网络爬虫”——财务和老板都害怕的事情终于来了！

税务稽察收集种植的爬虫曾经起头按照税务稽察制定的标的目的抓取风险企业疑点，结果达到了预期的要求。企业老总和财政人员担心的工作终究在大数据时代进入了企业这是税务机关监控和征收办理的又一把利剑，它就是税务稽察监控收集系统中种植的“爬虫”。

税务稽察在纳税评估的根本上开辟的收集爬虫（又被称为网页蜘蛛，收集机械人、网页追逐者），其功能就是按照必然的法则和阐发目标，主动地抓取互联网+税收的法式或者脚本，以此获取纳税人运营勾当的消息，作为验证纳税人法令服从度和申报的实在性。

税务稽察收集爬虫强大的功能就在于它完满是按照税务稽察所下达检验的标的目的指令进行步履，网络爬虫软件这些爬虫能够很快的按照税务稽察的要求抓取到税务稽察人员所要的阐发成果和反映出纳税人涉税非常点。

一是拓展消息渠道，将收集爬虫手艺引入涉税消息的采集，对外部网站披露的与企业本钱运作勾当相关的消息当令捕获，丰硕案源线索；

二是精准工作定位，将风险标的目的定位在股权投资和地盘、衡宇等大额资产的措置上，阐发方式和目标设想针对性强；（此后会快速延长到其它环节）

三是融合多方消息，引入了税务登记、申报、鉴证演讲、财政报表、地税印花税等多方消息作为消息阐发的次要出力点；

四是强化消息的挖掘使用，软件着重成立了各类消息源之间的对应关系和勾稽关系，用以支撑风险的推定和排查；

五是风险消息重构，对多个投资方消息进行拾掇归纳，构成节制关系收集架构图，将复杂的本钱运作行为重构还原为清晰的买卖轨迹，以精确定位和发觉这些买卖中的税收风险。

福州市国税局依托“收集爬虫”手艺自主研发了互联网涉税消息监控平台，实现了对上市公司股权买卖等消息的及时精准掌控，冲破了收集上市公司股权让渡、股票减持消息难，导致税收征管不到位的瓶颈问题。

不久前，福州两位税务干部“突降”某上市公司，企业财政司理吃了一惊：“公司董事会让渡股权的通知布告昨晚才发布，国税局怎样这么快就晓得了？”税务干部说，第一时间给他们“透露”动静的不是哪小我，而是“收集爬虫”。

福州市国税局总经济师李建乐引见说，他们的涉税消息监控平台具有三个凸起的特点：分类抓取、及时监控和智能比对。平台次要从证券财经网站，重点抓取上市公司通知布告、上市公司十大股东股票减持、限售股解禁等消息；风控核心的公用电脑全天候及时抓取、储存和分类拾掇相关消息；平台将从互联网获取的消息与税收征管系统以及其他第三方消息进行主动比对，从中筛选出具有税收风险的管征户消息。

记者日前来到福州市国税局，领会涉税消息监控平台的运转体例。进入系统后，先毗连互联网的风控核心电脑，通过“收集爬虫”法式定向抓取各网站上发布的上市公司通知布告消息，而且将这些消息转化成可识此外文本。在当天股市收盘后，扫描法式起头启动，扫描“收集爬虫”抓取的通知布告内容。若是扫描中呈现了福州市国税局办理的企业名称或者是其他无效消息，监控平台会主动将通知布告与福州市国税局办理企业成立起联系关系，而且以分歧颜色的字体和高亮体例显示在电脑屏幕上。风控核心人员能够及时看到联系关系消息。

对于互联网涉税消息监控平台抓取的消息，福州市国税局风控核心由专人盯守，一旦发觉联系关系企业减持股票涉及税款问题，当即通知管征局到企业去查询拜访核实，督促企业及时缴纳税款。本年5月，风控核心监控到福州一家上市公司减持股票，涉及金额1亿多元。税务干部顿时赶到，向企业提醒税收风险，企业当即缴纳1000多万元税款。

别的，福州市国税局通过对监控平台抓取的消息，与税收征管消息系统消息进行比对阐发，找出具有风险的纳税人，有针对性地开展纳税评估，也取得显著成效。

本年前10个月，福州市国税局风控核心对上市公司十大股东及持有上市公司限售股消息进行阐发，筛选出124户具有税收风险的企业，涉及减持226只股票。相关管征局对这些户开展纳税评估，已有多家企业补缴了税款。某汽车维修公司持续减持一上市公司股票未申报，通过评估后补税3700万元。某超市减持一上市公司股票2。8亿股，通过开展反避税构和，已入库非居民税收5000万元。

