2015年7月1日，国务院办公厅发布的《关于运用大数据加强对市场主体服务和监管的若干意见》中提到：“高效采集、有效整合、充分运用政府数据和社会数据，健全政府运用大数据的工作机制，将运用大数据作为提高政府治理能力的重要手段，不断提高政府服务和监管的针对性、有效性。”2015年下半年，国家税务总局开始将全国年纳税规模超过3亿元的大企业集团的税收风险分析事项提升至税务总局、省级税务局集中处理，之后陆续推出了大企业税收服务与管理改革措施，以推动大企业税收服务深度融合、执法适度整合、信息高度聚合，以切实解决大企业税收服务和管理中的“四不”问题：“信息不对称、能力不对等、服务不到位、管理不适应”，提升税收服务与管理质效。其中“信息不对称”居于“四不”问题的首位，是解决其它三类问题的“敲门砖”，在解决问题的路径选择中处于核心地位，具有最高优先级。如何突破信息瓶颈，实现税企之间的涉税信息透明，税务系统还处在艰难探索的过程中。总局提出的“信息高度聚合”是解决“信息不对称”的必由之路，实现税企“信息对称”是解决大企业税收风险管理的“突破口”。虽然实现“信息完全对称”在现实中几乎是不可能的，但将大企业税收风险管理中最关键的大企业集团“申报是否准确”作为重点，打通税务系统所掌握的涉税信息和大企业集团的实际生产经营信息、财务信息和申报处理信息的全链条对应，是实现“信息对称”的最关键任务。本文旨在结合多年工作实践，梳理和探讨一些有效的具体思路。

税企信息不对称的原因分析

（一）政策理解和执行情况信息不对称，税企双方难把握

大企业集团的纳税义务判断、纳税方式选择和税基计算及税目税率选择上都要比一般企业复杂，现有税收法律、法规中的一些具体条款，在企业千变万化的实际经营状况面前常有“留白地带”，各地税务机关解答标准不统一，在具体问题的理解和执行标准上存在着偏差，税企双方常常发生争议，难以把握，导致大企业集团无法对所属业务种类多、分布地域广的成员单位的各类纳税事项进行统一规范。虽然大企业管理层级已经提升到总局和省局，但根深蒂固的属地管理原则和分税种管理体制，使得一些长期棘手的历史遗留问题仍难以全面解决。当大企业对复杂事项提出疑议时，由于未能获得税务总局层面及时的权威解读，各地只能坐等政策明确，待政策滞后明确需要缴税时，导致大企业少缴税款产生的加收滞纳金。

（二）数据采集范围难统一，税企之间存争议

税务机关的期望是有多少数据就收集多少数据。但是大企业的涉税数据，税务部门是否可以无限度地收集下去？数据如何存储？数据现在有用，未来是否有用？数据开放不开放？如何开发？开放到哪个层面，哪些范围？在税务系统内部是有限开放还是无限开放？选择数据开放是否会引发大企业的信息安全问题？不开放，能否有效支撑大企业税收风险分析？大数据是否安全？数据量过大带来的监管和运维压力是否能够承受？这其中，需要准确回答的问题很多。以信息对称所需要的数据采集标准来看：税务机关对所需要的数据一次性采集的范围难以精准地做好标准化确定，特别是财务数据之外所需的填报资料，包括是否需要对合同、协议的影像信息进行电子数据抽样采集，未做规范化标准定义；大企业对需要提供数据的认识存在不到位的情况，不愿意全面有效的一次性提供。由于双方对于数据采集范围的理解不对称，最终获取的数据不能还原企业的“准确申报”过程，耗费了双方大量的人力、精力、物力。

（三）第三方信息获取不易，国际情报尚未自动交换

从发达国家的经验来看，第三方信息对于解决税企信息不对称十分必要。美国IRS对大企业实施有效信息化管理的基础是充分占有企业的各种涉税信息，这些信息不仅包括申报信息，还包括其他部门的信息甚至从商业公司购买第三方信息等。澳大利亚政府2010年已推出了AUSKEY，在澳大利亚全部政府部门使用，从而实现了第三方数据的全面交换。相比之下，我国起步较晚，总局和省局数据集中和数据质量的问题尚有待解决，总局掌握全国范围内的国地税征管数据还比较困难，这成为制约总局和省局全面运用数据信息进行大企业税收风险分析的最大障碍。虽然在金税三期的外部信息交换系统规划中，考虑了第三方信息获取，以减少税务管理的信息不对称，但真正实现落地应用尚需时日。

