作者：李冬妍（南开大学经济学院）梁磊（南开大学经济学院）马燕梅（国家税务总局天津市税务局）

　　在数字经济的推动下，电子商务、共享经济和跨境交易等新业态得到迅速发展。面对新业态带来的业务模式多元化、交易虚拟化和数据海量化的新挑战，依赖人工经验辅助建模和随机抽查等方式的传统税收风险管理模式亟须向以数据驱动为核心的现代化管理模式转型。2015年，国家税务总局在《“互联网+税务”行动计划》（税总发〔2015〕113号）中正式提出“智慧税务”的概念。智慧税务是我国主动适应数字经济发展趋势，运用大数据、人工智能、云计算和区块链等现代信息新技术，将人类智慧与税收治理相结合，具有数字化、智慧化、交互化特征的税收管理新生态（国家税务总局北京市丰台区税务局课题组，2022）。2021年3月，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》）明确要着力建设以税收大数据为驱动力的具有高集成功能、高安全性能、高应用效能的智慧税务，将智慧税务作为新发展阶段进一步深化税收征管改革的重要着力点。税收风险管理是现代税收征管体系的导向，它贯穿税收征管的全过程，由数据搜集、风险识别、风险排序和风险应对等多个环节组成。而将智慧税务融入税收风险管理的各环节，以实现税收风险管理的智能化、精准化与效率化的目标，是目前提升我国税收风险管理现代化水平的重要方向与关键任务。本文立足我国税收风险管理的现状与难点，研究不同国家和地区的先进做法和经验，旨在探索智慧税务视域下我国税收风险管理的优化路径，以进一步推动我国税收治理体系和治理能力现代化。

　　一、智慧税务视域下税收风险管理的现状与难点

　　（一）税收风险管理的现状

　　税收风险管理是我国税收工作的重要环节，是防止我国税源流失的重要抓手。税收风险管理有一整套严密的工作体系。税收风险管理的战略规划主要由国家税务总局制定。在《意见》部署下，税收风险管理工作在总局、省局、市局、县局、分局五级自上而下的纵向联动和各层级的数据风险部门与综合业务部门、各税种管理部门等相关部门的横向配合中开展。出于数据资源、人力资源集中优势的考量，税收风险分析工作主要由税务总局和省级税务机关负责。

　　在开展分析工作前，需要对涉税数据进行采集和整合。税务部门通过“一户式”“一人式”的税务数字账户对纳税人的涉税数据进行归集。税收风险分析主要有一户式分析和信息化分析两种手段。一户式分析将企业数据按户归集，主要对其发票的开具、取得以及进销过程进行分析，分析过程可以利用票流、吞吐量、关系云等可视化工具，分析完成后形成该企业的人工分析报告。信息化分析通过全量扫描某一户或某一类企业的风险情况并辅以人工分析形成风险分析报告。其中，人工经验建模和人工智能机器学习是开展信息化分析的两种具体方式：人工经验建模方式依赖日常税收征管经验中发现的企业可能存在的问题，通过人工构建风险指标并利用机器批量化扫描，快速识别具有一类风险特征的企业；人工智能机器学习方式主要是向数据投喂参数，由系统自行计算得出结果。

　　在税收风险统筹确认环节，税务总局和省级税务机关建立风险纳税人库归集风险疑点，并基于风险指标模型统筹赋予不同疑点指标不同权重，计算纳税人的风险分值并据此确定低、中、高风险纳税人。对于低风险纳税人（风险疑点单一、证据指向清晰、预估税款流失数额较小），主要采取提醒提示、纳税辅导并引导其自查调整等方式应对；对于中风险纳税人，主要采取纳税评估、税务审计、反避税调查等方式应对；对于高风险纳税人（涉嫌恶意虚开发票、偷税等严重涉税违法行为），主要采取税务稽查方式实施应对。风险管理部门须充分考虑各部门承受能力和任务难度等因素将风险任务推送至相应部门。

