算法治稅：數字化轉型條件下推動精準監管的路徑

摘 要：深入實施數字化轉型條件下稅費征管“強基工程”，構建征管新模式，是當前稅務機關的首要任務。充分運用大數據和智能算法推動稅收精準監管成為必由之路，但稅務算法建設整體上仍處于初步階段，在高質量的數據資源供給、算法體系的建設與規劃、復合型人才隊伍建設等方面還面臨一些問題。建議通過主動融入數字中國建設大局，不斷加強稅收數據資源管理，建設稅務算法，深挖數據分析價值，加快專業人才培育，為以數治稅的推進創造有利條件，將稅收數據資源優勢轉化為稅收治理效能。

關鍵詞：數字化轉型；稅務算法；人工智能；精準監管

當今，數字化浪潮席卷全球。習近平總書記指出，數字技術正以新理念、新業態、新模式全面融入人類經濟、政治、文化、社會、生態文明建設各領域和全過程，給人類生產生活帶來廣泛而深刻的影響①。我國高度重視這一輪科技革命帶來的重大機遇，持續加強網絡強國、數字中國建設，全面推動經濟社會高質量發展。2024年9月，《中共中央辦公廳 國務院辦公廳關于加快公共數據資源開發利用的意見》，提出支持人工智能政務服務大模型開發、訓練和應用，提高公共服務和社會治理智能化水平。人工智能為稅收征管現代化提供智力支持和強大支撐，而算法是推動人工智能發展的重要力量。因此，構建稅務算法體系提升監管精準水平，不僅為稅費征管的數字化和智能化轉型提供重要保障，而且有效將稅收數據資源優勢轉化為稅收治理效能。

一、數字化轉型條件下稅務算法的內涵

數字化時代，數據成為最重要的生產要素，不僅在經濟活動與市場運轉中發揮著舉足輕重的作用，而且成為國家治理的重要驅動力。然而僅數據本身并不能發揮如此大的作用。DIKW體系顯示智慧金字塔的底層是作為事實記錄的數據，通過處理、轉換、分析、挖掘，一步步將數據轉換為信息、知識，最終形成決策的智慧[1]。智慧的形成過程即為數據增值過程，通過對海量數據的集成、挖掘和分析、應用、賦能，產生新信息，獲得新知識，創造新價值[2]。

在數據的增值過程中，“數據+算法+算力”三要素構筑認識和改造世界的新模式，推動生產力核心要素升級、改造、重組。其中，數據是生產原料，是基礎。算法，是基于數據和模型來解決問題的策略機制，從計算科學角度來說，是一系列解決問題的明確指令的集合。這些集合型的運算規則，確保在特定化數據輸入的條件下，能夠產生相應的特定化成果輸出，是世界運行規律的模型化表達。算力，則是設備處理數據以達成特定成果輸出的計算能力，實現的核心是CPU、GPU、FPGA等各類計算芯片。在三要素中，算法是驅動智慧和人工智能的核心要素，決定了數據的用處和數據如何治理才能更有用。簡言之，算法決定了數據和算力的應用價值和意義。

隨著大數據、云計算和云存儲等技術的興起，以算法為核心架構嵌入公共行政領域的治理方式漸次出現，算法治稅成為稅收征管的新模式[3]。國家稅務總局局長胡靜林提出，新時代稅務部門要在稅收治理中掌握主動、提高效能，必須積極順應數字時代發展浪潮，把海量數據資源和強大算法算力作為核心競爭力和新質生產力，以數據的深度應用推動稅務管理、稅費治理的科學化、精細化和智能化②。因此，探索創新稅務算法體系，對于高質量推進中國式現代化稅務實踐至關重要。創新稅務算法，不是簡單地將各類算法搬至稅務中，而是需要立足于中國稅務實踐，從共性的問題出發，根據業務特點，提煉核心要素和關聯規則，然后基于高質量的數據，訓練算法模型。由此，稅務算法需要從稅務工作場景出發，緊緊圍繞稅收業務，研究能夠滿足稅收工作智能化的一系列算法，形成驅動稅務系統數字化管理中樞和智慧腦核。稅務算法體系，則是形成滿足稅務工作場景的一系列算法集合，通過這些集合型的運算規則，能夠將一定條件下的稅務數據要素轉化為分析結果、判斷結論、行動策略以及預測預警信息，從而支持高質量的決策制定和執行追蹤，并形成自主學習、不斷反饋、持續提升的閉環改進系統。算法重構稅務監管思路，大幅提高稅務監管的精準性[3]。通過算法創新，打造全國統一的立體式、網格化、智能型稅收監管體系，進而實現監管的閉環管理[4]。

