
2014云计算与财税信息化分论坛在北京九华山庄举行。浪潮集团财税软件事业部副总经理吕亚伟先生做了题为《如何用云计算、大数据技术推进纳税服务工作现代化》的主题演讲,就在云计算、大数据时代下如何构建现代纳税服务体系的进行了全面深入的阐述。
按照国家税务总局提出的“把流程更优、环节更简、时间更短、服务更佳的理念贯穿于纳税服务规范中”的要求,构建现代纳税服务体系,就是要探索建立“以服务促管理、寓服务于管理”工作新机制。基于此,吕亚伟总认为构建现代纳税服务体系需要从“大服务”的理念进行顶层设计,具体包含三个方面:第一,要在遵循税务系统信息化总体架构与设计的要求前提下,全天候、全范围对办税服务厅排队叫号系统的办税数据、音视频监控系统的数据、征管系统的业务数据等进行采集、汇总归纳、分析应用;第二需要无缝连接网上办税厅、实体办税服务厅、自助办税终端、12366 纳税服务热线等四个渠道的数据,实现有机整合;第三对纳税服务绩效进行考核分析,为业务管理提供决策依据,集调度中心、监控中心、展示中心和绩效管理中心于一体的综合管理系统。
为构建现代化纳税服务体系,浪潮设计研发了浪潮办税服务综合管理系统。吕亚伟先生将该系统的主要特点形象的概括为“一个目标、两种应用、三级联动、四位一体、五个实现、六大特色”:“一个目标”是指在以信息化为支撑,不断推进纳税服务工作流程化、扁平化、多元化、绩效化管理,促进纳税服务工作整体水平的提升,推进纳税服务工作管理现代化的总体目标;“两种应用”指多媒体、电脑版为载体的两种应用方式;“三级联动”指省局、市局、县(区)局三级联动为一体的办税服务网络;“四位一体”是创新实体办税厅、网上办税厅、自助办税终端、12366服务热线“四位一体”的办税服务管理格局;“五个实现”指五大管理实现,包括:实现省、市局机关对下一级服务窗口服务质效的规范化管理,实现对市局、县(区)局及相关工作人员统一标准化绩效管理,实现对各服务渠道工作的统筹调度和科学化管理,实现对突发事件的时效化管理,实现对各层级纳税服务软硬件的精细化管理; “六大特色”是要构建出纳税服务大集成、设备资源大集中、税务形象大展示、办税服务大监控、预警应急大响应、考核评价大绩效六大系统特色。
据悉,目前浪潮办税服务综合管理系统已在广东、北京、上海、天津、山东、河北、四川、湖北、福建、吉林、湖南、江西等12个省市推广应用。其中,广东省国家税务局办税服务管理系统是全国首个利用云计算、大数据技术构建的省级纳税服务管理系统。浪潮采用逻辑集中、物理分散的云计算模式,加强网络、服务器、存储设备和应用软件的优化重组,搭建起覆盖全省的非结构化数据云存储平台,各项管理、业务数据集中存储,而视音频数据则分散存储于各办税服务厅,其存储资源可集中管理、动态扩展。通过该模式,建设了省局调度管理中心、市局监控管理中心、县(区)办税服务厅运行中心“三级一体”实时联动综合平台。
在云计算、大数据时代,浪潮将继续以信息化促进国家纳税服务水平提升为己任,充分发挥浪潮在云计算、大数据的技术及创新优势,与全国各级税务机关携手,共同向建设规范、现代、文明的纳税服务体系目标迈进!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30