信息管税思路下数据应用问题与策略

信息管税思路下征管数据应用问题与

应对策略

94年分税制改革以来，我国税收领域信息化建设取得了巨大成就，概括起来可以称之为三个表象，一个结果：

? 三个表象：

首先，打造了税务系统领先于大多数政府部门的现代化税收管理系统平台（金税二期工程三大系统：综合征管软件CTAIS，增值税交叉稽核系统、进出口退税管理系统）；配置了大量的信息化设备；锻造了一大批信息化＋专业化的人才；集中了大量的征管信息。

第二，与此同时，引入了一系列新鲜的概念，基于数字化时代的术语纷至沓来,数据、数据库、数据仓库、数据超市、主题数据库、生产库、交易库、数据架构（J2EE）、SQL语言、数据挖掘、维度、模块、物联网、云计算等等。

第三、国际上一些创新性的公共管理理论和观念不断引入——全面质量管理（ISO9000）、流程再造、风险管理等等。

? 一个结果：

这些都标志着我们正在处于一个大变革、大创新的时代，反映到税收领域，这些概念、观念，都迫使我们每一个人必须思考，数据到底给我们带来了什么？数据集中了，我们怎么办？

1

无论是高层领导还是基层干部不约而同地认识到原有的管理模式已经不能适应新的发展需要。因此，信息管税的思路应运而生。但是,如何落实信息管税,首先遇到了一个绕不开的问题,即我们所说的信息是什么?它和通常我们耳熟能详的数据与是什么关系?我们到底如何认识征管数据的属性? 征管数据到底是技术问题还是业务问题？ 一、主要问题

落实信息管税，实现业务与技术的融合，二者的交汇点就是征管数据。数据就是生产资料，就是资源，就是发言权，就是生产力。

信息管税就是基于征管数据的管理，就是用征管数据管税。确切地说，就是通过被加工过的数据进行分析，并从中发现管理上问题（现在我们更愿意将其名之为管理风险）和纳税人遵从上的问题（同样，我们更愿将其称之为遵从风险），然后采取应对措施解决问题（风险）的过程。

征管数据的应用是一个有机的、不可分割的业务流程。数据的流程包括数据的采集、存储、分析、抽取、发布、反馈和维护。其中，存储和技术维护属于技术层面，采集、抽取、分析、应用、反馈等则属于业务层面。在数据的采集、抽取和分析中首先遇到的是数据的口径问题。数据口径又分为技术口径和业务口径。技术口径是指数据库中存放的各个

2

数据的编码规则，即数据按什么标准、以什么格式存放在什么地方，是征管数据的数字化形式。关于技术口径：简言之是将业务口径转换成数据库编程语言并使计算机程序能够识别的标准化的数据库语言——技术口径。

业务口径是指这一数据反映的业务标准，即是什么。如以登记户数为例，从物理属性上看，它只是一个数字；从信息技术角度看，它则是一个或一组数据；从业务口径角度看，是指这一户数的构成定义，包括正常、非正常、注销、失踪等状况。这里的每一个定义项目按照一定规则组合在一起，并赋予其唯一的规范的定义，就是一个业务指标口径。

正是由于征管数据有着上述特殊的属性，因此也带来了两个最基本的、必须面对的问题：

一是谁来统筹整合数据业务与技术并掌控管理这一融合的过程？也就是说谁最应当具备数据的整个管理应用权限？

二是由谁来决定数据的抽取口径？

信息管理部门提供的数据尽管是从各地生产库中抽取的，姑且不论数据在产生、抽取和存放过程中是否可能存在数据失真问题、数据口径是否统一规范问题等，就是抽取出的数据应该按照什么逻辑关系进行比较分析、分析出的问题按照什么机制进行反馈落实，都需要系统地、整体的考虑。

由信息技术部门按照自己理解口径和指标逻辑抽取出

3

数据，（请注意，这里已经是经过组合的数据！）交由各业务部门被动地负责解释，这意味着数据的管理、分析和应用权被错误地赋予了信息技术部门，数据的流程在这里被人为地分割了。而这样做的后果是管业务的不掌控数据，因而无法确保数据的质量，更无从下手进行正确的分析应用；掌控数据的不具备业务管理职能，更没有各级业务职能组织机构和人员等支撑条件，因而即使做出数据分析也不能得到业务部门的认可，更不能得到及时落实和反馈。这正是当前总局各业务部门和信息管理各方都倍感尴尬的原因。所以，目前的这种数据管理体制必须改革，分工必须清晰明确，这正是落实信息管税思路之中首先、也是必须解决的问题。

鉴于任何一种数据的抽取都不可能是简单地、机械地、拷贝式的抽取，鉴于数据本身的衍生作用，鉴于数据流程的不可分割性，必须由综合业务部门对数据进行统筹管理。

因此，必须改变这种不能适应数据运行规律的管理体制，将数据的生产、归集、抽取、转换、加工、清分、对比、分析、使用、校验、反馈等等从始至终全部纳入一个职能部门管理。 二、应对策略

对策一：引入和应用数据仓库概念，改革现有的数据管理体制是解决问题的有效途径

4

1、从数据库与数据仓库的区别谈起

简而言之，数据库是面向事务的设计，数据仓库是面向主题设计的。

数据库一般存储在线交易数据，数据仓库存储的一般是历史数据。

数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计。

数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本的元素是维表和事实表。维是看问题的角度，比如时间，部门，维表放的就是这些东西的定义，事实表里放着要查询的数据，同时有维的ID。

单从概念上讲，有些晦涩。任何技术都是为应用服务的，结合应用可以很容易地理解。

以税收业务为例。数据库是税收事务系统的数据平台，征纳双方在平台上做的每笔交易都会写入数据库，被记录下来，这里，可以简单地理解为用数据库记帐。数据仓库是分析系统的数据平台，它从交易事务系统获取数据，并做汇总、加工，为决策者提供决策的依据。比如，某税务机关一个月发生过多少笔税收申报缴款交易，该局当前税收收入是多少。如果申报缴纳税款次数频率很高，缴纳税款的纳税人数量很多，那么该局就有必要改进交易流程、增加办税窗口或

5

本文来源：https://www.bwwdw.com/article/gdbd.html