（四）税收风险分析标准不统一

按照大数据应用“数据第一、特征第二、算法第三”的原理，国家税务总局目前已经通过金税三期梳理了数据标准，但是标识大企业税收风险特征的标准一直存在缺憾，全国未能实现统一：一方面利用各税种申报表、财务报表提炼的一些表间比对风险特征，还未形成规范标准，更主要是的缺乏实践验证，许多具体事项的适用特征按照大数据、信息化思维来看，还有待进一步标识和明确；另一方面从现有的案例管理角度通过稽查、评估等来收集整理，但远未形成大数据，能够适用于在总局层面“特征标签”的数据少得可怜，关键是权威的政策部门还没有建立“标准化的特征标签”的意识。

（五）还原大企业申报过程难度大

实现大企业集团申报过程和申报情景的还原难度极大。一是税务机关内部信息不对称。上级税务机关对数据信息资源的分析利用能力要强于基层税务机关，而基层对纳税人税源信息远比上级机关掌握得充分；税收机关与税务人员之间的信息不对称，主要表现为税务人员对自身工作情况、工作能力的知识和信息超过税务机关；国地税之间信息不对称，两者都只掌握自身所管辖的税种和纳税人信息，具有各自信息优势，但不能实现完全的信息共享。二是专业服务机构与大企业信息不对称。专业服务机构并不能完全掌握纳税人的实际收入和纳税行为，并且出于自身利益的追逐，也会在税务代理过程中对税收政策的宣传和告知有所保留，从而增加大企业的税务风险。三是大企业集团过于庞大，对于其中税收内控不太严密的集团，甚至集团总部与各子公司、分支机构等成员企业出现信息不对称。

此外，申报过程的“还原”在技术实现上也较为困难。因为信息高度聚合不是单纯的大量数据堆积，通过现有的部分数据对大企业经营业务实质全貌还原，以及申报痕迹的“还原”，涉及到数据采集、还原算法、人工复评、典型调查等各项专业操作。尽管在理论层面提出了一些思路，至今仍争议巨大，成功操作的案例不多，要想实现大企业税收风险分析的“精确制导”难度重重。

解决税企信息不对称的策略选择

（一）实现信息高度聚合，按照“集团一户式、全景式”进行信息归集和关系展示

“信息高度聚合”是解决税企双方信息不对称问题的必由之道。兼顾近期和远期的数据需求，税务机关要按照集团一户式和集团全景式方式进行信息归集和展示，其中集团一户式更多强调的是大企业涉税数据的“归集”，集团全景式更多强调的是各种关系的“展示”。这就需要做好数据清洗、转换、建立好数据仓库，实现全样本，多维度信息的存储和拟合，同时做好展示和钻取工具的选型。主要需要四类数据资源：一是各类征管系统基础数据，二是企业财务帐套数据（包括ERP数据）、企业自查数据、企业内控调查数据等。三是独立存在于税务机关和纳税人之外的其他政府部门或监管机构掌握的与税收管理具有相关性的数据。四是互联网数据，主要有上市公司公开的财务数据，重大经营事项、股权转让数据；行业协会网站公布的行业主要经营指标、价格数据、发展趋势；各大新闻站点、论坛、博客和微信等税收政策搜索数据。

实现信息高度聚合，需要重点做好三件事：

一是完善大企业涉税数据采集标准。大企业涉税数据采集是实现“信息对称”中的基础性、关键性的内容。数据采集标准需要真正了解大企业数据的原始面貌，包括数据产生的时间、条件、格式、内容、长度、限制条件等。制定的数据采集标准，应有利于大企业的业务实质还原和申报过程还原，有利于查找企业税收风险，有利于企业涉税政策解读，有利于各地执行标准的统一，有利于全国税收治理水平的提高，同时也要关注规避法律风险，把握什么数据可以采集，什么信息不能采集。在不同时期的数据采集范围上，应当与现有的信息还原及数据分析技术实现手段相结合，对大企业因系统升级等导致的信息标准变化要及时跟进调整，防止“断片”。

二是积极抓取互联网数据，优先购买专业商用数据。当前需要优先购买专业公司的商业数据，这对于行业专项分析、宏观经济分析、国际对比分析特别有用；运用搜索引擎和爬虫技术，广泛搜集互联网数据，将散落在互联网中的碎片信息，进行搜集、提炼和整合，形成税务大数据，为大企业、外资企业提供个性化服务和税收风险管理的“精准制导”提供强大的数据支撑。其中重点是抓取大企业的股权交易、公司公告、股东股票减持、限售股解禁、跨境投资等涉税信息，并加工成为可利用的税收情报。

