于众 天津市财税信息中心

摘要：近年来蓬勃兴起的＂大数据＂运动被广泛认为是一次革命性的浪潮。对财税部门而言，充分运用大数据的思维和手段，不断提高财税管理水平，是推进财税治理能力现代化的必由之路。本文对国内外财税大数据应用情况进行了细致的归纳，同时在阐述财税大数据应用的重要意义基础上，结合实际工作对财税大数据应用体系构建提出了初步的设想。

关键词：大数据；财税部门；应用体系；信息化

诺贝尔经济学奖获得者西蒙曾提出：“后工业时代，也就是信息时代，人类社会面临的中心问题将从如何提高生产率转变为如何更好地利用信息来辅助决策”。近年来蓬勃兴起的“大数据”运动被广泛认为是一次革命性的浪潮。移动互联网、云计算、机器学习、数据挖掘、感知获取、显示反映等信息技术的发展和应用为基于大数据的财税信息化实践提供了广泛的技术支撑。

一、国内外财税大数据应用进展情况

国外发达国家尤其是美国，在财税大数据应用方面一直走在世界的前沿。2007年美国联邦政府建立开放门户网站USASPENDING.GOV,向社会公众发布公共支出信息,提供联邦政府2000年以来高达3万亿的政府资金使用及30多万个政府合同项目执行情况。金融危机后，联邦政府运用数据挖掘技术对海量数据进行分析，及时发现地方政府的违约迹象。2010年奥巴马签署《不当支付消除和回收法》,加大治理政府支出中错误性支付和浪费性支出的力度。美国税务部门曾利用大数据分析技术，追回补交税款两亿笔，涉及200亿美元的税金和罚款，并完成120万笔账目的审计。

国内方面，财政部对财政大数据建设高度重视，在《财政信息化建设总体方案》中，将数据中心作为一体化的重要组成部分，2011年国库司与科研机构合作，启动数据挖掘及数据仓库的课题研究，相关成果在2013年上线的国债分析系统中得到体现。上海市财政局于2008年开始对业务数据进行展现和分析，2011年对数据利用类应用重新规划，依托数据中心建设数据综合利用平台。浙江省财政厅2012年编制《浙江数字财政建设总体规划》，加强数据资源共享以及深度开发利用。天津市财政局于2014年启动大数据理论探索和应用实践，先后开展最小数据单元集、外部信息交换、内部数据开放、数据可视化等方面内容建设，取得了初步成效。

国家税务总局于2009年启动“信息管税”战略，依托集中采集的全国税收数据，实施税收风险与专业化管理，2015年吹响“互联网+税务行动”号角，将税务大数据应用推向新的高潮。广东地税借助大数据平台，积极探索第三方涉税信息共享，推动省政府出台《广东省涉税信息交换与共享规定（试行）》，明确28个部门交换共享涉税信息的内容和方式。此外，部分省市税务部门借助云计算和大数据平台，采集互联网涉税交易数据，建立涉税企业数据分析及风险预警机制，对碎片化的信息进行语义分析和提炼，作为纳税评估依据。

二、开展财税大数据应用的重要意义

财税部门承担着资源配置、收入分配、经济稳定和发展等重要职能，具有天然的数据资源优势和开发利用潜力。随着大数据的到来，财税部门的管理决策机制将面临着重要的机遇和挑战，只有牢牢把握数据革命的趋势，才能跟上政府职能和管理方式转变的步伐，取得财税改革与发展的新突破。

首先从短期看，财税大数据是提高财税管理能力的重要途径。通过整合预算收支、财务核算以及税收征管等业务环节沉淀下来的数据资源，加强数据分析，可以挖掘出数据背后有利于增加收入、改进支出的因素，加强对预算执行和税收征管环节的风险控制；通过广泛搜集相关部门、互联网及各类民意数据，能够更清晰地发现财税管理中存在的问题和不足，为加强管理、改进工作提供参考。