二、運用稅務算法推動精準監管的機遇與挑戰

（一）運用稅務算法推動精準監管的機遇

《關于進一步深化稅收征管改革的意見》要求構建稅務監管新體系，實現從“以票管稅”向“以數治稅”分類精準監管轉變③。精準監管的核心在于以風險管理為導向，用數據驅動監管效能的提升。稅收數據增值僅靠傳統數據分析方法下的數據查詢、結果比對、指標分析與模型設計已難以滿足精準監管的要求，亟須以關聯分析、聚類分析、機器學習為代表的生產方式的優化升級[5]。建設稅務算法，可以有效推動生產方式的升級，實現稅收數據增值，推動精準監管。

一是有利于推動“信用+風險”動態化、智能化監管。稅務算法通過學習已有數據的規律和模式，進行智能化的判斷和預測。比如，事前利用算法構建納稅人繳費人信用模型，動態計算信用分數及風險等級，自動觸發監控條件，及時發現納稅人遵從風險。事中，利用算法建立高質量的風險識別模型，識別犯罪團伙，及時防范和阻斷涉稅風險。事后，利用算法對風險應對任務進行智能分類歸集，自動高效匹配風險應對人員，提高應對質效。

二是有利于提高稅收風險管理的效能。通過稅務大數據算法引入新機制，能夠發現和提取專家經驗未知的風險規律，加強風險研判和預測預警，將風險管理更多地轉向事前和事中，及時發現和預防苗頭性風險問題，對跨行業、跨區域以及潛在風險較大的領域精準研判，開展重點監管，滿足新時代風險管理的形勢發展要求。新時期，稅收征管不僅面臨著傳統領域涉稅違法手段更隱蔽等問題，還面臨著直播帶貨平臺、網絡貨運等數字經濟發展迅速與傳統征管模式不匹配帶來的征管挑戰，亟須新的技術手段賦能。實證研究表明，運用機器學習算法模型，能夠有效解決傳統稅收風險識別的不足，對稅收風險進行更精準的預測和分析[6]。稅務算法還可充分有效吸收風險分析應對的結果進行學習反饋、參數調優。隨著學習次數的增加，學習目標函數的效果持續提升，性能持續優化，實現模型的動態智能化更新完善。

三是有利于提高風險應對質效和拓展稅收共治。算法種類豐富，既有處理結構化數據的算法，也有能夠處理非結構化、半結構化數據的算法。如自然語言處理、知識圖譜、計算機視覺等算法可以有效分析各類非結構化數據，拓展風險管理可利用的數據的邊界。利用這些算法，可以構建稅務算法知識庫和知識圖譜，對基層風險應對人員提供智能化工具產品，輔助其做業務決策，提高應對質效。稅務部門可以利用隱私計算、聯邦計算等加密算法模型，實現數據“可用不可見”，構建跨部門的聯合預警分析模型，實現稅收共治。通過加密算法，可以供給基層，使基層有更多的數據應用創新。

