
佛山地税迈向“大数据管税”时代
佛山市地税局提供
今年6月4日,市民李先生收到佛山地税的短信,提醒他在次月15日前向税务机关提交相关资料,对其名下的某房产进行房产税纳税申报。“刚开始还以为地税发错信息,后来才想起自己刚在禅城买了一个商铺。”李先生说:“我在房管部门办齐手续还不到一个月,没想到地税部门的消息这么灵通。”
李先生收到的短信提醒,是今年佛山地税数据分析应用中心(下称“中心”)成立后推出的一项便民服务。佛山地税对庞大的涉税数据进行分析运用,除了对纳税人未按时足额缴税提供风险提醒外,还提供税收优惠提醒以及纳税辅导等服务,可以说在全省地税系统是首开先河的,意味着佛山地税逐步迈向“大数据管税”时代。
中心试运行期间(5月18日至8月29日),已向纳税人发布了4万多条提醒事项,其中,向39828户纳税人推送了未足额缴纳购销合同印花税风险提醒,向759户纳税人推送了营业税优惠提醒。
事实上,佛山地税的数据分析应用工作可追溯到12年前,随着2003年的“e税通”系统、2009年的综合治税平台等陆续上线,税务部门可用的涉税数据从单方面搜集扩展至可与多个政府部门联动共享。如今中心成立,对数据进行集中管理、统一分析及整合应用,将实现数据从零散利用向迭代运用转变,促进税收管理从“经验驱动”向“数据驱动”迈进。
大数据引路
做企业精准的“税收管家”
上述税收风险提醒,是佛山地税主动服务的创新举措。由于我国的纳税申报大多基于纳税人自主申报,一旦发现漏报、迟报,纳税人必须依法缴纳滞纳金并接受处罚。“在实际工作中,我们发现有纳税人因对税收政策不了解而出现漏申报、迟申报现象。”中心负责人坦言。
佛山某陶瓷公司曾因未及时缴纳城建税而产生巨额滞纳金,该公司需缴纳城建税额约21万元,逾期快三年,滞纳金达到11万元。针对此类涉税风险,中心负责人称,佛山地税现在通过收集、分析大数据,可以更直接、更迅速地掌握纳税人的涉税信息,分析比对后有的放矢地推送涉税风险提醒。
但大数据的运用是否意味着税收监管更严厉?“依据法律规定,税收征管是应收尽收、应减则减、应惠则惠。因此,对于因不了解政策而未按时申报纳税或未及时享受税收优惠的纳税人,我们都会根据疑点信息进行搜寻分析并开展后续提醒。”中心负责人表示。
同时,佛山地税也希望通过大数据的分析应用提高社会纳税遵从度。中心负责人强调:“纳税是公民的一项义务,通过涉税风险提醒,我们希望纳税人增进对税法的了解,提高自觉纳税意识。”
多方信息共享
构建佛山地税“大数据库”
以大数据进行税收管理,数据来源是否可靠成为关键因素。据悉,目前中心数据主要由三部分构成,既有来自内部的税收数据,也有来自外部其他部门的数据,还包括互联网数据等。其中,内部数据包括纳税人办理业务的所有历史数据,如税务登记信息、财务会计报表信息、纳税人自行申报数据等;外部数据则包括已实现与地税部门进行数据交换共享的工商、国税、国土规划、住建等29个部门的数据。
对互联网信息的抓取则成为佛山地税“大数据库”的重要来源,相比前两类数据,互联网信息更具及时性。“举个例子,广州和佛山签订了一个框架合作协议,在一般人看来不过是一个新闻报道,但对我们而言则是一个重要的信息来源。”中心负责人称,中心会及时跟踪国家的政策发布,抓取规划、土地等重要涉税信息,追踪上市公司重大事项公告、企业关联关系等,并由专业人员进行比对和深挖,为数据应用提供依据。
中心负责人表示:“互联网不仅有数据的‘来’,也有数据的‘去’”。除了抓取信息外,中心还将利用互联网这一载体,对涉税信息进行定向推送。例如,定期公布诚信纳税信息,或对“老赖”名单进行归纳整理,在依法依规前提下,供其他政府职能部门或机构参考使用。
把握三大定位
让“大数据管税”真正落地生效
除了对外发挥服务和监管职能,大数据运用也为佛山地税的内部风险防控添了一份保障。“佛山(不含顺德区)的纳税户超过26万户,而佛山地税工作人员仅1200人,如果按传统方法进行管理、核查,效率并不高。”中心负责人表示。
如今运用大数据,可以进一步查找征管漏洞。“例如,对于一些恶意偷税逃税行为,以往需借助稽查等手段进行监管。如今有大数据的支撑,能实现更全面、快捷、准确管理。”中心负责人称,运用大数据有助于完善各项征管措施,防范失职渎职风险。据了解,中心试运行期间,共筛选并下发已注销房产土地登记的应申报未申报疑点信息938条,个体户生产经营所得不按累计申报个人所得税疑点信息1354条。
此前数据管理较为碎片化,处理分析尚未完善,增值利用尚处于较浅层次。现在,佛山地税借助中心成立的契机,重构完整的数据管理应用链,包括统一数据口径和质量标准,出台相应的制度和流程规范。同时,还开发数据分析应用系统,实现数据管理、疑点任务跟进、数据展现等功能,并建立了231个风险点分析指标库。
中心试运行期间,共对25类数据统计需求进行验证分析,统计数据226万条,产生疑点数据24万条,协助税收评估、内部审计及执法督察等专项工作。
对于下阶段工作,中心负责人表示,将把握好参谋、监督、服务三大角色定位,致力于为税收工作提供高质量的基础数据、为纳税人提供精准的涉税提醒,并适时推送纳税辅导等服务,确保大数据管税真正落地生效。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13