稅收風險管理大數(shù)據(jù)分析平臺的設計與實現(xiàn)

劉 銘,單玉瑩,蘇鈞驛,秦喜文,蔣 揚

(1.長春工業(yè)大學 數(shù)學與統(tǒng)計學院,長春130012;2.合肥工業(yè)大學軟件學院,合肥230009;3.中電文思海輝技術有限公司 汽車制造數(shù)字化事業(yè)部,遼寧 大連116000)

0 引 言

自2009年國家稅務總局提出將稅收風險管理理念引入稅收征管以來,各地稅務機關逐步建立了稅收風險防范管理機構(gòu)、機制和操作規(guī)程。在現(xiàn)代大數(shù)據(jù)背景下,對我國稅收風險管理的研究和探討,有助于行政資源的有效配置,降低納稅風險,為實施以專業(yè)化管理為特征的現(xiàn)代稅收征管體系提供切實可行的途徑。然而,新經(jīng)濟和新商業(yè)模式的出現(xiàn),使市場參與者的數(shù)量急劇增加,加之稅法的不斷變化,給稅收風險管理帶來了新的挑戰(zhàn)。

針對新形勢,國家稅務總局提出要充分利用稅收大數(shù)據(jù),舉辦“智稅”大賽,鼓勵地方稅務機關積極探索更加科學、精準的稅收風險管理模式。在大數(shù)據(jù)時代背景下,加強稅收風險的管理,可以大大提高稅收業(yè)務的合理化和規(guī)范化,促進社會經(jīng)濟的穩(wěn)定發(fā)展。從企業(yè)的角度研究稅收風險,也有助于全面分析稅收抵扣問題。因此,稅務風險管理大數(shù)據(jù)分析平臺的科學性和準確性,是稅務管理大數(shù)據(jù)資源能否得到公平有效配置的關鍵,影響稅務風險管理的效果和效率。稅務從業(yè)人員使用稅收風險管理大數(shù)據(jù)分析平臺進行稅務風險管理將大大增加人工效率、降低成本。

目前我國已逐步完善稅收風險管理機構(gòu)體系,稅收風險管理工作也逐漸趨于專業(yè)化。企業(yè)稅收風險管理也成為學者們談論的熱點[1-3]。隨著科學技術的快速發(fā)展,人類進入了一個新的時代,以互聯(lián)網(wǎng)為平臺,涌現(xiàn)出了大數(shù)據(jù)、人工智能、區(qū)塊鏈、機器學習、迭代推理、云計算等技術[4-5]。隨著互聯(lián)網(wǎng)技術的迅猛發(fā)展,國內(nèi)對大數(shù)據(jù)在稅收風險管理中的作用探討不斷增多[6-13]。對如何使用數(shù)字技術創(chuàng)新稅收征管模式,李偉等[14]提出當前稅收風險管理需要打造具有智能化、自動化、系統(tǒng)化特征的全流程稅收風險管理數(shù)字化監(jiān)管體系,以提升風險管理部門整體工作效能。

筆者從稅收大數(shù)據(jù)和風險管理的理念出發(fā),結(jié)合國內(nèi)稅收風險管理工作的發(fā)展,分析了基于大數(shù)據(jù)的稅收風險體系的構(gòu)建,采用Java編程語言技術和Oracle數(shù)據(jù)庫建立稅收數(shù)據(jù)庫,通過搭建稅收風險管理平臺,對稅收風險進行預警。

1 基本概念及理論

1.1 稅收風險

在目前的稅收風險管理研究中,稅收風險有廣義和狹義兩個概念。廣義的稅收風險是指所有導致稅收損失或沒收的可能性,主要包括經(jīng)濟環(huán)境風險、稅收執(zhí)法風險和稅收公平風險。從狹義上講,稅收風險僅指稅收公平的風險,當納稅人違反稅法規(guī)定從事不當?shù)亩愂招袨闀r,可能導致稅收公平目標的實現(xiàn)惡化[15]。筆者和大多數(shù)現(xiàn)有的研究以及稅務局對稅收風險管理的定義,主要集中在狹義的稅收風險管理,即評估、預防和控制稅收合規(guī)風險。

