企业集团税收大数据的价值与智能化分析——基于征纳主体的双重视角

作者：

陈晋军（国网福建省电力有限公司） 

张碧云（国网福建省电力有限公司） 

吴小强（北京华政税务师事务所有限公司（研究院）） 

吴伊菲（美国加州大学伯克利分校文理学院）

随着税收征管数字化水平的提高，大数据在税收治理中的价值作用愈加重要和明显。中共中央办公厅、国务院办公厅印发的《关于进一步深化税收征管改革的意见》（以下简称《意见》）提出，要加强智能化税收大数据分析，不断强化税收大数据在经济运行研判和社会管理等领域的深层次应用。企业集团生产经营活动产生的涉税大数据集，与税务机关掌握的政务大数据范畴的税收大数据之间是什么关系？对于市场主体经济活动、纳税遵从乃至经济社会治理能够提供什么价值贡献？站在征纳双方的视角，如何开展和强化智能化的税收大数据分析应用？本文试图从纳税人与税务机关的双重视角，对上述问题提出观点和建议。

一、对税收大数据的双重视角认识

（一）税收大数据的一般定义

一般认为，税收大数据是税务机关在税收征管过程中形成的结构化与非结构化的涉税大数据集（樊勇 等，2021）。税务机关以纳税人依法报送的纳税申报（含财务报表）数据为主要内容，加上在税务登记、发票管理、税务检查、信息交换等征管环节产生与获取的数据，通过存储、加工和整理成为系统化的信息，并将其运用到税源管理、税收分析、税款征纳、纳税服务和稽查评估等各个环节，来实现促进税收遵从、降低征税成本、管控税收风险、服务经济建设等多种微观与宏观效益。

（二）企业集团税收大数据的提出

从企业集团税务管理的角度而言，企业集团因其庞大的经济体量、动态的经营活动、复杂的组织架构而拥有最全面的内部涉税数据，汇总了所属的全国甚至全球母子公司、总分机构和常设机构等组成实体的生产经营、投资融资、供应链、研发、市场营销等信息。这些信息包括采购、生产、研发、销售、供应商与客户等经营业务数据，会计核算数据，票据数据（包括发票和其他统一票据），税务管理数据，纳税申报数据，税务机关反馈给企业的部分征管数据等内容。企业集团准确纳税申报和全面税务管理必须是基于企业集团所有涉税数据进行的。本文所提出的企业集团税收大数据，是指企业集团内所有成员主体经营活动和管理活动产生的各类结构化和非结构化的涉税大数据集合。税务机关所使用的税收大数据的主要组成部分是纳税申报数据和发票数据。而纳税申报数据属于纳税结果信息，并非用以确认和计量纳税义务的源头和过程信息；发票数据虽然反映了企业交易涉及的收入、税目、税率等要素但并非交易的全部涉税信息。企业集团涉税数据是源头性的、完整的、随时动态变化增加的数据集合，这是基于企业集团层面汇总整理的信息产出，是企业架构内部各经营单位的数据综合而非集团内单个企业数据的简单堆积，其特征非常符合大数据的定义。

（三）双重视角下的差异与统一

税务机关拥有的税收大数据与企业集团内部拥有的税收大数据存在内容上的显著差异。虽然税务机关在实施大企业专业化管理的活动中接收了千户集团等企业集团的账套数据，但这些数据仍然不是企业经营的全部数据，主要局限于部分企业集团的账套数据、全部的纳税申报数据、接受和开具的发票数据、征管中获取的档案数据、上下级税务机关产生的税收数据、银行等其他外部机构交换的数据等。税务端的税收大数据更加准确地说是税收监管大数据，是国家政务大数据的一部分，主要用途是评估和应对企业集团税收风险，提高征管质量与效率，防止税款流失。

企业集团税收大数据与税务机关税收大数据之间存在显著的边界，这是由征管制度、数据权利和行政法律关系等因素决定的。在《税收征管法》规定的自主申报制度下，纳税人自主申报不能也不会将企业端全部涉税数据报送给税务机关。这种边界也是由保护数据资产的法律制度决定的，纳税人拥有保护自身商业信息隐私的权利。征纳双方性质地位的差异也直接决定了这种差异，虽然税务机关与纳税人属于管理者与被管理者的关系，但两者在法律地位上是平等的，纳税人不得干扰税务机关正常的执法活动，影响其对企业涉税数据的合理获取需求，税务机关也不能以此干扰纳税人正常进行经济活动的秩序。

