手段对税收数据信息进行监测、考核、分析和处理。
（一）数据管理组织机构基本构架。
市局数据管理中心可设综合业务部、分析处理部和考核监管部三个部室，综合业务部主要负责组织、指导和协调全市地税系统的数据管理工作。分析处理部主要负责按照业务部门的数据定制指令或有关税收分析需求，组织实施对系统数据的分析整理，提供相关数据指标报告；定期或不定期自主发布各项数据指标报告；电子数据的后台修正和管理维护；数据操作权限的归口管理以及对系统各级数据处理权限的设定、控制、分配等工作。考核监管部主要负责实施对税源管理和征收管理数据的监测预测工作，并出具或发布各项监测预警报告；组织实施对数据采集质量的检测、发布、考核和清理完善等工作。
县级局数据管理中心可参照市局数据管理中心模式，主要负责组织、指导、协调本单位未纳入市局数据管理中心范围的其他数据管理事项；落实市局数据管理中心交办的工作事项等。
在各基层征收分局设专职数据管理岗，具体实施本单位未纳入上级数据管理中心范围内的其他数据管理事项和落实上级交办的工作等。
（二）数据管理组织机构主要职能
一是数据质量监测考核。按照各级在数据质量管理的重点，建立一级数据审核、二级数据校验、三级数据监测的分层级的集约式专业化数据管理机制。一级数据审核，即由基层分局数据管理岗，负责对本单位采集的涉税信息进行准确性、完整性进行初步核对，确保录入项目没有漏项。二级数据校验，即由县级局数据管理中心，负责对基础数据进行一般性校验，包括数据是否完整、逻辑关系是否合理等，并对税务部门与其他部门交换信息取得的异类数据转型归并和审核比对。三级数据监测，即由市级局数据管理中心负责对数据进行深度逻辑审核，动态监测税收数据质量。同时，在市、县局数据管理中心设立专职数据考核管理岗，集中负责对下的数据管理质量考核，按期发布考核报告并予以奖惩。
二是数据安全维护。市、县局数据管理中心负责数据定期清理维护，滤除无效的垃圾数据，提高纯度和可用度；负责数据信息安全和技术维护，包括数据存储、数据备份、数据库维护、系统性能监控、数据访问权限设定、数据保密等方面的维护管理；负责建立和落实对数据的更正、删除、补充等数据管理制度，保障数据操作手续完备、程序规范。
三是数据一般分析利用。市局数据管理中心应主要负责：税收收入数据管理，以县级局为统计单位，分地区、分单位、分行业、分税种以及分时间对税收收入数据进行横向、纵向比对分析和监测预测，出具总体情况；征收管理数据管理，以县级局为统计单位，对县区级征收管理各项数据指标进行分析监测，出具单位个体指标和横向比对有关情况；税源管理数据管理。对各县局按有关要求提供上报的重点税源纳税人和重点行业纳税人直接进行分析监测监控；以县局为分析单位，对全市“双定”业户的定额情况进行横向和纵向的比对分析；以县级局为统计单位，从税种收入、行业收入等方面对社会税源进行横向的对比分析和监测预警。县局数据管理中心主要负责组织实施对本县区局及所属分局、基层分局有关税源和征管数据的数据分析整理并向有关方面出具数据指标报告，市局数据管理中心发布数据的协调应用，对数据修正事项的审核、权限内办理或协调上报处理工作等。基层分局数据管理岗主要应负责对具体纳税人的数据分析、监测预警，本单位税源和征管数据的纵向分析、监测预警，其他数据管理的各项具体工作等。
四是税收数据深度利用。数据深度利用主要应包括刻画税收经济关系、归纳税收管理实践、税收政策效应分析等方面。市、县级数据管理中心应主要提供两方面的数据服务：一是按照主管业务部门的业务需求，构建数据深度利用的分析模型，即选择合理的算法，通过代数方式的定量分析，将负责的税收经济理论、税收征管活动等实现模型化，以数字的形式进行分析验证；二是提供数据定制服务，按照业务部门的数据定制需求，组织实施对税源管理和税收征管数据的分析整理，从中抽取数据并出具数据指标报告，以供业务部门分析利用，全面提升税收数据管理质效，全面提升税源管理质效，全面提升税务管理质效。
（作者系山东省潍坊市地方税务局党组书记、局长，研究员，兼任国家税务总局特约研究员、中央财经大学财经研究院特约研究员、山东财政学院财税与公共管理学院硕士研究生导师）