稅收風險與風險具有相同的特征。一是機會主義,風險是一種不確定的概率事件,稅收風險是指納稅人的稅收責任,稅收風險表現(xiàn)為由于納稅人可能的不遵從而導致的一定程度的稅收流動;二是隱蔽性和潛伏性強,納稅人的生產(chǎn)經(jīng)營活動復雜多變,導致稅收風險大量存在,稅務機關在常規(guī)征管中難以發(fā)現(xiàn)和控制;三是稅收風險與國家的政治體制、稅收制度、稅收管理體制等存在著非常密切的關系。

1.2 稅收大數(shù)據(jù)

稅收大數(shù)據(jù)是指通過各種方式有效采集、整合各類稅務數(shù)據(jù)信息,專門對海量稅務信息進行數(shù)據(jù)加工和深度數(shù)據(jù)應用。大數(shù)據(jù)時代稅收數(shù)據(jù)管理面臨各種挑戰(zhàn),隨著納稅人數(shù)量的急劇增加,生產(chǎn)經(jīng)營活動的變化,多元化的跨區(qū)域、跨專業(yè)的大型企業(yè)集團相繼出現(xiàn),呈現(xiàn)出稅源、區(qū)源的國際化:人員的流動性增加了,表現(xiàn)為電子化、團隊化和專業(yè)化的服務形式,多樣化和個性化稅收服務漸漸被大眾所需求。

1.3 稅收風險管理

稅收風險管理是整個稅收工作中不可或缺的一部分,即稅務機關運用風險管理理論和方法,通過風險預警、納稅評估、稅務會計和反偷稅調(diào)查等手段防范和管理稅收風險[16]。在綜合分析納稅人稅收信用的基礎上,采取稅務稽查等風險管理措施,根據(jù)納稅人面臨的不同類型和水平的稅收風險,適當配置稅收管理資源,提高稅收合規(guī)性。在稅務管理部門的稅務管理活動中,準確引用和有效應用風險管理理論和方法的能力對稅務管理至關重要。稅收風險管理是現(xiàn)代稅收管理的先進理念和國際慣例,有助于完善我國稅收管理體制,增強監(jiān)管能力,是實現(xiàn)稅收現(xiàn)代化的有效對策。

2 基于大數(shù)據(jù)背景的稅收風險管理平臺

稅收風險管理大數(shù)據(jù)分析平臺是稅收風險管理的重要工具,支撐著風險排序、查詢和指標管理的關鍵環(huán)節(jié)。因此,稅收風險管理大數(shù)據(jù)分析平臺的科學性和實用性決定稅收征管大數(shù)據(jù)資源能否得到合理有效配置,影響稅收風險管理的成效與結(jié)果?；诖?筆者構(gòu)建了一個基于大數(shù)據(jù)背景的具有更高科學性和實用性的稅收風險管理平臺。

2.1 系統(tǒng)設計

筆者利用Java編程語言和Oracle數(shù)據(jù)庫構(gòu)建稅收風險管理平臺。根據(jù)以往的稅收風險處理過程,并考慮現(xiàn)有數(shù)據(jù)源特點,得到平臺的架構(gòu)圖如圖1所示。

圖1 系統(tǒng)總體架構(gòu)圖Fig.1 Overall system architecture diagram

系統(tǒng)處理數(shù)據(jù)的整個過程為:數(shù)據(jù)導入是由后臺調(diào)用Shell腳本執(zhí)行Sqoop的import命令,啟動Sqoop導入任務,最終解析成一個或多個MapReduce任務,任務只有Map任務,并不存在需要溢寫操作的Reduce任務,這極大地提高了數(shù)據(jù)導入效率。Map任務的工作就是將數(shù)據(jù)庫中的數(shù)據(jù)導入Hadoop分布式文件系統(tǒng)上;Apache Spark用于處理存儲在HDFS(Hadoop Distributed File System)集群上的數(shù)據(jù),分為加載、清洗、加工、匹配、分析數(shù)據(jù)和存儲結(jié)果等步驟;MySQL用于存儲Apache Spark處理完的結(jié)果,比如對每個納稅人或納稅企業(yè)進行風險評級的結(jié)果;部署在WEB Server上的WEB程序根據(jù)用戶的請求,借助Spring data jpa提供的規(guī)范從MySQL數(shù)據(jù)庫中查詢相應數(shù)據(jù)返回給用戶,最終展示在用戶的瀏覽器頁面上。