从税收治理的角度，企业集团税收大数据与税务机关税收大数据又是统一的。在纳税遵从方面，征纳双方具有共同贯彻执行税收法律制度和政策的共同目标。纳税人端的税收大数据和税务端的税收大数据存在部分内容上的相互交叉和一致性，如发票开具信息、纳税申报信息、获取的会计档案信息等。企业集团税收大数据是纳税人遵从税法和税务机关开展大企业税收征管的共同信息基础资源。从全社会税收治理的角度看，两者既是同源的，又是全社会税收大数据的共同组成部分。准确认识好税收大数据的价值，将企业端的税收大数据和税务端的税收大数据进行有机统一和科学协调，使其在税收收入分析工作中各自发挥数据作用，将有助于数字化税务与数字化市场的衔接和相互助力，共同推进税收共治。

二、企业集团税收大数据的价值

企业集团的税收大数据，不仅对大企业自身发展具有较高的管理价值，而且对税务机关的税收治理和更高层次的国家治理都能提供强大的信息支撑，有助于充分发挥税收在国家治理中的基础性、支柱性、保障性作用。

（一）有效辅助企业经营管理决策

在企业集团资源管理系统建设到位的情况下，因为信息的完整程度较高，集团管理层可以凭借其所处的管理层级以及企业赋予的管理权限，及时准确全方位地获取集团涉税信息，并用于经营管理决策。通过企业集团税收大数据可以从税务角度获取生产经营收入、成本、期间费用、研发费用、利润、负债等方面的信息，这些信息反映业务和交易事项的真实性程度较高，因而不必过于强调会计的谨慎性原则。同时，定期纳税申报对数据的可靠性和及时性要求也较高，可以将其用于与业务层面和财务层面的信息进行对比和印证，从而发现管理优先事项和存在问题。例如：增值税纳税义务时间决定了增值税申报收入，同时反映了已经取得预收款项和取得应收款项权利的收入，提供了比会计权责发生制原则确认收入更加直观和完整的收入信息及其变化信息；增值税税负可以间接反映企业的毛利水平、增加值等，为企业降低成本、提高利润、拓展发展潜力寻找有效着力点；企业职工福利费和培训费的税前超标准列支纳税调整情况可以为企业改进集体福利制度提供较强的参考依据；企业税负从另外一个角度看就是纳税贡献，这也是大企业投资和生产经营对地方财政的重要贡献之一，企业进行投资经营地点、新增投资规模和后续追加投资决策时，可以之作为重要参考因素并用于与地方政府进行的投资谈判。

（二）提高企业集团税务管理水平

企业集团税收大数据是企业集团进行税务管理的基础设施，有助于提高税务合规、税务风险控制和税务规划等税务管理工作水平。从申报合规角度看，企业可以依据一定的计税规则，通过自动化手段对企业集团税收大数据进行加工处理，更加高效地进行纳税申报，同时，计税规则由专家根据税收政策规定事先设定与定期更新从而提高纳税申报质量。从风险控制角度看，企业集团税收大数据可以帮助企业更及时、全面、有效地识别企业存在的税务问题，如针对行业特征、经营特点和组织结构，设计和使用企业集团税收风险自查指标体系，对企业集团税收大数据进行处理后，及时洞察企业集团内部存在的税务风险，方便处理财税部门下发的风险自查任务，降低整个集团的税务风险水平。从税务服务企业战略的角度看，企业财税人员可以利用大规模的涉税数据对税收优惠条件适用情况和优惠申报享受情况进行综合分析，为充分享受税收优惠提供规划空间，必要时还可以建议决策层对组织架构、业务模式等进行合理优化调整，从而充分地执行和享受税收优惠政策。另外，税收政策发生重大变化时，企业财税工作人员及时对税收大数据管理规则进行更新，这也有助于财税团队税务管理能力的提高。

