信息管税邂逅大数据,加速破解新常态下税收剪刀差

简介:

当今中国经济进入以速度变化、结构优化、动力转换为特点的新常态。2015年上半年 GDP为296868亿元,实现了保7.0%增长,下降0.4个百分点,正式标志着中国宏观经济从高速增长阶段步入缓中趋稳阶段。

在经济增速放缓、结构调整的大背景下,如何稳定财政收入,将成为首要的挑战。我们看到,2015年上半年税收收入59373亿元,同比增长6.3%,低于经济增长速度。 国家财政收入压力巨大。为什么在经济增速放缓的大背景下,税收的压力会更加明显。要从我国目前的税制架构来看。与发达国家主要依赖所得税为主的直接税相比,我们目前的税收仍然强依赖于增值税、营业税等流转税。当前中国税收收入在18个税种中的分布状况是:约70%来自于增值税、消费税、营业税和关税,20%来自于企业所得税,6%来自于个人所得税,其余约4%来自于剩下的12个税种。由于流转税的转嫁性,好处在于鼓励资金和生产要素的流动,对经济有推动作用,在中国高速发展的前20年发挥了重要作用。但伴随着中国经济发展模式的优化,不同税源的贡献比例发生了变化,未来第三产业尤其服务业将成为增速较快的产业,而服务业的经济增长在现有税制下贡献率相对较低。同时,国家进一步落实“营改增”、“小微企业优惠”、“出口退税”等一系列结构性减税举措,使得税收增长呈现巨大压力。简单说,该减的税减了,但应增的税没增上来,长期发展下去,势必形成税收剪刀差。

在经济新常态下,单纯依赖流转税已经无法应对稳定财政和缩减社会贫富差距的双重压力,直接税改革势在必行。对比我国与发达国家的税制结构不难发现,直接税改革,尤其以自然人为主的“个人所得税”、“房产税”等税种,将成为破解新常态下税收剪刀差的关键。

目前对于个人财产登记、房产登记等呼声很高,这些措施确实有助于强化税源监控能力,但是在落地执行层面不可能一蹴而就。所以,我们需要更为主动和强势的手段。就目前的征管体系,我们看到可控税源的数据基础为“企业财务会计核算数据”,依托该部分数据,我们的可控税源具有很大局限性,尤其对于以“个人”为中心的诸多难点税种,如“个人所得税”、“房产税”等。所以,要对税源监控的数据源进行扩展。税源的核心信息是所得和流转,金融数据是最为直接有效的数据源,数据的含金量最高,也是投入产出比最高的。所以,在扩大税源监控数据的第一阶段,应该实现与金融机构的全面信息共享。当然,从长期发展角度来看只有金融数据显然是不够的,如 “O2O”模式下的经营涉税行为,很多采用线下交易,且具有隐蔽性,所以在下一阶段我们需要进一步扩展税源监控,重点监控大型互联网交易平台,通过对经营环节的监控,强化对涉税行为的全面获取与分析能力,真正实现从“以票管税”到“信息管税”的转变。

同时,我们也看到,从原有的企业财务数据,到金融数据,互联网数据,我们所面临的挑战也会越来越大。一方面,在数据量上,目前各省的征管数据普遍在10T级,如果全面引入金融数据,初步估算我们需要处理的数据量将达到100TB级,是十倍的增长。如果要引入互联网数据,这个数据量可能在10PB级,是千倍的增长,现有的基础架构能否适应这样的数据量增长?另一方面,由于数据来源的多元化,数据治理将成为极大的挑战。我们看到,伴随着金税三期的建设,在核心征管层面,数据治理有了显著提升。当我们重新面对百倍到万倍数据时,且数据结构、数据标准多元化时,所带来的挑战是几何倍的增长。如何有效应对这种数据挑战,将成为推进税收现代化的关键所在。

华为公司大数据解决方案FusionInsight,不仅可以向客户提供成熟完整的大数据软件平台,同时通过对上层税务行业应用的适配能力,并以SD-DC2业务驱动的分布式云数据中心架构对基础设施层进行优化设计,在纵向实现无缝贯通,从而有效实现对大数据生态的有效整合,为客户提供一站式的解决方案。目前,华为公司大数据平台已经成熟应用于银行、公安、电信等行业,帮助客户在大量数据中发现价值,实现向数据驱动型的转变。在未来,华为将以税务行业客户需求为中心,与行业主流ISV合作,为客户提供业务驱动的一站式ICT解决方案。