　　在税收风险应对环节，风险任务由两名以上执法人员执行。执法人员须严格按照法定依据规范执法流程和作出行政处罚决定，在任务完成后就应对结果、风险识别准确性、有效性评价等内容形成报告并反馈至风险管理部门。此外，风险应对还包括检查税收风险的应对质量。税务部门须对风险任务进行复核以防范税务人员与纳税人串谋，质量检查结果将纳入项目绩效评价和组织绩效评价。复核包括日常复核与抽查复核两方面内容。日常复核是指在税务人员风险任务完成后由主管领导进行复核。抽查复核是指税务总局每年组织一次抽查复核，抽查比例不低于30%。督察内审部门和纪检部门负有监督管理职责。

　　（二）税收风险管理面临的难点

　　2023年，经济合作与发展组织（oecd）发布的《税收征管2023：oecd及其他发达经济体和新兴经济体的可比信息》报告中多次提及和肯定了中国近年来“以数治税”取得的成效。特别是中国以数字中国建设为契机，建立应用程序编程接口（applicationprogramminginterface，api）优化自然人税收管理系统，打造以涉税数据采集颗粒度精细化、信息共享一体化、企业运营风险视图全景化、报告生成自动化、经济分析多维智能化、政策支持精准化为优势的企业信息数字化平台，并结合人工智能技术应用等一系列举措，推进智慧税务的建设进程，进一步提升税收风险管理质效。但对照《意见》提出的深入推进精确执法、精细服务、精准监管、精诚共治，我国税收风险管理仍面临诸多挑战。

　　1.税收大数据全生命周期管理与应用的关键环节尚未打通。一是在涉税数据采集上，当前涉税数据的采集范围有待进一步扩展，尤其对纳税人行为模式、决策习惯等关键行为数据的挖掘深度不足。这种局限性会影响税务部门预测和应对风险的能力，增加税收合规性风险。二是在数据归集上，虽然许多地方政府已经建立了适应本地区税源特点的数据管理系统，但由于信息平台过多，导致在数据归集时出现统计口径不一致、术语不一致、重复归集、格式字段不兼容等问题，数据的标准化程度和有效性降低，影响数据整合效率，加大管理维护难度。三是在数据调用与共享上，目前《税收征管法》有关涉税数据的共享范围尚不明确，法律制度保障体系有待进一步完善，特别是外部数据共享还须进一步推进。外部系统主体出于利益保护、隐私协议等方面的顾虑，其数据共享的主动性不足，限制了税务部门有效整合和利用外部数据资源的能力。另外，出于数据安全考虑，涉税数据权限难以下沉至基层税务机关。同时，api嵌入系统的规则和标准尚未对第三方服务商开放共享（国家税务总局广东省税务局、国家税务总局广州市税务局课题组，2024），在一定程度上限制了数据的有效共享。

　　2.高效、精准和全面的风险分析尚难实现。一是在风险分析指标上，税收风险的识别与分析主要依托各类风险指标，但风险指标的逻辑勾稽关系错综复杂，在现有税收实务中难以完全厘清。这导致在构建风险特征库和指标模型库等风险分析工具时，指标间的横向与纵向关联度不足，难以形成协同、高效、精准的税收风险指标网络。二是在风险分析方法上，目前我国的税收风险分析主要依赖人工经验分析，人工智能和机器学习等智能化方式的实际使用率并不高。特别是受指标关联勾稽难度大、模型存在局限性等因素的影响，机器学习在税收风险分析中出现了过程解释性较差、难以涵盖全行业全时间段的税收风险、分析结果的普遍性和适用性受限等问题。

