物理安防行业中比较大的破坏者

“做正确的事”和“正确地做事”是两个几乎完全相同的句子，但是，通过单词的互换，其含义可能会发生巨大变化，尤其是在IT领域。

以云计算为例。组织迁移到云平台是“做正确的事”，有效和高效地使用云平台是“正确地做事”。虽然前者无疑是一个很好的业务起点，但后者却为组织实现可持续的增值奠定了基础。

根据调研机构Gartner公司的调查，到2020年底，组织在云中运行的工作负载将达到83%，全球公共云收入将达到2579亿美元，到2021年将增长到3070亿美元，而到2022年将增长到3640亿美元。与五年前相比，现在很少有组织对是否采用云计算技术提出疑问。实际上，根据调研机构IDG公司的一项调查，目前55%的组织正在使用多个公共云，这表明迁移到云平台的业务和成本优势正在得到认可。而在未来五年中，其统计数据仍然可以显示出增长趋势，目前约有98%的组织将其工作负载在云中运营。全球公共云收入约为6,000亿美元，多云采用率将达到80%左右。但是，这只是故事的一个方面。

采用≠优化

在云计算技术迅速采用的背景下，大多数首席技术官在过去几年中考虑的一项主要挑战是云计算支出浪费。例如Gartner公司、ParkMyCloud公司或Flexera公司在2020年发布的调查的报告都指出了最大的挑战：“节省成本”。

而组织越来越关注这一问题是可以理解的。在寻求采用新技术时，组织的首要目标是确保云计算技术将解决其所面临的大部分(即使不是全部)技术挑战。其次，要确保采用云计算技术能够实现业务目标。第三，查看一下过渡或采用新技术的成本。一旦确定了这些条件并运行应用程序(通常是一年)，才开始考虑优化。即使是不断涌现的人工智能技术也遵循着同样的原则——先学习后运行。

据估计，组织30%的云计算支出被浪费。如果只考虑基础设施即服务(IaaS)的话，Gartner公司预测全球2020年云计算收入为504亿美元。如果分解IaaS模型，它由计算(虚拟或裸机)存储、网络和防火墙等网络服务组成。假设Gartner公司预测的三分之二的云开支用于计算，那么浪费的费用大约为100亿美元。

减少云开支浪费

有多种方法可以减少这种云开支浪费。以下是要考虑的一些因素：

利用“具有成本效益的”地区定价——有些云计算提供商在同一国家的不同地区对同一实例有不同的定价。如果组织能够容忍几毫秒的延迟的话，在很多情况下，可以节省高达20%～25%的成本。例如，与洛杉矶相比，云计算供应商AWS公司提供的相同服务在转换到俄勒冈州的项目时可获得约20%的成本效益;在云计算提供商微软Azure上从怀俄明州转换到华盛顿特区时，提供相同服务也会节省约20%的成本。对于那些愿意突破原有思维的组织来说可以尝试，这可能会获得更多的成本效益。
 

深入挖掘数据潜在价值

大数据为税收风险管理工作的开展提供数据支撑。近年来，税务部门掌握的纳税人涉税数据成几何倍数增长。在税务部门内部，以金税三期系统、大数据平台、电子税务局等系统为依托，可以实现对企业纳税人和自然人纳税人各类涉税信息的集中整合。依托互联网，可以实现对企业经营等商业数据的实时抓取。依托与政府相关部门的信息交换、共享机制，可以实现不同部门之间涉税信息的交互共享。海量数据的积聚形成纳税人原生态涉税“数据湖”，税务部门可以通过对数据的全方位梳理、盘点，搭建数据资产目录，实施数据资产清单化管理，为风险管理各环节调用数据提供保障和支持。

大数据技术为挖掘数据的潜在价值提供技术支撑。纳税人信息获取渠道多样，涉税信息种类繁多，涉及基本信息、经营状况、财务管理、关联交易、第三方信息、纳税遵从、纳税申报等多维度信息。通过大数据技术可以对不同来源渠道的多样化数据进行交叉检验，从海量的、不完全的、模糊的、随机的数据中分析出隐藏价值，深度挖掘数据之间的内在联系和规律，绘制涉税数据基因图谱，为有效实施税收风险管理提供精准方向，为纳税人涉税风险行为的预测、监控提供导向。

助推风险管理生态链不断优化

税收风险管理全流程是一个动态的管理链条，从风险识别、任务统筹再到风险应对，各环节之间相互依存，形成一个螺旋式上升的链式结构。

大数据助力风险识别从典型特征定位向综合风险画像转换。目前风险识别工作主要采取人工分析和风险模型互补的模式进行风险疑点的定位，存在主要依靠分析建模人员经验判断、风险疑点来源渠道狭窄的问题。大数据背景下的风险识别，将深化对收集数据的处理和应用，加强税务部门内部数据与互联网、第三方涉税信息内在关系的梳理，透过数据间的相关关系深入探寻其风险成因;通过对纳税人涉税数据的全面分析、深入挖掘、自动关联，排除常规性事项，发现潜在风险点，形成分纳税人、税种、行业、事项的综合风险画像，明晰税收流失风险高发环节和相应的风险应对策略，促进税收风险管理提质增效。

大数据助力风险模型的动态修正。大数据的集中整合、数据资产目录的梳理等，可以为基层一线应对人员提供常态化、个性化数据应用服务，通过精准“滴灌”进一步提升风险应对水平。同时，大数据的介入能够实现风险管理的全程留痕，倒逼风险应对质量的提升。高质量的风险应对，既可以反馈企业纳税遵从情况是否符合其风险画像，又能精准定位风险特征，并以此为风险模型的修正提供依据，实现风险应对对风险识别的反哺。科学、有效、精准的风险识别又为开展风险应对提供靶向和指引。

大数据助力风险任务统筹的不断优化。通过数据的一户式归集、纳税人风险的综合画像，可以实现重大税收风险的统筹管理，精确配比任务数量与征管资源，统筹安排各税费种管理、大企业管理、高收入高净值个人税收管理等各种风险管理事项，实现风险任务的统一扎口管理。通过风险任务统筹的集约化实施，实现风险任务推送的精准、有据、有效，实现对市场主体的最小化干扰，不断优化营商环境。

优化完善风险管理模式

依托大数据技术对海量数据的高效处理，使得构建覆盖事前预警、事中监控和事后处理的全方位税收风险管理模式成为可能。

通过综合风险画像，能够建立以纳税人涉税风险偏好分析为基础的事前预警体系，对纳税人涉税风险行为进行事前预警，将涉税风险消灭在萌芽阶段。通过对纳税人涉税行为的动态采集和实时扫描，可以对纳税人的涉税风险行为进行事中监控，将涉税风险消灭在发生阶段。通过大数据及其技术对风险管理各环节的融入，不断完善以对纳税人的风险分析处置为手段的事后管理体系，将涉税风险造成的不良影响降到最低。

大数据助推税收风险管理从传统的事后管理向事前预测和事中监控延伸，从侧重税收风险的管理职能向服务与管理并重的双重职能转化，在提高纳税人纳税遵从的基础上，促进良好税收征纳关系的构建。

（编辑：四平站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!