（三）促进大企业税收遵从

企业集团税收大数据的应用正在促使税收征管模式的转型。税务机关可以将企业集团税收大数据作为开展征管工作的重要依托，通过搭建先进的数据仓库来储存和调取这些数据，凭借数据挖掘与数据分析等技术得出有价值的分析结果，并将其应用于各项征管工作，重点在征管资源配置、纳税信用治理、税务检查等场景形成高效精准的管理闭环，促进纳税人全面遵从。一是将重点征管资源配置于大企业税收监管。税务机关获得企业集团全量发票数据、申报数据和账套数据乃至在检查中获取企业集团全部税收大数据查询权限后，便可以利用海量数据资源，描绘出地区、行业、规模等各种维度纳税人的税收遵从行为与风险特征，然后利用分析模型和指标进行集中的高效智能分析和分级风险应对，将征管资源重点配置到大企业服务与监管中。二是促进实现纳税信用治理。企业集团税收大数据为税收信用治理提供了重要基础，税务机关可以通过企业集团税收大数据对纳税人历年纳税行为信息进行排序、汇总、预测等处理，形成对纳税人的税收遵从情况判断和公平有效的纳税信用评分，并构建“信用+风险”动态监管体系，配合以激励性、惩处性和引导性措施，有效促进税收遵从。三是提升税务检查专业能力。税务机关在实施税务检查时，可以通过金税系统、电子税务局等渠道获取到海量涉税数据，运用各类定性定量分析技术对纳税人进行精准画像，还原业务情况，快速固定各类证据，提高税务检查选案准确性、检查专业性以及审理结案规范程度和效率，有效查补税款并对纳税人产生警示作用。

（四）为经济社会治理提供高质量信息

企业集团税收大数据可以用于政府部门评估税收优惠等财税政策的贯彻情况、执行效果和社会影响，对政策目标实现情况进行判断，也有助于后续财税政策的调整和完善。税收大数据取自全社会市场主体的经济活动，其中蕴含的信息价值超越税收治理本身，反映着整个市场的运行态势、周期变化、重要问题以及内在规律，在微观主体、行业形势和宏观经济等多个层次都具有“指示器”的作用。税收大数据科学设计经济社会分析指标体系，可以动态跟踪和提前预测经济社会运行的基本趋势特征，为宏观经济管理与社会治理提供相对准确的信息支撑和重要决策参考（杨莎莉 等，2022）。例如，对于特殊行业的企业集团，如果同时期存在安全设备对应的增值税进项大额缩减的情况，那么就可以重点关注其是否存在重大安全隐患（张雄，2022）。再如，出口退税申报数据可反映外贸出口情况，固定资产的购销发票数据可反映市场投资情况，零售企业的税收相关数据可反映居民消费情况，大宗消费品生产企业的税负数据可反映居民消费价格指数（CPI）的变化情况，等等。

三、企业集团税收大数据的智能化分析

对企业集团税收大数据进行智能化的分析，挖掘其在大企业管理和税收治理中的重要价值点，是持续加强税收大数据在经济运行研判和社会管理等领域的深层次应用以及推进税收共治的重要路径。从分析框架与内容看，纳税人端和税务端的生产经营涉税智能化分析与税务端的征管涉税智能化分析是全社会税收大数据智能化分析的主要组成部分。从技术实现看，智能化分析方法强调与人工智能相关的算法、模型、技术以及工具同具体分析场景的匹配运用。

（一）纳税人端的智能分析

1.纳税情况分析。企业集团可以按照季度、半年度和年度进行定期的纳税情况分析，全面反映申报纳税与税务会计科目核算的详情。纳税情况分析通常可以包括应交税金（含期初数、本期变动数、期末数）、本期实缴税金、本期税金及附加、本期减免税（税收优惠）、当期所得税费用、递延所得税费用、所得税费用、递延所得税资产与负债（含期初数、本期变动数、期末数）、税负、发票开具与取得等企业税务情况及其变化的分析。同时，应将企业所得税、增值税等税种作为主要分析税种，但也不能忽略土地增值税、印花税、房产税、城镇土地使用税、耕地占用税等地方税种的分析。税收优惠享受情况应按照优惠项目逐项分析，并自动计算税收优惠对企业利润的价值贡献，提示进一步享受税收优惠的可能合理空间。税务情况分析应将财务与生产经营业务相结合，以反映企业税务和业务的真实状况与相互关系。企业可以将税负分析作为一个综合分析工具，实现从综合税负逐层逐项分解到具体税种税负的分析，并通过因素分析法，识别税收管理中存在的问题和潜在的税务机会（如优惠享受不足等）。