　　3.税收风险管理的整体效能评价仍有提升空间。现行的绩效评估机制仍存在局限性，主要表现在评价标准的单一性和短期导向上。目前的评估机制主要依赖如查补税款等量化指标，这些指标虽然易于计算和对比，但未能全面反映税收风险管理的广泛影响，尤其是在促进税收征管效能和行业规范化方面。此外，这种单一的量化评价方式忽视了税收管理的长期效益，如纳税申报率提升、税收流失率下降、纳税人遵从度增强和税收征管成本降低等关键维度，缺乏对税收风险管理策略长期可持续的考量（李菁，2022）。

　　二、智慧税务视域下税收风险管理的国际经验

　　作为税收征管的关键环节，税收风险管理日益成为国际社会关注的焦点，许多国家和地区正在致力于探索税收风险管理在理论与实践层面的数字化转型路径。本部分基于我国税收风险管理的难点，分析智慧税务视域下国外税务部门完善税收风险管理的典型经验。

　　（一）优化涉税数据采集与整合，打通数据共享互联通道

　　智慧税务下的税收风险治理要求围绕税收大数据“采、存、通、用”全生命周期深度应用，以此有效激活数据潜能，显著提升税收风险管理质效。围绕涉税数据的采集、整合和共享这些突出环节，各国税务部门积极实践，致力于将静态数据通过有效处理转换为动态数据流，真正构建起立体化、流动性、全景式的数据集，发挥大数据应用在税收风险管理中的乘数效应。

　　1.在数据采集类型上，纳入洞察纳税人行为的非结构性数据是多源化、多维度补充涉税数据的一项重要内容。比如，2021年9月，oecd发布的《提升税收管理水平的行为洞察简明指南》显示，大约1/3的oecd税收征管论坛（fta）成员辖区交叉应用行为经济学、社会学、心理学等跨学科知识，将行为洞察理论应用于税收征管和纳税服务领域。这些成员辖区在减少欠税人数、优化服务流程、提升税收征管效率和纳税人遵从度等方面取得较大成效。又如，2011—2024年，美国发起联合统计研究项目（throughitsjointstatisticalresearchprogram，jsrp），鼓励学术界和研究机构通过实验设计、数据科学和其他跨学科方法，以纳税人的经验数据与税收立法、执法活动的有效互动为主题，从纳税人的种族类型、纳税体验以及对政策法规的响应等非结构性数据切入，形成新的数据结构集，为后续研究与服务改进提供了更全面的数据洞察。可见，深入分析纳税人的行为模式能够为全面识别潜在的税收风险并提前制定应对策略提供有效支撑。

　　2.许多国家和地区已建设了api，并统一了数据采集和整合标准。比如，2019年，拉脱维亚将api嵌入企业会计系统和电子申报系统，采用了统一公认的数据格式标准及通信协议，以保证数据的无缝传输，并进行逻辑、数值等的自动化校验。这不仅确保了数据口径的一致性，还提升了数据处理质量。在推进数据兼容统一化的进程中，部分国家还进一步探索了api的创新应用和战略部署。比如，英国皇家税务海关总署不仅公开了一套标准的数字化税务系统兼容标准（包含网络安全、客户个人数据安全、存储、管理和处理的技术标准），还积极推进api与商业软件的第三方市场化合作，鼓励软件开发商提供多样化的解决方案，以满足不同的企业需求，有效提高了汇总性涉税数据的接入率和覆盖率，实现数据的高质量汇总。目前，已有500多种软件产品实现与英国“数字化税务”计划兼容。

　　3.致力于打通数据互通的“最后一公里”。捷克实现了司法部门、财政部门与税务部门的合作，致力于通过协商和立法实现涉税数据的转移与共享。目前，特定法人实体可以将纳税申报系统中的财务数据直接传递到其他政府部门（如法院）。这不仅简化了流程，还提高了财务报表的可靠性。据估计，约30万家企业将从中受益（oecd，2023）。除了在政策法规上提升税收工作的协同共治效能外，部分国家和地区还通过技术驱动实现了数据的有效共享。比如，韩国政府建立了新税收综合系统（ntis），实现了30多个子系统的全面整合与功能优化（张学诞等，2022），为纳税人的准确、便捷申报提供了有力支撑，被世界银行评为税收征管数字化转型的最佳实践之一（李慧敏等，2023）。

