鲁钰锋：迎接税收大数据时代的六大要点-DOIT

自2008年我国金税三期工程正式启动以来，我国利用覆盖全国税务机关的计算机网络对增值税专用发票和企业增值税纳税状况形成了进行严密监控的一个完整体系。尤其是2016年5月1日全面推行的营改增试点，已经成为自1994年分税制改革以来，财税体制的又一次深刻变革。

“是否有能力采集数据是现代社会发展的关键。目前，西方的税收体系只能管理到资金流，我国由于具有全局规划的优势，在这方面已经走得更远。”清华大学国情研究院助理研究员鲁钰锋博士在19日举行的甲骨文数据库云技术大会期间接受媒体采访时如是说。

清华大学国情研究院助理研究员鲁钰锋博士

税收大数据具有深刻的社会意义

营改增覆盖到全行业后，开票的流程已经纳入监管范围，但开票之外的信息只有通过大数据分析才能得到有效的监管。

目前，税务虚开等问题通过包括纳税人画像、税收流失量化测算等量化与循证大数据分析技术进行成功甄别的案例已经成为现实。

大数据在纳税评估、税务稽查、税收管理成本效益分析、税收经济分析等领域的成功应用，已经成为我国税收大数据的组合拳。

跨行业数据源的视角

鲁钰锋强调，税务数据分析的数据源并不局限于税务行业，而是涉及到社会的方方面面。所以要以跨行业数据源的视角，才能解决现实中的问题。

例如，小微贷款的信用问题原来很难评估，目前很多银行通过营税互动的大数据分析，已经可以很好地为企业进行信用评估，服务经济社会。

大数据与传统BI并非替代而是并行

小数据不可能向大数据搬家，相对于决策，大数据更大的价值是使日常工作更加智能，所以，两者之间的关系是需要整合，而非替换。

大数据在税收行业的应用要着眼于打通大数据与小数据，促进两者的融合。

做好大数据，不要放弃“小数据”，而要构建“价值双通道，双网络”。

从“税收小数据”到“税收大数据”，需要改变传统的应用模式，改变传统的数据分析方式，区别于传统的数据仓库，强调跨界的大数据源聚合，以及云计算支撑的大数据应用。

场景驱动，应用为先

大数据量大，复杂，边界不确定，价值以业务场景而非资源为导向。

发展大数据，不要一味追求“数据规模大”，更“要精致、更有效、更能解决问题”；不要一味追求“技术驱动”，而要“应用为先”。

让大数据价值挖掘游刃有余

大数据的价值需要通过大数据价值的解读能力、大数据源组织能力、大数据业务服务设计能力、大数据价值转换能力，以及可信的第三方证据才能成功进行挖掘。

实现税收大数据的方法与技术

税收大数据的基础数据云平台：进行税收大数据，要高度关注大数据平台的建设成本。统一数据标准，多数据源聚合，大数据应用支撑，统一资源服务。

税收大数据模型及应用体系：税收大数据要做好数据分类管理，数据模型管理，指标体系以及服务体系。

税收大数据治理体系：税收大数据要做好资源体系规划、资源标准体系、质量管理体系、团队建设和工作机制，以及技术平台。

税收大数据架构设想：电子税务局与金税三期业务系统的打通，要以适合的IaaS为支撑，通过PaaS提供应用服务，通过DaaS提供数据服务，共享业务服务以实现互联网+税务和税收大数据云工厂。

大数据与小数据的集成融合：Oracle Big Data SQL是大数据与小数据集成融合的一种较好的路径。

大数据的快速发现能力：Oracle Big Data Discovery具有大数据快速发现的能力。

发票深度洞察和欺诈分析：Oracle Advanced Analysis可以对发票进行深度洞察和欺诈分析。

税收大数据解决方案：金税工程过去一直以私有云的方式进行建设，但是面向社会服务的一些功能将在混合云进行体现。金税三期采用了甲骨文数据库方案，为私有云与公有云的无缝切换提供了保障。

“全社会的数目字管理是一个伟大的蓝图，税务大数据是其中一块坚实的基石。开放、连接、融合是大数据的核心思维。税收大数据的时代正向我们大步走来。”鲁钰锋博士总结说。

鲁钰锋：迎接税收大数据时代的六大要点