（二）運用稅務算法推動精準監管面臨的挑戰

1. 高質量且有效的數據資源偏少

信息化系統是承載稅收業務運轉的重要工具，也是生成、存儲稅收數據的重要載體。我國不斷加強稅收信息化建設，為稅收治理現代化提供了重要支撐。但稅務部門的信息系統尚未完全集成，數據分散在各個系統，呈現碎片化、分散化的現象。各個系統之間存在數據共享不充分、不及時等問題，甚至需要手工錄入數據，極大影響數據的使用效能。同時，受制于數據共享意識不強、部門間信息化水平參差不齊等因素，涉稅信息常態化交換機制尚不健全。例如，個人所得稅領域，專項附加扣除信息主要靠納稅人自主填報，尚未實現與全國教育、住房、醫療等基礎信息實時比對，難以保證相關涉稅信息的真實性[7]。比如對變量納稅人群體（新辦、變更、注銷等動態調整）及潛在用戶信息掌握不及時，導致出現諸如匹配政策不適用、推送政策過多、篩選效率低、新出臺政策知曉率低和享受速度不夠快等納稅人反映的共性問題。數據質量決定算法模型效果的上限，起著基礎性乃至決定性作用。然而現有的大量數據資源難以盤活，限制、阻礙了算法作用的更大發揮。

2. 算法建設缺乏頂層設計和統一規劃

當前稅務系統并沒有專門推進算法建設的機構。各地稅務機關的相關部門根據具體場景問題采購系統平臺或者自行研發，屬于小范圍內使用，并未進行科學系統的設計與應用。有的稅務機關采購內置算法的系統，如“稅助手”“稅靈通”等實現自動納稅服務問答。有的稅務機關在零星的小數據上進行嘗試，探索利用機器學習算法來構建發票風險識別模型。納稅服務部門專門研究服務的智能化算法，稽查部門研究稽查的智能化算法，部門之間未能形成算法建設的合力。

當前算法開發與應用的分散化，難以形成規模效應。稅務算法具有獨特的性能，相同的算法可以完成完全不同的工作，同一個算法可以應用于不同的稅務場景。比如通過機器學習算法，提供適當的數據來讓機器學習，那么相同的算法可以做兩件不同的事情。比如通過隨機森林算法既可以對高新技術企業進行分類判別，判定企業是否需要優先服務，幫助稅務人員確定優先服務企業名單，制定相應的稅收優惠政策服務包，進行精準推送和輔導服務。同時，隨機森林算法也可用于對虛開發票的企業識別，判斷哪些企業屬于虛開發票的嫌疑企業。稅務各部門自行開發的算法存在重復性，造成了一定程度的資源浪費，以及將來無法互聯互通的隱患。

3. 缺乏懂業務和算法的復合型人才

稅務算法的建設不同于一般的信息系統建設，是一個不斷優化的系統性工程，不能完全依賴外部的開發人員，必須擁有內部專業的人才。否則，稅務算法不僅可能造成泄露等安全風險，還容易形成被開發公司“綁架”現象，影響后期的管理和維護。構建稅務算法，一般是從某些典型的稅收事項或場景性問題出發，通過提煉其共性特點，并根據相關信息和數據，借鑒以往處理此類問題的經驗和最佳實踐，提取并開發核心指標及其相互關聯規則，從而構建模型邏輯。在此基礎上，通過模擬分析和計算，再結合數據訓練（包括場景數據化的效果評估、參數與變量的調整、反復的檢驗和調整），不斷提高算法的精確度。因此，稅務算法的開發起始于稅收業務問題的提煉，加上算法的設計和運算分析，需要懂業務和算法的復合型人才。從人才隊伍整體看，當前稅務系統既懂大數據技術又精通稅收業務的復合型人才較為匱乏，尤其是在算法領域，缺乏完善的培養機制，與大數據前沿技術發展存在脫節。