看到以上税务稽察新的办法，大师有可能会感应惊悚。其实，操纵社会前言公开的消息，用于阐发和抓取纳税人经济勾当踪迹以此验证纳税申报的实在性这种逻辑阐发方式，早在10年前就曾经在采用了。

例如：某税务机关在社会媒体公开报道中看到一条旧事，大请安思是：XXX影视艺术文化公司公司投资拍摄电视剧XXXXX，创下国内电视剧之最，后期又投资拍摄了甲、乙两部电视剧。。。。。。

这篇报道大师看了也就感觉是一个旧事罢了。可是，这篇报道在税务机关消息源中，那就是一个彰显这个影视公司的经济效益。试想一想，该企业投资一部电视剧创下国内电视剧之最，紧接着又拍了两个电视剧，从资金运作的逻辑上阐发，该企业第二次投资两个新的电视剧必需是第一部赚了钱，有了不错的利润，才会有资金又持续投资两个新的电视剧。

所以，按照这一消息，税务机关对该企业纳税申报进行了阐发核查，发觉该企业不断以来财政报表利润数据都反映的是吃亏，如许的财政数据明显是与旧事报道中消息呈现了疑点，既然吃亏，那怎样可能有钱又紧接着投资了两部新电视剧？那当然，也可能是有新的股东投资、或者企业外告贷、或者有人资助等资金来历，那就查查看吧，成果追踪查抄企业财政账务，该企业并没有新的股东投资，也没有外借资金，更没有资金资助或者捐赠等行为，也就是说没有任何资金流入企业。这就奇异了，没资金怎样两部新的电视剧拍出来了，往来账也没有欠款啊（赊账）？按照疑点最终查抄出该企业操纵收入不入账的手法逃逸税收，并且偷税数额占昔时度应纳税额的比例均在30%以上。

跟着收集的敏捷成长，互联网成为大量消息的载体，并且人们对互联网的依赖曾经达到了每日没水能够，每日没有收集不可。人们被收集绑架了。人们曾经习惯操纵收集在最短的时间里抓取本人需要的消息，并且这种习惯每时每刻，无时不在的融入在每小我的糊口、工作等多方面之中。当我们在寻找消息或在做推介时，也在操纵收集输入本人的消息，一来一往，就在收集中留下了诸多的踪迹，被社会共享。

回忆，税务机关近年来成立金税一期起头、CTS征管系统、纳税评估系统、金税三期、到此刻税务稽察收集爬虫的研发，大师能够看到税务机关一个完整的办理监控系统曾经在逐步构成。特别是国度税务局“种植”的收集“爬虫”第一时间就能够通过财政数据检测到企业运营勾当的过程以及申报的实在性。这个过程有人工稽察快读的成长到智能爬虫抓取阐发时代，其功能就会大大的缩减纳税人涉税违法的躲藏期，若是新的征管法追溯期如收集发布草案20年，那么，纳税人汗青中涉税违法踪迹的法令风险将会变的庞大，违法义务的行为人将会承担不成想象的后果。

就如客岁我去一家集团企业做营改增营业查询拜访，闲聊中，我问道：您企业营改增之前属于地税办理，此刻要移交国税办理，账面若是具有涉税问题，此刻是一个改正的机遇。

财政回覆：我们的账一点问题都没有，这么大的集团企业，并且做了几十年了，毫不会有涉税问题。

看着他很坚定的回覆，我随手拿起桌上的上年损益表看了一眼，然后又打开电脑调阅了该企业收集上首页消息的引见，文字消息表述：该企业上年实现收入40亿，实现利润为1980万元，看完后，我又诘问道：按照您企业收集引见的消息来看，假如按照建筑行业税务机关审定利润率10—20%来测算，您企业上年实现利润最最少该当是在4000万以上，可是财政报表实现的利润率过低，为什么？

财政初始问题回覆是：为了投标和标致的贷款报表，是虚拟的数据。后来在我的诘问和数据非常的推理阐发下，才悄然的说：没想到数据会阐发出我们的问题，我们其实有表里两套账。 这么多年税务机关也没有查出来。网络爬虫软件

所以，大数据社会消息共享时代，它的科学的理论和实践的思惟以及强大的智能机械人阐发的道理，都为纳税人提出了警示：侥幸心理将鄙人一步的耽误追溯期被完全击破。一个社会消息共性的大数据库，只需植入收集爬虫，当局各部分就会在最短的时间内获取到各项谍报。