2.税务风险分析。税务风险分析应包括外部税务监管与内部税务合规两方面的风险分析。外部税务监管风险分析应对财税、国资、审计等国内政府机构，以及外国政府主动发起的、需要企业进行处理的包括欠税清缴、加征滞纳金、税收大数据风险提示、自查提示、评估事项、税务检查、税务处罚、刑事案件等在内的各类风险事项进行提示、报告和应对分析。智慧税务背景下，内部税务合规风险可以通过在数字化软件系统设置全税种计税规则和风险特征指标库进行事前和事中的有效管理。内部税务合规风险分析应将重点放在计税规则和风险特征指标库的设置与运行情况，以及最新税收政策变化对企业税务合规可能带来影响的专业研究判断方面。对于企业集团内部还有法务、风控、审计、纪检监察等部门开展的税务监督事项及其后续处理情况，也可列为内部税务合规风险分析内容。

3.应交税金预测。企业预缴未来期间的应交税金可以满足税务机关开展税收收入分析和内部做好税金预算工作的双重需求。应交税金的预测，需要财税管理人员了解分析企业未来期间的生产经营计划、投融资计划和并购重组计划等，根据未来经营活动指标与纳税义务的关系，判断未来的纳税义务。企业也可以运用截面回归分析、面板分析、时间序列分析等量化分析方法进行预估测算。此外，应交税金的预测还涉及对未来可能出台的财税政策及其影响进行适度预判，以及对企业将来可以享受的税收优惠类型与规模进行判断，还需要考虑以前年度未决涉税事项对当期的影响。

4.税收视角的经营分析。一是开展纳税申报角度的经营情况分析。通过发票数据、企业所得税预缴汇缴申报、增值税以及其他税种的申报表、会计报表等数据，分析集团经营的各管理层级、各业务板块、产品类型、成员主体的收入（含开票收入）、成本、费用与损益以及资产状况和现金流情况，关注各项指标的显著变化，以及税收与会计和业务口径的差异，并进一步分解到具体的影响因素进而进行原因分析，对加强经营管理提出建议。二是开展投资的纳税贡献分析。从投资角度，进行投资主体与项目的企业所得税、增值税、个人所得税、房产税、印花税等多税种综合贡献分析，以及其中的地方一般公共预算收入贡献分析，与投资协议相关条款进行比较，向管理层报告投资的纳税贡献情况及其影响因素，为投资决策提出建议。三是开展生产经营的税费成本分析。监控企业销售商品与提供服务发生的应缴税费在对应业务总成本中的所占比例，对不同期间、不同区域税费负担率存在静态或动态差异的，应从税后投资收益或者综合成本率等角度对企业集团订单的区域安排、采购的区域安排、关联交易安排、资金调度和利润分配等作出建议。不同行业的企业税费成本调整空间存在差异，如电力产品销售企业的税收成本变化更多体现在不同期间之间的差异，购进端经营调整如对采购订单实施时间安排比销售端的经营调整更为可行。

（二）税务端的智能分析

1.纳税服务分析。税务机关依托企业集团税收大数据可以对纳税服务的反馈情况进行分析，对各项纳税服务事项设置评分规则，利用企业集团税收大数据进行服务效果上的前后比对，从客观上评判纳税服务的影响大小和品质水平，避免对纳税人事后主观评价的依赖。税务机关也可以根据企业集团税收大数据对企业单位进行立体画像，掌握纳税人的基本情况，对优惠政策的适用条件进行数据化、格式化后再推送和呈现给经特定算法识别出来的有需求的纳税人，实现税费优惠政策红利的精准投放。依托企业集团税收大数据构建的新型纳税服务模式，将优化或再造纳税服务流程，实现纳税服务更加个性化和便利有效。