从中长期看，财税大数据将有力地推动财税管理创新。通过打通财税内部、财政与受益单位、税务与纳税人、财税与相关部门、财税与公众之间的“信息孤岛”，采用数据挖掘等智能分析方法，进行事前预测、事中控制、事后分析，为财税运行和政府宏观决策提供支撑。在宏观层面，对经济运行情况进行追踪、监测，及时发出预警信号，预测收入支出规模和效果。在中观层面，实现指标流、资金流和业务流相结合的流程控制，有效防范财政税务风险；模拟或评估财税政策效应，为财税制度变革提供科学依据。在微观层面，在挖掘财政收益对象、纳税人和其他社会公众的行为特征信息基础上，有针对性地提供各类财税服务，优化完善信用等级评价机制，进一步提升财税部门的公共管理服务水平。

三、财税大数据应用体系设计与实现

（一）建设目标

财税大数据应用体系的建设目标是：依托财税数据仓库，综合运用数理统计、联机分析处理、数据挖掘等分析方法，通过构建大数据分析应用平台并整合现有系统的数据分析功能，客观、完整、准确地实现对财税业务活动的统计、监控、分析和预测，为财税管理决策提供有力的信息支撑。

（二）应用框架

1、财税经济分析

（1）财政与经济关系。主要涉及两个层面：分析经济对财政的支撑；分析财政对经济的支持、引导、刺激和调节。

（2）税收与经济关系。主要涉及两个层面：分析经济总量或诸经济变量与税收总量和税收负担的关系；分析研究经济结构与税收总量以及税收负担的关系。

2、财税运行分析

（1）重点收入分析。针对所得税、营业税等重点税种，社保基金、政府性基金、国有资本经营收入以及非税收入等做深入的研究分析。

（2）财政资金重点投入领域分析。分析财政资金重点支出的领域以及其投入后所带来的效益，包括重点扶持产业、重点民生支出领域、重点投入区域等。

（3）支出效益分析。从财政支出所带来的税收增长、就业岗位增长、周边带动等多个方面评估财政资金支出的经济效益及社会效益。

（4）税源建设分析。主要涉及三个方面：重点区域，针对重点园区的税源建设情况，进行综合分析，包括重点区域产业结构、纳税情况、税收贡献、财政资金投入情况等；重点行业，分析重点行业的政府扶持情况、纳税情况以及发展变化趋势；重点企业，针对规模以上企业、总部企业、在津央企等重点企业的税收情况以及税收变动趋势，进行综合分析。

（5）税源质量分析。构建税源质量评估指数，分析税源的综合能力、发展能力、营运能力、偿债能力、盈利能力。

3、财税运行监控

（1）重点税源监控。监控重点税源异动情况，监控范围包括异地纳税、跨区经营、迁入迁出、注吊销、对外投资、偷税漏税、无税核查、行政处罚等。

（2）重点行业监控。以房地产行业为例，基于房地产开发各环节建设规划和经营销售数据，推算其应纳税额度，并以此为基准值，比对企业实际纳税额度，达到监控税源的目的。

（3）重点项目监控。监控项目的财政资金分配下达进度、项目施工进度、项目违规投入、项目税收贡献等。

（4）基本支出监控。从支出的结构、支出的总量、人均占有情况、支出发展趋势等多个方面评估部门基本支出的合理性，并构建部门基本支出监控模型，监控部门基本支出。

（5）专项支出监控。监控转移支付、大额支出项目等重大专项的资金拨付进度、资金使用合理性。

（6）关键指标监控预警。引入监控预警机制，构建预警关键指标体系，监测和评估财政、税收以及经济运行的健康状况。

4、财税趋势预测

（1）财政收入预测。基于历史收入数据和收入先行指标，按总量、长短周期、区域预测财政收入走势。

（2）财政支出预测。基于历史支出数据，按总量、部门、区域预测财政支出走势。

（3）税收收入预测。基于行业税收发展先行指标，按照总量、税种、产业预测税收收入趋势。

5、财税专题分析

根据实际需要确定相应分析主题，例如房地产业与税收及政策关系研究、小微企业税收优惠研究、财政供养工资专题研究、京津冀一体化财税支持研究、公共事业支出改革研究等。

（三）分析方法

1、传统的数据分析方法

（1）统计分析。包括对比分析、同比分析、环比分析、定基比分析、差异分析、结构分析、因素分析、预警分析、二八分析等，可用于对财税收支运行情况的简单统计、分析及监控。