　　（二）厘清税收风险识别逻辑，实现精准识别与预防

　　税收风险治理要求税务管理部门从涉税数据中发掘数据间的逻辑关联，提前预防与精准研判潜在的涉税风险。在处理庞大且精细度不一的数据集时，人工智能等工具能够准确识别事件中的关键变量，并在变量间建立逻辑联系，为风险分析提供坚实的基础。比如，意大利中央银行在银行交易记录、客户信用历史和宏观经济指标等多个数据源中采取解释性人工智能方法，具体运用置换变量重要性（permutationvariableimportance）和沙普利值（shapleyvalues，sv）算法识别出客户贷款违约风险的显著影响因子，同时运用累积局部效应图（accumulatedlocaleffectsplots，alep）解析风险因素之间的非线性关系和相互作用。这有助于厘清大数据环境中的关键变量与不同变量之间的关联关系和作用机制，从而更好地预测和识别潜在的违约风险。进一步地，逻辑关联的建立应从点到线，再到面，形成全方位结合的综合视角，以深入理解数据模式及其潜在影响。比如，荷兰中央银行运用网络分析识别反洗钱和反恐怖融资活动，通过识别网络中的实体（如个人、账户、公司等）及其关系，构建账户间转账、共同所有权等数据点，形成关系映射。再在已建立的网络中，通过算法分析数据点之间的交互模式以及检测是否存在逻辑异常，识别出可能的洗钱或欺诈活动。可见，网络分析强调数据之间的关联和逻辑联系的重要性，高级的数据处理和分析技术能够帮助金融机构识别和预防金融犯罪，提升整体的监管效率和效果。同时，在逻辑关系确立之后，通过在人工智能和机器学习领域内制定相应的判定机制和规则，可以有效实现自适应学习和知识的持续更新，为税收风险的预防、归纳和处理提供强有力的工具。比如，墨西哥利用事件关联分析模型打击税务网络犯罪，主要通过制定事件关联规则，利用网络连接、浏览历史记录、登录用户账户等产生的活动数据进行关联跟踪，进而识别出异常行为与潜在安全威胁，并使用专门的信息系统记录风险数据以不断更新分析模型，为税收风险的事前预防、事中控制和事后评估提供有力工具。

　　（三）高效开展税收风险分类排序，创新差异化风险应对手段

　　许多国家和地区致力于以税收大数据为依托，运用现代化分析工具与技术对税收风险进行分类排序，有效地提高了税收风险管理质效。比如，加拿大税务部门利用机器学习和深度学习等高级分析技术确认风险等级。首先，加拿大税务部门利用图数据库管理系统和社会网络分析技术识别经济实体的不同模式和特征，为风险级次评估建立基础。其次，通过集合异常检测（如孤立森林、局部异常因子、均值漂移聚类）和无监督学习（如k-means、高斯混合模型、层次聚类）方法，分析中小企业群体的低、高风险及异常细分情况。再次，使用人工智能自动编码器技术压缩高维数据和短期记忆神经网络算法，从纵向金融和经济实体数据中提取信息，以生成不合规的预测因子。最后，通过深度学习和图神经网络高级分析，识别低、高风险的中小型企业纳税人及其相关经济实体的税收风险等级。又如，新加坡税务部门将数字化转型策略融入风险处理工作中，在高效开展风险等级评估后，开发聊天机器人和其他自助服务工具来处理低风险案件，而由综合执法前线工作组利用实体风险概况模型等信息分析手段针对性地处理高风险和复杂案件，以达到有效开展税收征管活动的目的。再如，瑞典税务部门引入了一种基于人工智能的自动化系统，用于区分高风险和低风险的税务案件。针对低风险案件，瑞典税务部门引入机器人流程自动化技术，能够在不增加额外资源的情况下有效识别不同风险等级的税务案件，从而提高了整体的工作效率和税收合规性。目前，该系统每年为税务局节约大约2800万瑞典克朗的税务成本（约占商业登记过程总成本的16%）。总体而言，将信息技术工具和智慧化策略融入税收风险应对流程，以实现税收服务的精细化和税务执法的精确化，是智慧税务建设下税收风险管理流程的优化与转型的必然趋势。