2.征税风险分析。从税务机关的角度而言，税收风险是指纳税人产生税收不遵从行为从而导致税款流失、税收公平目标受损的征税风险。征税风险的管控要求税务机关建立覆盖识别、排序、应对、评价等全环节的税务风险管理制度，每一个环节都可以利用大数据做好分析工作。税务机关可以在多方数据关联分析和综合比对的基础上，利用智能画图技术为纳税人进行立体画像，呈现出企业的经营地址、交易对象、关联关系等信息，辅助税务人员进行审核评判，最终精准筛选出风险纳税人与纳税人的税收风险点。通过对企业税收大数据的分析处理，可以及时判断出应纳税额与税源基础的真实性联系，查找出可能存在的税收缺口。按照纳税信用的标准对纳税人进行分类，可以形成纳税信用风险等级评定结果。

3.税收收入预测。税收收入是政府财政收入的主体部分，准确的税收收入预测与各级政府未来可用财力及相关财政支出决策密切相关，在制定较长时期的财政支出计划、制定下一年度税收征管计划和发行中长期的政府公债时，税收收入的预测便是最为重要的依据之一。税务端对税收收入的预测分析与纳税人端应交税金的预缴直接相关联，后者的准确预测可以为前者提供可靠的数据基础与比对参照。税务机关根据纳税人提供的税金预测信息以及税务机关税收内部征管信息开展收入分析预测工作。税收收入预测需要利用海量的涉税数据，分析影响税收收入的各种因素，然后再根据历史数据、构建预测模型、考虑其他影响因子的调整，得到对未来税收收入规模的预测数。

4.政策效应分析。政策效应分析内容可以理解为政策执行结果和政策执行影响两部分，税收大数据都可以发挥重要作用。税收政策出台和实施后，纳税人将在纳税申报各类数据中反映出政策执行的结果，如研发费加计扣除比例统一提高到100%后全国企业实际比原来多享受的税基优惠金额。基于对特定财税政策相关的申报数据的分析，政策执行结果可以快速地上报至上级部门，以便政策制定者判断税收政策是否达到政策预期目标。另外，税收政策的实施也会对纳税人以及其他利益相关群体的经济社会活动与行为产生影响。例如：鼓励科技创新的税收政策实施后有助于全社会增加对科技研发的投入和委托研发活动比例的提高，而税收大数据中财务报表的研发费科目信息能直接反映研发投入情况；增值税留抵退税政策有助于纳税人经营现金周转从而可能促进其疫情后经营活动的恢复，税收大数据中企业的现金流量和营业收入变化信息能够反映这种积极影响。

5.经济运行状况分析。经济运行分析是企业集团税收大数据智能分析的重要增值产出，可以充分发挥智能分析系统化、全面化和及时性的优势，使各级政府及其决策人员及时了解本地区经济运行的总体情况、重点行业经济趋势、战略性新兴产业发展情况、供给侧结构性改革进展、特定地区和群体状况等社会经济发展情况，助力于政府的宏观调控、产业政策和社会政策制定与实施。例如，根据电网企业的发票开具数据，可以分析不同行业、不同区域企业用电量与用电成本的变化情况，进而反映企业经济发展的活力与经济负担情况。又如，疫情期间，税务机关通过增值税综合管理系统，对发票开具数据进行全面分析和挖掘，对企业复工复产的状况进行揭示，对供应链上下游企业进行业务匹配，从而为缓解疫情对经济发展的影响提供数据支持。

在利用企业集团税收大数据对经济运行进行智能分析的过程中，还需要从企业集团税收大数据的特征出发，寻找税收与社会经济运行特征的内在联系，形成一系列反映和预测经济规模与发展质量的税收经济分析指标和框架。例如：利用企业集团税收大数据可以直接计算各重点企业与行业的产能、研发投入、增加值与劳动生产率等经济运行核心指标；通过当期纳税人的经营毛利除以电费发票的购电量数据，可以了解到单位的能源消耗产出率，辅以对电力属性按传统火电或者清洁绿电进行分类，能够体现经济发展方式的转变情况（李俊珅 等，2022）。