平臺的設計目標是實現(xiàn)一款基于大數(shù)據(jù)的稅收風險分析的平臺。主要稅收風險管理模塊共分為風險排序、查詢和指標管理3部分。風險排序部分可按風險分類展示納稅人的風險信息和納稅人信息,例如用戶想按照收入變動率從高到低查看納稅人信息,只需要點擊按收入變動風險排序即可。標記按鈕可以讓稅務工作者對存在風險并已經(jīng)進行了相關的措施處理后的納稅人進行標記,并可以讓其不顯示在列表中。風險查詢部分可以方便用戶進行精準查詢納稅人的各項風險指標以及納稅人信息。風險指標管理界面可以讓擁有此權(quán)限的用戶修改各項指標標準值并保存,修改后的指標標準值會在下次導入數(shù)據(jù)并分析時生效。

2.2 風險管理控制

風險管理控制分為3部分。第1部分是風險排序,其是在用戶指定風險類別之后進行的,例如用戶選中收入變動風險后,系統(tǒng)會按照主營收入變動率從高到低依次排序,此時用戶可以清晰地看到變動率最高的企業(yè)納稅人信息。風險排序流程如圖2所示。

圖2 風險排序流程圖Fig.2 Risk ranking flow chart

第2部分是風險指標管理,其模塊支持用戶修改相應指標的標準值。第3部分為風險查詢,用戶只需要輸入納稅人識別號即可顯示納稅人信息和納稅人的各類風險指標值。各類風險指標如表1所示。

表1 風險指標Tab.1 Risk indicators

筆者將風險評估指標分為4類,分別是收入類評估分析指標(Iincome)、成本類評估分析指標(Icost)、費用類評估分析指標(Ifee)以及利潤類評估分析指標(Iprofit)。

其中Cprofit表示現(xiàn)期利潤,Lprofit表示基期利潤。

上述4類指標中任一指標或多個指標超出標準值范圍,都能成為納稅人的可疑點。例如,如果收入指標值超出標準值范圍,則可能原因是企業(yè)在納稅申報時少報收入或多報成本支出等;如果成本指標值超出標準值范圍,則可能原因是企業(yè)在納稅申報時瞞報收入或多報成本支出以及擅自增加稅前扣除項目等;如果費用指標值與標準值差距較大,則可能原因是企業(yè)在納稅申報時多列費用項;利潤指標值與標準值差距較大,則可能原因是企業(yè)多結(jié)轉(zhuǎn)成本支出或在納稅申報時瞞報或少報收入。

不僅僅是單一指標的不合理能出現(xiàn)稅收風險問題,指標與指標之間的比例不合理同樣存在稅收風險問題。存在以下4種比例關系。

上述4種比值超出標準值范圍,也將成為納稅人的可疑點。如果收入利潤比超出標準值范圍,可能存在企業(yè)納稅時少報或瞞報收入以及多列成本費用等問題;如果收入成本比超出標準值范圍,則可能是企業(yè)在納稅申報時瞞報收入或多報成本支出以及擅自增加稅前扣除項目等;如果收入費用比與標準值差距較大,則可能是企業(yè)在納稅申報時多提、多攤相關費用、將資本性支出一次性在當期列支或多轉(zhuǎn)成本、虛增成本;如果成本利潤比與標準值差距較大,則可能是企業(yè)多結(jié)轉(zhuǎn)成本支出或在納稅申報時瞞報或少報收入。

2.3 相關技術

該平臺利用Sqoop工具導入各類涉稅數(shù)據(jù)到Hadoop分布式文件系統(tǒng)中,然后通過大規(guī)模數(shù)據(jù)處理引擎(Apache Spark)對稅收數(shù)據(jù)進行處理,處理后的用于展示的結(jié)果數(shù)據(jù)將存儲在關系型數(shù)據(jù)庫MySQL中。稅收風險大數(shù)據(jù)分析平臺采用Java語言開發(fā)、Tomcat作為Web容器的B/S架構(gòu)。

2.3.1 分布式文件系統(tǒng)

Hadoop分布式文件系統(tǒng)[17-18]屬于Apache Hadoop的一部分,也是最核心的部分,因為它是存儲和管理數(shù)據(jù)塊的部分。傳統(tǒng)的文件系統(tǒng)只是構(gòu)建在單機上,并且不能存儲超過硬盤大小的文件。HDFS是分布式的,所以存儲于之上的數(shù)據(jù)并不都存儲在同一臺機器上,HDFS會將文件分解為單獨的塊(Block)并將它們分發(fā)到群集中的不同節(jié)點(DataNode),從而實現(xiàn)高效的并行處理。