原文发布时间为:2015年09月21日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
目录
相关文章
|
数据采集 搜索推荐 算法
大数据信息SEO优化系统软件
大数据信息SEO优化系统软件(V1.0)是公司基于“驱动企业价值持续增长”战略,针对企业网站、电商平台及内容营销场景深度定制的智能化搜索引擎优化解决方案。该软件以“提升搜索排名、精准引流获客”为核心目标,通过整合全网数据采集、智能关键词挖掘、内容质量分析、外链健康度监测等功能模块,为企业构建从数据洞察到策略落地的全链路SEO优化体系,助力品牌高效提升搜索引擎曝光度,实现从流量获取到商业转化的价值升级。
282 2
|
存储 机器学习/深度学习 大数据
量子计算与大数据:处理海量信息的新方法
量子计算作为革命性的计算范式,凭借量子比特和量子门的独特优势,展现出在大数据处理中的巨大潜力。本文探讨了量子计算的基本原理、在大数据处理中的应用及面临的挑战与前景,展望了其在金融、医疗和物流等领域的广泛应用。
|
存储 机器学习/深度学习 大数据
量子计算与大数据:处理海量信息的新方法
【10月更文挑战第31天】量子计算凭借其独特的量子比特和量子门技术,为大数据处理带来了革命性的变革。相比传统计算机,量子计算在计算效率、存储容量及并行处理能力上具有显著优势,能有效应对信息爆炸带来的挑战。本文探讨了量子计算如何通过量子叠加和纠缠等原理,加速数据处理过程,提升计算效率,特别是在金融、医疗和物流等领域中的具体应用案例,同时也指出了量子计算目前面临的挑战及其未来的发展方向。
|
存储 JSON 关系型数据库
MySQL与JSON的邂逅:开启大数据分析新纪元
MySQL与JSON的邂逅:开启大数据分析新纪元
|
SQL 机器学习/深度学习 分布式计算
MaxCompute产品使用合集之怎么使用SQL查询来获取ODPS中所有的表及字段信息
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
549 7
|
存储 分布式计算 DataWorks
MaxCompute产品使用合集之表被删除重建后如何查到之前的权限信息
MaxCompute作为一款全面的大数据处理平台,广泛应用于各类大数据分析、数据挖掘、BI及机器学习场景。掌握其核心功能、熟练操作流程、遵循最佳实践,可以帮助用户高效、安全地管理和利用海量数据。以下是一个关于MaxCompute产品使用的合集,涵盖了其核心功能、应用场景、操作流程以及最佳实践等内容。
275 6
|
SQL 分布式计算 DataWorks
DataWorks产品使用合集之如何查询MaxCompute项目中的所有表及其字段信息
DataWorks作为一站式的数据开发与治理平台,提供了从数据采集、清洗、开发、调度、服务化、质量监控到安全管理的全套解决方案,帮助企业构建高效、规范、安全的大数据处理体系。以下是对DataWorks产品使用合集的概述,涵盖数据处理的各个环节。
|
分布式计算 大数据 数据库连接
MaxCompute操作报错合集之遇到报错信息 "SERVER_INTERNAL_ERROR" ,该怎么办
MaxCompute是阿里云提供的大规模离线数据处理服务,用于大数据分析、挖掘和报表生成等场景。在使用MaxCompute进行数据处理时,可能会遇到各种操作报错。以下是一些常见的MaxCompute操作报错及其可能的原因与解决措施的合集。
572 6
|
SQL 分布式计算 大数据
"大数据计算难题揭秘:MaxCompute中hash join内存超限,究竟该如何破解?"
【8月更文挑战第20天】在大数据处理领域,阿里云的MaxCompute以高效稳定著称,但复杂的hash join操作常导致内存超限。本文通过一个实例解析此问题:数据分析师小王需对两个共计300GB的大表进行join,却遭遇内存不足。经分析发现,单个mapper任务内存默认为2GB,不足以支持大型hash表的构建。为此,提出三种解决方案:1) 提升mapper任务内存;2) 利用map join优化小表连接;3) 实施分而治之策略,将大表分割后逐一处理再合并结果。这些方法有助于提升大数据处理效率及稳定性。
611 0
|
机器学习/深度学习 分布式计算 大数据
大数据迷局:如何用PyODPS破解回归分析之门?
【8月更文挑战第20天】随着大数据技术的发展,回归分析在处理海量数据时愈发重要。PyODPS是阿里云MaxCompute上的Python库,支持高效的数据处理。本文通过示例展示如何使用PyODPS进行回归分析:从安装库、连接MaxCompute、读取销售数据,到数据预处理、构建线性回归模型、预测销售额及评估模型性能(如计算RMSE)。这一流程体现了PyODPS在大数据环境下的强大功能。
344 0