（三）智能化分析技术的使用

对企业集团税收大数据开展智能化分析，应当根据具体分析目标、项目和场景，依托人工智能为主的各类算法、模型、方法和工具开展工作。当前，人工智能领域的机器学习、深度学习、自然语言处理和大语言模型等技术的发展与应用场景拓展较快。如利用自然语言处理技术从公开信息发现潜在税收风险线索，利用ChatGPT消化税收语料和大语言模型辅助撰写分析报告等。就重点领域看，人工智能技术在税收收入预测和纳税风险识别两个领域有着较大的应用和提升空间。

1.收入预测的智能技术。基于大数据，税收相关的预测分析特别是收入预测分析工作可以在预测方法和预测模型上进行创新。例如：时间序列分析（time-series analysis）可以有效地分析已有的历史税收数据，帮助发现影响税收收入走势、季节性变动等规律特征的可能原因，开展税收收入未来趋势的预测；传统的自回归综合移动平均模型（ARIMA）在预测时间序列下未来数值方面有着良好的精度与准确性表现，然而基于深度学习的长短时记忆神经网络（LSTM）模型更优于传统学习模型；预言者（prophet）模型应用于税收收入分析时能够同时预测周期性与非周期性（季节性）趋势。再如，从预测期间来讲，可以使用ARIMA、季节性差分自回归滑动平均模型（SARIMA）等进行短期和中期预测，使用预言者模型或机器学习算法进行更长期的预测。同时，最小二乘支持向量机模型（PSOLS-SVM）、BP神经网络模型等新型预测工具也可以引入收入分析工作（李万甫 等，2021）。此外，这些模型还可以用于检测企业集团税收大数据中的异常值，税务机关通过识别和处理这些由特殊事件或意外因素引起的异常值，可以更好地理解税收大数据的真实情况，从而制定和实施更精准的税收政策。各类线性与非线性模型与算法的应用，不仅有助于税务机关科学组织税收收入与评价税收政策效应，而且对政府开展一般公共预算收入的预算和分配执行等都有重要意义。

2.风险识别的智能技术。纳税风险分析和纳税信用分析工作中可以使用逻辑（logit）模型、朴素贝叶斯分类器（NBC）、决策树、聚类（clustering）等模型和方法。逻辑模型常用于二分类应变量的建模，适用于结构化数据，而企业集团税收大数据的结构化程度较高，可将该模型广泛应用于计算相对风险的各类税务场景。朴素贝叶斯分类器通过贝叶斯推断进行合理准确的任务分类，在处理高纬度数据中表现良好，噪声与丢失数据对其影响也较小，此方法常用于风险对象分类与算法建模，同样可以应用于遵从风险较高纳税人群体识别与预测等场景，但应用时需要注意属性值的完整性以及给定类别下特征间相互独立的算法假设是否成立。决策树模型可以用于处理各类离散型和连续型数据，大大减少数据预处理工作，但使用中应防止在训练数据上过于拟合从而导致在新数据上泛化能力较弱并影响预测结果的准确性。税务机关可以根据纳税申报数据构建决策树以识别出可能存在遵从风险的纳税人，如那些有可能存在逃税行为的企业。上述监督性学习模型对数据有或多或少的结构上和特征上的假设，也有着不同的优缺点，所以只有通过数据结构和特征的分析，才能更准确地择合适的模型。聚类是一个常用的非监督性的数据分析模型，其定义数据之间距离和聚类的模式，可以帮助我们发现未标记数据中的规律。因此，可以通过对企业进行聚类分析，直观发现有着相似税务行为特征的企业群组，挖掘不同企业的属性关联，从而提前对尚未产生风险数据的企业进行风险评估，当然也可以提前找出适用特定税收优惠的纳税人提供政策推送服务。

（本文为节选，原文刊发于《税务研究》2023年第11期。）

欢迎按以下格式引用：

陈晋军，张碧云，吴小强，等.企业集团税收大数据的价值与智能化分析：基于征纳主体的双重视角[J].税务研究，2023（11）：76-82.

-END-

点击“阅读原文”快速投稿~