　　（四）不断加强税收风险管理的互动与反馈机制，持续提升税收治理现代化水平

　　芬兰税务局在内部流程数字化转型过程中坚持“以用户为中心”，主动采纳公民的意见与反馈，并利用“众包”模式优化服务流程，以提高税收管理工作质量。公民可以通过多种数字化渠道如社交媒体、专用投诉平台反馈投诉或建议。为了实现技术与业务的深度融合，芬兰还鼓励各部门非技术官员使用无代码或低代码开发平台创建和调整应用程序。这些应用程序与综合数据室相连，能够实时跟踪诸如执法人员失职、执法环节不当等投诉的处理流程，确保每一个流程实时化监控、透明化公开、效率化处理。同时，该中心系统还能够分析收集到的公民数据如投诉的数量、类型及处理状态，以帮助税务部门识别服务中的问题或公民关注的热点，推动服务的持续改进和不断优化。除了在税收征管数字化转型的数字平台设计、工作流程再造过程中注重引入公民意见与反馈、增强征纳双方的互动能力，部分国家在税收管理绩效评估中引入社会与公民评价作为衡量指标。比如，巴西联邦税务部门在设计其绩效评价指标体系时，引入公民在社交网络上发布的评论作为指标参量，以衡量项目在提升公民纳税遵从度方面的效果，并据此进一步优化项目。

　　三、智慧税务视域下优化税收风险管理的政策建议

　　在智慧税务建设的宏伟蓝图下，税收风险管理的数字化升级和智能化改造工作亟须推进。我国应聚焦目前税收风险管理工作中存在的难点，充分借鉴不同国家和地区在税收风险管理方面的经验，不断推动税务管理创新与优化。

　　（一）打通数据全生命周期，夯实税收风险管理基础

　　税收大数据是智慧税务的重要基础，是对纳税人缴费人全面精准“画像”的重要依据，数据的数量与质量直接影响到智能化、智慧化风险分析和预测的准确性。我国应思考如何围绕数据“采、存、通、用”全生命周期深度优化。一是拓展非结构性数据采集渠道，建立纳税人行为模式数据库。应挖掘纳税人的消费交易行为等多维度数据，与传统涉税数据集协同联动，形成税收异构数据库。同时，与高等院校、科研院所深度合作，利用跨学科分析方法与工具，建立起全面且动态的纳税人行为模式数据库。二是将“整体政府”理念贯穿涉税数据归集工作中，通过实现规则与平台的统一和整合，全面优化数据归集流程，以推动标准化管理的实施。具体而言，应制定一套涵盖数据格式、数据字段定义、数据传输协议等方面的统一数据标准，确保税务部门与其他政府部门之间，以及各级政府部门之间数据的兼容性和一致性。同时，开发并推广如自动化数据清洗和转换的数据标准化工具，提高数据整合和处理效率。此外，还应整合各级各部门的政府信息系统，建立集中式的数据管理平台，实现数据的集中存储、共享和分析，从而增强跨部门协同工作能力，提升整体治理水平。三是完善数据调用与共享机制，建立开源算法的api。在确保数据安全与隐私保护的前提下，充分发挥市场机制的作用，合理稳步放开api业务规则算法给第三方软件开发商，开发创新性、多元化的应用功能，促进技术与市场的双向互动，营造出经营主体广泛受益的良好生态系统。但同时，需要进一步为数据安全和隐私保护提供相应的法律保障。应在《税收征管法》中明确涉税数据的共享范围、税务机关涉税数据管理权和涉税数据的保密义务等内容，保证纳税人对涉税数据流动的知晓权，促使数据流通更具安全性与交互性。