（2）计量分析。包括时间序列分析、聚类分析、相关分析、回归分析、协整分析等，可用于分析财税与经济的相关性研究和对财税运行趋势的预测。

2、基于数据仓库的分析方法

（1）联机分析处理。是基于数据仓库的最常用的数据分析方法，专门设计用于支持复杂的分析操作，能够将多维数据集按照任意的维度，以直观的方式展现。但其也具有一定的局限，只能对数据进行展现，显示过去和现在的情况，并不能直接揭示数据之间的联系，也不能对发展的趋势进行预测。可用于对财税、经济运行情况的展示，辅助判断财税运行趋势走向和各相关因素之间的影响。

（2）数据挖掘。是大数据分析中最具代表性的分析方法，能够从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又潜在有用的信息和知识的，包括分类挖掘、关联挖掘、聚类挖掘、异类挖掘、文本挖掘、视频挖掘等。与其他分析方法相比，既能够实现对财税运行情况的统计，也能揭示各相关因素之间的影响，同时能够对未来发展趋势进行预测，是一种智能化的、立体式的分析。

（四）技术架构

目前的财税业务应用，多数以交易型处理为主，产生的结构化数据是财税大数据应用的重要数据基础；同时，随着采集范围的不断扩大以及采集手段的多样化，需要处理的非结构化和半结构化数据也将逐步增加，如：文档、图片、XML、HTML、报表、图像和音频视频信息等。因此，财税大数据应用的技术架构，应该是在保护和提升现有数据仓库架构基础上，逐步向大数据技术架构扩展，以满足对海量、多样、高效、低价值密度数据的采集、计算、存储及分析展示需要。具体包括：

（1）非结构化数据存储和管理。用于保存和管理大量的非结构化信息，一般通过分布式文件系统来实现。

（2）数据库和数据仓库。用于保存大量快速产生的结构化数据，一般采用分布式数据库和数据仓库来实现。

（3）数据集成与服务。将关系数据库中的数据经过抽取、转换导入到数据仓库，将分布式计算结果连接到关系数据库处理，将查询、统计、分析或数据挖掘结果以服务的形式提供给业务系统。

（4）数据处理。为查询、排序、统计分析等提供计算基础，通过分布式计算框架来实现。

（5）统计分析。构成分析体系和数据挖掘平台的后端，高效地进行数据库内统计分析，把类SQL数据分析请求转换为分布式处理运算。

（6）数据展现。支持使用文字、报表、图表、音频、动画等多种方式来生动地展现统计分析和数据挖掘的结果。

总之， 财税大数据分析应用体系的建立，是在原有信息化工作成效及机制基础上，突出以数据管理应用为核心、面向于领导决策支持的信息化建设转型提升和财税管理服务创新的过程，需要树立“数据管理、数据服务、数据创新”的工作理念，建立规范的数据、业务、技术标准和方法体系，同时要解决好组织保障、技术引领、业务驱动、平台建立、信息安全等若干方面的问题。

参考文献：

[1]李国杰，程学旗.大数据研究:未来科技及经济社会发展的重大战略领域—大数据的研究现状与科学思考[J].中国科学院院刊，2012(06).

[2]姚琴.电子税务：以大数据推动智能化管理[J].世界电信，2014(Z1).

[3]沈昱池.大数据时代我国财政信息共享的思考[J].地方财政研究. 2015(11)