三、運用稅務算法推動精準監管的路徑

（一）主動融入數字中國建設大局，拓寬數據來源，加強數據管理，夯實以數治稅的根基

稅務系統應主動融入數字中國建設大局，打造集成共享、高質高量、安全可控的數據治理機制，夯實以數治稅的根基。一是健全數據共享機制。在制度上明確數據采集和共享的法律權利與義務；健全數據管理規范和標準，明確數據的采集、存儲、共享、使用等方面的規定，促進各部門和單位間數據資源的共享和互通。在技術上利用隱私計算等算法，建立稅收協同共治網絡，拓展與外部部門數據共享范圍，沉淀人工智能算法模型，形成社會化共治[8]。二是規范數據管理機制。加強數據采集管理，統一數據采集標準、口徑、格式和計算方法等，實現數據標準化運轉，規范數據治理標準，提升源頭數據質量。接續加強宣傳輔導培訓，定期對納稅人開展數據申報等輔導，提升數據的真實性和準確性。加強數據審核校驗，定期開展數據檢測和掃描，及時調整不規范的數據項，以提升基礎數據的質量。加強數據的應用，通過數據應用，發現數據管理存在的問題，不斷完善和修正數據治理機制。將數據管理職責落實到人，可在部門內設置“首席數據官”，由其統籌部門內數據管理工作，并負責協調跨部門、跨層級和跨區域的數據共享及應用。以提升數據質量為關鍵，強化基礎數據治理。推進跨稅費種數據質量治理，跟蹤評價數據管理應用效果，完善數據分類分級管理機制，探索“自下而上”的數據質量問題發現途徑和“自上而下”的數據治理機制。三是強化數據安全管理。規范數據管理流程，落實數據留痕管理。明確數據采集、歸集、整合、提供、使用、銷毀等環節職責分工，壓實安全防護主體責任。優化數據管理流程，建立數據使用日志留存和溯源臺賬，按照完整性、可用性、真實性原則詳細記錄數據操作日志。運用安全可靠的技術，提升數據安全防護能力。通過安全隔離、傳輸加密、數據脫敏等措施，持續提升安全防護能力，筑牢安全底線。通過應用隱私計算等技術手段，實現數據的可用性與不可見性，加速構建全面的安全防護體系。同時，對新興技術與應用進行安全評估，并完善算法審查的技術措施，確保以新的安全格局支撐新的發展態勢。

（二）持續加強數據增值的頂層設計與基層實踐，深化數據分析應用，挖掘以數治稅的效能

首先，加強頂層設計，運用新的理念、方法、方式，通過技術突破促使管理體制機制的創新，以科技創新引領促進組織變革、職能整合、流程再造、管理創新和資源優化。建立“總局總控—省級分治”的算法管理體系。國家稅務總局層面成立稅務算法總中心，統籌全國稅收數據資源，重點開發具有基礎性、普適性的核心算法模型。省級稅務機關設立區域算法中心，在總局框架下開展特色算法研發，形成“全國統建+區域創新”的雙層架構。通過集中采購優質算法服務、舉辦開發競賽、建立實驗沙箱等創新機制，重點突破關鍵行業監管、重大事項管理等領域的算法瓶頸。以數字技術重構組織運行范式，運用區塊鏈技術構建算法參數安全防護體系，依托云計算實現算力資源彈性配置，通過機器學習優化算法自迭代能力。建立算法全生命周期管理制度，對開發調試、版本更新、應用評估等環節實施標準化管理。構建算法知識產權保護機制，對核心參數模型實施分級授權管理，確保稅務算法安全。其次，加強基層建設，將基層能力提升與減負相結合，在統一規范的框架內，鼓勵基層進行創新實踐。建立智能任務統籌平臺，運用自然語言處理技術實現風險疑點的智能歸集，通過知識圖譜技術構建場景化推送模型。推行\"清單革命\"，將傳統人工核查清單轉化為智能化任務工單，將基層干部從繁重的清單式任務中解脫出來，有效減輕基層工作負擔。建立“基層創新實驗室”制度，遴選優秀實踐案例進行全國推廣。構建“數據沙箱+精準授權”的基層用數機制，在確保數據安全前提下，向基層開放高頻數據查詢權限。基層組建專業化風險管理團隊，創新稅收數據應用，提升稅收風險應對質效，為稅務算法的高水平應用提供高質量的經驗數據。最后，不斷推動基層實踐基礎上的理論創新，創新稅務算法體系，實現頂層規劃和基層探索的互促共進和系統整合。建立“基層實踐—總局提煉—全國推廣”的創新循環體系。開發基層創新案例庫，設立年度最佳實踐獎。構建算法效果評估反饋機制，基層單位對算法應用成效進行動態評價，總局根據反饋數據優化算法模型。建立“揭榜掛帥”制度，面向基層征集算法優化需求，形成上下協同的創新生態。通過頂層制度設計與基層實踐創新的深度融合，構建起“制度規范—技術創新—實踐反饋”的良性循環機制，形成可復制、可推廣的中國稅務算法方案。