　　（二）充分利用信息化技术手段，有效提升风险治理效能

　　当前，受指标关联不足、模型受限等因素影响，税务部门的风险分析过度依赖人工经验，信息化手段的应用程度不足，难以满足新时代税收风险管理工作的需求。而利用以人工智能机器学习、区块链、云计算等为代表的信息技术手段处理海量且精度不一的税收数据是高效识别潜在涉税风险、防止风险扩大和蔓延的有利工具。一是增强风险指标的横向与纵向关联，持续动态更新和调整以形成标准化的风险指标体系。应在专家讨论基础上利用人工智能组件、数据挖掘和统计分析技术梳理各类风险指标间的逻辑关联，构建风险指标关联模型，形成多维度的指标网络。同时，根据税收工作实际情况和环境变化，不断调整和更新风险指标，确保指标的时效性和适用性，实现风险单点触发、多点防控的传导机制。此外，还应制定统一的风险指标标准，明确各类指标的定义、计算方法和应用场景，并根据税收风险的不同类型和严重程度，实现指标分类分级管理，形成一套系统完整的风险指标库。二是建立人机结合的分析机制，细化人工智能机器学习的过程性解释。应针对税收风险分析的特性将税收人工经验与机器学习算法结合，并利用专业知识进行模型的持续校正和优化，同时专注开发具备高解释性的模型，提高分析结果的准确性。此外，还应建立智能决策支持系统，结合人工智能计算和人工分析结果，为税收管理者提供全面的风险分析支持。三是高效配置税收管理资源。通过引入机器学习、大模型等现代化分析工具和技术精确税收风险等级，并实施差异化的应对管理策略。对于低风险纳税人，引入流程自动化技术，减少人工干预，提升税收工作效率；对于高风险纳税人，进行深入调查和严格稽查，辅以大数据和智能分析技术，实施实时监控和动态评估。

　　（三）不断改善绩效评估机制，实现风险管理与纳税服务的有机融合

　　智慧税务建设下的税收风险管理应以纳税人缴费人为中心，充分挖掘税收大数据潜能，深入推进精细服务，实现以提升税法遵从为目标的税收征管数字化转型。一是有必要构建更完善的绩效评估机制，并引入反馈环节以实现风险管理和纳税服务的有机融合。应通过纳税人满意度调查、合规性检查、税务咨询响应、税收政策落实以及征管成果分析等评估内容，对纳税申报、纳税过程和纳税成果进行全链条式的质量评价。这些评估内容不仅能全面反映纳税人的服务体验和满意度，还能客观展示税务机关在提升税收合规性、优化服务流程和实现政策目标方面的实际成效。二是收集和分析评估机制中的反馈数据，全面评估税收风险管理措施的实际效果，并依据评估结果持续动态调整我国的税收管理策略。同时，积极推行低代码工具平台并嵌入模块化功能（如数据输入、自动化分析、可视化报表等），定期开展系统培训和持续的技术支持，提升税务人员的数据分析能力，以便快速、准确地提取纳税人反馈环节的高价值数据。三是构建透明化、闭环式的风险绩效管理生态体系。在每个处理节点上，使纳税人和税务人员可以实时查看处理进度和结果反馈，并通过整合与分析所有案件的处理数据，形成全面的数据库和知识库，将其反哺到税收风险管理各个环节当中，从而实现持续优化和不断完善的工作流程。

　　（本文为节选，原文刊发于《税务研究》2024年第10期。）

　　欢迎按以下格式引用：

　　李冬妍，梁磊，马燕梅.智慧税务视域下优化税收风险管理的国际经验借鉴[j].税务研究，2024（10）：99-105.