三是实现人机结合，进行信息补正。在实现税企“信息对称”过程中，技术支撑平台极其重要，特别是在申报过程还原和专业判断的过程中，要“让人做人擅长的事，机器做机器擅长的事”，通过平台、机制使人和机器实现深度结合，最大程度实现信息对称。在大企业的涉税申报信息补正过程中，需要做好数据挖掘和数据分析。其中数据挖掘是面对海量数据时进行数据价值提炼的关键。没有最好的模型算法，只有最适合的模型算法。在挖掘算法中最难的是算法调优。而数据分析相对于数据挖掘更多的偏向业务应用和解读，当数据挖掘算法得出结论后，如何解释算法在结果、可信度、显著程度等方面对于业务的实际意义，如何将挖掘结果反馈到大企业申报业务过程还原中是找到税收风险的关键。

（二）建立“票、表、帐、证、单、书”自动比对审核机制

通过将 “纳税人自行申报的数据”同“税收外部数据信息”各相关内容进行比对，查找信息不对称的原因，是解决税企信息不对称的根本之道，也是税务信息化、税务大数据和互联网+税务的一个努力方向。以往的信息分析模型中大多是“大模型＋小数据”，对模型本身做很多的假设和约束，人为干预在抽样环节已经开始，在结果出来前就已经针对预期输出准备好了可能的解释。大数据时代一个明显的特点是分析手段借助于先进的技术平台越来越趋向于简单粗暴：无需抽样，用全样本输入；以深度神经网络为代表的大数据模型对解释性的要求降到最低。这种“大数据＋小模型”在很多领域取得了成功。由于大企业集团数据量巨大，必须建立一套自动审核比对机制，实现票表比对、帐表比对、表表比对、表单比对，既包括票、表、帐、证、单、书之间的比对，也包括从第三方、境外、互联网等转换信息的比对，对信息化平台审核比对的异常信息，通过“标红”提示，后续转由人工采取抽样核实等手段，完成信息对称的补正。

（三）建立税收风险分析标准体系和基础知识库

需要突破大企业税收风险分析中存在的两类难题：一类是业务数据标准化，主要是各类代码标准、赋值的规则，包括如何对现有的企业内控制度调查和专业评价的标准化、代码化、可计算的数值化实现；如何将税收风险指标、企业特征指标、风险识别模型有机衔接。二是数据业务透视化，如何从获取的数据结果中解读以及还原业务场景。比如：如何通过现有的发票数据、税务申报表等还原出一定程度的企业集团合并财务报表，以便后续同其它渠道获取的企业实际的合并财务报表进行差异化分析。这都需要投入大量人力进行研究，尽早建立规范的大企业税收风险分析知识库、案例库，通过系统收集各类专家在应用中的经验，不断迭代，加强测试，稳步升级以指导实践。

（四）引导大企业健全内部税务处理控制系统和痕迹管理系统

多数大企业集团应用ERP系统（世界500强中许多使用SAP系统），结合税收规则的嵌入前置控制软件或系统，对各类生产经营信息，从最初的原始单据（包括合同、协议、发票、白条、工资单等原始单据的管理）入手，实现涉税资料的实时归集和精细化管理，将经营业务、财务管理、税务处理通过信息化手段实现有机融合，这为税务机关的数据采集留下第一手的管理痕迹，有利于税务机关以最短时间还原企业的涉税申报过程，只需要重点关注其税收处理的业务规则就可以快速查找税收风险，从而帮助判定企业的税务管理风险，做到从源头上就解决或是减少税企双方的信息不对称的问题。

税务系统通过同企业集团的税务处理前置系统及痕迹管理系统的数据对接，重点关注并直接衔接审核其税收处理的业务规则，就可以快速查找税收风险。通过企业税务处理规则解读企业集团的税收政策专题，发现税企争议的问题，进一步做好协调处理，可以更高效地实现税收政策适用确定性和执行统一性，及时覆盖到集团范围内的所有成员企业，这样既可以最大限度地减少对成员企业日常生产经营的税务打扰，又有助于优化大企业个性化服务，破解跨区域经营大企业税收管理的难题。

（五）积极适应国际游戏新规则

传统的税务协作更多是双向的：纳税人和税务机关，就算包括税务机关的跨国合作，也基本都是双方运作，与金融机构在大部分情况下是割裂的。当前，G20和OECD推动的金融账户多边税务交换（《多边税收征管互助公约》和《金融账户涉税信息自动交换之多边政府间协议》），把本国政府和税务机关、银行等金融机构、纳税人、外国政府和税务机关放在一起变成多方网状交织、多国互相博弈的过程，开启了一个大国、强国角力的新舞台。自多边税务情报交换后，银行等金融机构进入国际税收征管网络，复杂程度呈几何基数增长。（引自2016年6月11日《金融账户-多边税务情报交换之无间道》后鲁）这就迫切需要我国税务机关积极融入与跟进，提升基于“信息对称”目标下的税收风险管理能力。