（三）加快專業人才培育，以人才強基提供智力支持，建立以數治稅的保障

健全稅收大數據分析和風險管理人才培養機制，加強數據應用、算法學習等專項培訓，持續培養精業務、懂技術、具有數據思維的復合型人才，有效滿足稅收征管數字化轉型的要求。一是構建梯度化人才培養體系。依托組織行為學理論，建立“選拔—培養—實踐”三維培養機制。通過定向招錄計算機科學、應用數學、統計學等專業人才、實施“數字菁英”培養計劃、開展算法建模競賽等方式，打造具備數據挖掘、風險建模和業務解析能力的核心團隊。重點加強青年干部的數字素養與機器學習專項訓練，形成年齡結構合理、專業優勢互補的人才梯隊。二是優化人崗適配機制。按照人力資源管理能崗匹配原則，建立專業人才分類配置模型，將情報管理、數據管理、算法開發三類專業人才進行定向配置，實現崗位勝任力匹配度提升至90%以上。利用新技術將稅務人員的主要精力從重復性的日常申報和事務處理中解放出來，將更多的復合型人才向大數據和稅收風險管理部門傾斜。三是采用協同治理理念，建立“政產學研”協同創新機制。與頭部科技企業共建稅收算法實驗室，重點攻關風險識別模型優化、納稅人行為預測等關鍵技術。建立專家智庫，實施“揭榜掛帥”制度破解復雜場景應用難題。四是組建專業化團隊，完善智能風控體系。加強防風險管理團隊的建設，設立相應的稅收風險識別與監管專業化團隊，把大數據技術應用與稅收征管有機結合，開發具有自主知識產權的風險特征庫，構建“機器學習+專家經驗”雙輪驅動的風險識別模型。建立動態風險閾值調整機制，實現從經驗防控向數據防控的范式轉變。

注 釋：

① 習近平向2021年世界互聯網大會烏鎮峰會致賀信https：//www.gov.cn/xinwen/2021-09/26/content_5639378.htm。

② 胡靜林《高質量推進中國式現代化稅務實踐》《學習時報》2024年7月5日，A1版https：//paper.cntheory.com/html/2024-07/05/nbs.D110000xxsb_A1.htm。

③ 中共中央辦公廳 國務院辦公廳印發《關于進一步深化稅收征管改革的意見》https：//www.gov.cn/zhengce/2021-03/24/content_5595384.htm。

參考文獻：

［1] ACKOFF，R. L. From Data to Wisdom［J］.Journal of Applied Systems Analysis，1989，16（1）：3-9.

［2］ 劉同洲，李萬甫.基于數據增值的稅收征管數字化轉型路徑研究［J］.財政研究，2022（4）：119-129.

［3］ 茅孝軍.算法治稅：人工智能時代稅收治理的范式優化與架構設計［J］.河北法學，2023，41（10）：79-95.

［4］ 胡立文.深化以數治稅應用強化稅收風險防控［J］.稅務研究，2021（6）：12-17.

［5］ 李萬甫，劉同洲.深化稅收數據增值能力研究［J］.稅務研究， 2021（1）：110-119.

［6］ 姬顏麗，王文清.大數據背景下稅收風險識別精準度存量研究——基于機器學習的視角［J］.財政研究，2020（9）：119-129.

［7］ 楊磊.強化數據要素驅動推進智慧稅務建設的思考［J］.稅務研究，2020（11）：130-134.

［8］ 國家稅務總局深圳市稅務局課題組，李偉，項清，等.隱私計算技術在稅收大數據共享共治中的應用展望［J］.稅務研究，2024（2）：73-78.