2.3.2 大規(guī)模數(shù)據(jù)處理引擎

Apache Spark是一個分布式的集群計算框架,也可以說是一個基于內(nèi)存的大規(guī)模數(shù)據(jù)處理引擎,可以對靜態(tài)或動態(tài)(批處理)的大量數(shù)據(jù)進行抽取、轉(zhuǎn)換、裝載、分析、機器學習和圖形處理(流處理)。不僅如此,Spark還提供了豐富的編程語言API,目前支持Scala、Python、Java、R語言和SQL。

Spark為集群內(nèi)存中的計算提供了一種稱為RDD(Resilient Distributed Dataset)的高效抽象,Apache Spark的多階段的計算引擎可以在內(nèi)存中運行大多數(shù)計算,因此Spark大多數(shù)在進行某些復雜計算時能提供更高的性能,例如迭代算法或交互式數(shù)據(jù)挖掘。

2.3.3 數(shù)據(jù)交互工具

Apache Sqoop被開發(fā)用于在Hadoop分布式文件系統(tǒng)和數(shù)據(jù)庫之間快速傳輸數(shù)據(jù)。其支持從關系數(shù)據(jù)庫(比如Teradata、SQL Server、Oracle、Postgres、MySQL、HSQLDB和Netezza等)導入數(shù)據(jù)到Hadoop分布式文件系統(tǒng)上,還支持從Hadoop分布式文件系統(tǒng)上插入數(shù)據(jù)到關系數(shù)據(jù)庫。其之所以能高效傳輸數(shù)據(jù),是因為Sqoop將導入工作變成了一個或多個MapReduce任務。由于MapReduce的Shuffle階段是最耗時間和資源的階段,Sqoop巧妙地將Reduce任務數(shù)設置成了0,從而避免不必要的資源消耗,也節(jié)省了大量的時間。Sqoop的優(yōu)勢在于利用了分布式計算的思想,對傳輸量越大的導入任務,其優(yōu)勢越明顯。

由于當前稅務部門的大部分數(shù)據(jù)存在于傳統(tǒng)的關系型數(shù)據(jù)庫中,要想聯(lián)合利用這些數(shù)據(jù),必須將數(shù)據(jù)重新整合,所以采用Apache Sqoop工具作為平臺的數(shù)據(jù)交互工具。

2.3.4 程序開發(fā)框架

筆者構(gòu)建的稅收風險大數(shù)據(jù)平臺的工程引入Spring Boot提供支持。Spring提供的依賴注入(DI:Dependency Injection)技術可極大地提高代碼的復用性,例如A類依賴于B類,則B類將由Spring自動注入,這稱之為控制反轉(zhuǎn)(IOC:Inversion of Control)。Java程序員可以把類的對象(Bean)交由Spring管理,當某個類依賴于另一個類時,Spring將自動創(chuàng)建該類對象并注入,當程序其他地方再次需要該類時,Spring會直接將原來創(chuàng)建好的對象注入,也就是說以往的由程序員自己控制創(chuàng)建對象這部分工作交給了Spring管理。Spring Boot不僅封裝了Spring的所有核心功能,還帶來了更加精簡的配置,使程序開發(fā)效率再次得到提高。

3 結(jié) 語

大數(shù)據(jù)背景下的稅收風險管理仍處于探索階段,需要在組織機構(gòu)建設、第三方信息獲取、優(yōu)化風險管理平臺功能、人員團隊建設等方面提供保障。針對這些問題,筆者對稅收風險管理的保障措施提出建設性意見:扎實組織稅收風險管理,完善數(shù)據(jù)。建立優(yōu)質(zhì)稅收數(shù)據(jù)庫,優(yōu)化大數(shù)據(jù)和稅收風險管理平臺功能:加強建設,充分挖掘利用所掌握的海量數(shù)據(jù)資源。無論是業(yè)務驅(qū)動的傳統(tǒng)稅收風險管理,還是數(shù)據(jù)驅(qū)動的分析模型,都很難從單方面提高稅收風險管理的精準度,所以筆者基于大數(shù)據(jù)背景,將稅收數(shù)據(jù)庫和稅收風險管理相結(jié)合進行研究,建立稅收管理大數(shù)據(jù)分析平臺,提高稅收風險管理的準確性和可應用性,完善稅收風險管理基礎,達到了更好的稅收風險管理的目的。