假设：税务机关操纵税务大数据平台和收集“爬虫”手艺，对本市某一家汽车企业进行数据阐发，按照该企业采纳的一项营销办法，即：代办购车贷款的营业进行消息对接，将该企业代办购车贷款与银行贷款的数据与申报纳税的发卖收入数据进行比对，若是发觉贷款消息与该企业申报的收入呈现严峻不符，那么税务机关就会纵深查抄，也就会发觉企业采纳真假两套账手法 进行逃逸税的行为。

例如：某税务机关在收集上看到一条房地产开辟企业发卖衡宇的效益，消息中细致的引见了该企业与香港某开辟上结合开辟楼盘。。。。。。这条消息顿时让税务机关发生了贰言，按照税收征管消息该企业是100%内资控股，怎样会出来一个外商香港公司，颠末追踪核查，发觉该企业股东在一年前将30%股权出让给了香港某公司，对于这种出让股权的行为，按照税法划定是要按照公允价钱申报缴纳20%小我所得税，可是，税务机关征管消息中并没有该股东申报纳税的记实，颠末检验，该企业股东并没有申报纳税。

又如，某国税局开辟收集爬虫阐发软件，在最短的时间内轻松的破解了某企业本钱运作税务查抄过程中等等很多的难题。由此，大师看到，此次税务稽察“收集爬虫”的使用，网络爬虫软件将会为税务机关征收办理和监管缔造了一个愈加完美的系统。

税务机关在一次收集爬虫的操作的演示中：在电脑中打开一个软件，按照需要所取得消息，输入几个环节目标值，点击确定，跟着电脑屏幕上一个绿色小虫迟缓的爬过，几十个红色的预警信号出此刻屏幕中，此时，税务人员只需点击爬虫抓，它就会抓取到所有的每一个预警消息，具有疑点的企业和疑点具体消息就即刻一一闪现出来。红色预警信号，显示企业在某个方面，具有较高的税收风险（即：纳税非常行为）。

税务机关种植的这些 “收集爬虫”，还可以或许将企业涉及的次要风险点和涉税金额初步阐发展现出来。收集爬虫的使用，对税务稽察事前采集消息和阐发问题，供给了靠得住的数据消息。

此刻国地税协作，大数据将共享，操纵收集爬虫道理挪用百度、搜狗等出名搜刮引擎的接口，获取其他方面诸如现实联系关系公司、经济案件的法院判决成果等消息数据，是垂手可得的事儿。

当前，税务机关还将进一步摸索采集外语消息，将境外上市公司纳入监控范畴，不竭拓展互联网 使用范畴，进一步提拔税收征管程度。

看了以上收集爬虫对税务稽察贡献出的力量，大师能否由衷的感遭到， “收集爬虫”这个名字与它本身的功能几乎是太贴切了。试想，互联网是张网，只需利用电脑工作的，都是这张网上的一个节点，将爬虫法式比方成这张网的一个蜘蛛，它会在这张“蜘蛛网”上爬来爬去（当然，一般是按照税务机关需要采集的消息指定的爬行的标的目的）找到有用的消息（网页消息），它就会将其记实下来，然后接着往下一个节点爬，晓得把这个网爬遍——将该网站的所有网页都抓取完。。。。。。。

看到 “收集爬虫”的功能，不由的有所感动的套用和动了动一首歌中的几句词：

税务稽察种植的收集爬虫正在走向成熟和全面数据的笼盖。谁还说：俺不怕，俺上面有人？。。。。。。。

天津市国税局引入林业部分供给的第三方参考数据，按照草皮、各品种苗木的指点价钱区间、单亩种植的承载能力、成熟周期，推算发票用量及累计最大开票额度，从而无效防备企业随便开具发票，发卖非自产的免税农产物等环境。

天津市国税局操纵百度地图标识表记标帜企业种植利用地块位置，并将标识表记标帜地块位置与乡镇地盘规划部分和企业现实签定合同比对。因为标识表记标帜地块位置具有独一性，避免了虚假合同形成的地块反复。

某市税务机关操纵税务大消息平台，将银行衡宇贷款按揭的数据与房地产开辟公司申报纳税的发卖（预售）收入数据进行比对，其涉税违法行为立即现形，该房地产公司因为涉税数额庞大，公司相关义务人均被立案处置。

通过大消息平台，税务将与与收集运营商、认证核心、工商、财务、公安、海关、金融机构、外汇办理、河山规划和物流核心等相关部分实现消息互通、数据互联、资本共享，不竭充分、持续扩展、及时更新纳税人消息库，便于稽察比对发觉税收疑点！